{"success":true,"content":{"toneDistribution":[{"tone":"\ud83d\ude0a Positive","percentage":80},{"tone":"\ud83d\ude10 Neutral","percentage":10},{"tone":"\ud83d\ude24 Frustrated","percentage":0},{"tone":"\ud83d\ude22 Sad","percentage":10}],"analysis":"The text 'Today I feel very happy.' has a predominantly positive tone indicated by the expression of happiness. The use of the word 'happy' explicitly conveys a sense of joy and positivity. This text contains no elements of frustration or sadness, which is why those tones have a percentage of 0. There is a small neutral component that represents the straightforwardness of the statement, devoid of additional emotional layers.","suggestions":"To maintain the positive tone, consider adding more context or reasons for your happiness that could enhance the emotional impact. If aiming for variety in tone, include additional sentences that describe different feelings or experiences throughout the day, balancing positive expressions with neutral observations or subtle challenges overcome."}}
curl --location --request GET 'https://zylalabs.com/api/10933/retrieve+ai+tone+content+api/20643/tone+checker?content=Today I feel very happy.' --header 'Authorization: Bearer YOUR_API_KEY'
注册后,每个开发者都会被分配一个个人 API 访问密钥,这是一个唯一的字母和数字组合,用于访问我们的 API 端点。要使用 检索AI语调内容 API 进行身份验证,只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。
|
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
(年度计费可节省 2 个月 🎉)
该API旨在分析任何文本的情感基调,提供内容传达的情感充沛和情绪的详细见解。其操作简单高效:用户发送文本作为输入,API则回复结构化的分析,包括检测到的不同基调、每种基调的存在比例以及解释性总结。
例如,它可以识别积极、中立、沮丧或悲伤等情感,指示文本中每种情感的比例。此外,它还提供描述性分析部分,解释结果,以易于理解的方式说明主要的情感信息是什么,如何在整篇文本中发展,以及什么因素影响整体基调。为了补充这些信息,它还生成实用建议,以调整或改善沟通:例如,如何强调积极基调、平衡情感或减少负面认知。
该API对于希望将情感智能纳入其产品或工作流程的人尤其有用。它可以应用于社交媒体分析、客户反馈评估、企业内容审查,甚至文学文本的研究。其基于百分比和类别的方法简化了情感的自动化解读,而其文本输出则为决策提供了人性化和有用的背景。
简而言之,该API不仅可以衡量情感,还可以解释和建议沟通改进。它是理解信息如何被感知及如何优化以产生更大情感影响的强大工具。得益于其分析能力,它将文本转化为可操作的数据,帮助使沟通成为更具同理心、更清晰和更有效的体验。
音调检查端点返回输入文本情感音调的结构化分析。这包括每种检测到的音调的百分比音调分布详细的解释性分析以及改善沟通的实用建议
响应数据中的关键字段包括“toneDistribution”(检测到的语气及其百分比的数组) “analysis”(情感语气的摘要)和“suggestions”(增强沟通的建议)
响应数据以JSON格式组织 包含一个表示请求状态的“success”布尔值 然后是一个“content”对象 包含“toneDistribution”“analysis”和“suggestions”以便于清晰和使用
语气检查器提供文本中存在的情感语气信息 其各自的百分比 主导语气的详细分析 以及改善沟通情感影响的可行建议
用户可以通过向音调检查器端点提供不同的文本输入来自定义他们的数据请求。API分析提交的特定文本,从而根据提供的内容允许定制的情感音调分析
典型的用例包括分析客户反馈的情感、审查企业沟通的情感影响、评估社交媒体帖子以及研究文学文本以理解情感细微差别并改善参与度
数据准确性通过先进的 AI 算法得以保持,这些算法分析文本的情感语调。对模型的持续训练和更新确保它能够适应语言的细微差别,并随着时间的推移提高对情感背景的理解
用户可以通过解释语调分布来利用返回的数据,以评估情感反应,将分析应用于改善沟通策略,并实施建议以调整信息,使其与受众产生更好的情感共鸣