A API de Extração de Emoções de Texto é uma solução avançada de análise de texto que permite identificar o tom emocional de qualquer conteúdo escrito Esta ferramenta processa uma entrada de texto e retorna uma análise detalhada que inclui a classificação geral de sentimento (positivo negativo ou neutro) juntamente com uma pontuação de confiança e uma divisão percentual de cada categoria
A resposta da API inclui um campo de sentimento que indica o sentimento dominante bem como uma pontuação e nível de confiança que refletem quão clara é a tendência emocional do texto Além disso a seção de divisão detalha as porcentagens de positividade negatividade e neutralidade permitindo que você compreenda as nuances emocionais mesmo em textos mistos ou ambíguos
Outra característica notável é a extração de palavras-chave emocionais identificadas como responsáveis pelo tom detectado o que é útil para otimizar conteúdos ajustar campanhas publicitárias ou monitorar a reputação online A análise também inclui um componente de emoções básicas (alegria tristeza medo surpresa nojo e raiva) ideal para tarefas de psicologia computacional monitoramento de clientes ou análise de conversas em tempo real
Além disso a subjetividade do texto é calculada indicando se se trata de uma opinião ou uma declaração objetiva Isso é útil em contextos como análise de mídia avaliações de produtos ou análise de pesquisas abertas
Com uma resposta rápida e precisa (baixo tempo de processamento) esta API foi projetada para ser facilmente integrada no atendimento ao cliente marketing recursos humanos plataformas sociais assistentes virtuais e muito mais Seu design flexível e suporte a múltiplos idiomas permitem que seja implementada tanto em aplicações web quanto móveis
Em resumo a API de Extração de Emoções de Texto oferece uma visão profunda do conteúdo emocional da linguagem ajudando empresas e desenvolvedores a entender melhor as interações humanas melhorar a experiência do usuário e tomar decisões com base em dados emocionais precisos
Para usar este ponto de extremidade, você deve especificar texto no parâmetro
Analisador de Sentimentos - Recursos do endpoint
| Objeto | Descrição |
|---|---|
Corpo da requisição |
[Obrigatório] Json |
{"success":true,"data":{"sentiment":"neutral","confidence":0.01,"score":0,"breakdown":{"positive":0,"negative":0,"neutral":1},"wordCount":2,"sentimentWords":{"positive":[],"negative":[]},"emotions":{"joy":0,"anger":0,"fear":0,"sadness":0,"surprise":0,"disgust":0},"subjectivity":0},"timestamp":"2025-07-28T16:55:29.762Z","processingTime":4}
curl --location --request POST 'https://zylalabs.com/api/9159/text+emotion+extraction+api/16567/sentiment+analyzer' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Hello world",
"language": "en"
}'
| Cabeçalho | Descrição |
|---|---|
Authorization
|
[Obrigatório] Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito. |
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
O endpoint do Analisador de Sentimentos retorna uma análise detalhada do texto de entrada incluindo a classificação geral de sentimento (positivo negativo neutro) uma pontuação de confiança uma divisão percentual das categorias de sentimento palavras-chave emocionais emoções básicas e subjetividade
Os campos-chave na resposta incluem "sentimento" (sentimento dominante), "confiança" (certeza da classificação), "distribuição" (percentagem de positividade, negatividade, neutralidade), "palavras-chave" (palavras-chave emocionais), "emoções" (emoções básicas detectadas) e "subjetividade" (opinião vs. objetiva)
Os dados da resposta estão estruturados em um formato JSON com campos de nível superior para resultados de análise de sentimento Cada campo fornece insights específicos como classificação de sentimento níveis de confiança e detalhamentos tornando fácil a análise e utilização programática
O parâmetro primário para o endpoint de Analisador de Sentimentos é "texto" que requer a string de entrada a ser analisada Os usuários podem personalizar suas solicitações fornecendo diferentes entradas de texto para receber resultados de análise de sentimentos personalizados
Os casos de uso típicos incluem monitorar o feedback dos clientes otimizar o conteúdo de marketing analisar as interações em redes sociais realizar análise de sentimentos em pesquisas e melhorar a experiência do usuário em chatbots ou assistentes virtuais
A precisão dos dados é mantida por meio de algoritmos avançados de processamento de linguagem natural que aprendem continuamente com amostras de texto diversas Atualizações regulares e verificações de qualidade garantem que o modelo se adapte às nuances da linguagem e às expressões de sentimento em evolução
Os usuários podem aproveitar os dados retornados para identificar tendências no sentimento do cliente adaptar estratégias de marketing com base em insights emocionais e aprimorar o desenvolvimento de produtos entendendo as opiniões e emoções dos usuários refletidas no texto
Se o texto de entrada for muito curto ou ambíguo, a API pode retornar pontuações de confiança mais baixas ou análises incompletas. Os usuários devem garantir que o texto seja suficientemente descritivo e considerar a implementação de mecanismos de fallback para lidar com tais casos
Nível de serviço:
100%
Tempo de resposta:
9.212ms
Nível de serviço:
100%
Tempo de resposta:
2.398ms
Nível de serviço:
100%
Tempo de resposta:
1.768ms
Nível de serviço:
100%
Tempo de resposta:
17ms
Nível de serviço:
100%
Tempo de resposta:
8.667ms
Nível de serviço:
100%
Tempo de resposta:
14ms
Nível de serviço:
100%
Tempo de resposta:
8.644ms
Nível de serviço:
100%
Tempo de resposta:
216ms
Nível de serviço:
100%
Tempo de resposta:
242ms
Nível de serviço:
100%
Tempo de resposta:
20ms
Nível de serviço:
100%
Tempo de resposta:
369ms
Nível de serviço:
100%
Tempo de resposta:
627ms
Nível de serviço:
100%
Tempo de resposta:
478ms
Nível de serviço:
100%
Tempo de resposta:
1.430ms
Nível de serviço:
100%
Tempo de resposta:
271ms
Nível de serviço:
100%
Tempo de resposta:
2.613ms
Nível de serviço:
100%
Tempo de resposta:
2.702ms
Nível de serviço:
100%
Tempo de resposta:
181ms
Nível de serviço:
100%
Tempo de resposta:
2.596ms
Nível de serviço:
100%
Tempo de resposta:
2.242ms