{
"Happy": 1.0,
"Angry": 0.0,
"Surprise": 0.0,
"Sad": 0.0,
"Fear": 0.0
}
curl --location --request POST 'https://zylalabs.com/api/10880/text+to+feelings+fetch+api/20584/emotion+detection' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw 'I am very happy to use this API.'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Texto para Sentimentos Buscar API basta incluir seu token Bearer no cabeçalho Authorization.
| 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.
(Economize 2 meses com cobrança anual 🎉)
Empresas líderes confiam em nós
A API Text to Feelings Fetch permite identificar e quantificar as emoções presentes em qualquer trecho de texto. Seu objetivo é ajudar a compreender o tom emocional por trás da linguagem escrita, oferecendo informações valiosas para otimizar interações humanas, melhorar a comunicação e enriquecer a análise de conteúdos.
Ao receber um texto, a API analisa seu conteúdo linguístico e retorna um conjunto de emoções básicas, como felicidade, raiva, tristeza, surpresa e medo, cada uma acompanhada de um valor numérico que indica sua intensidade ou nível de presença. Esses valores, expressos como pontuações de 0 a 1, permitem determinar com precisão a emoção predominante no texto e a extensão em que as outras se manifestam.
Esse serviço é particularmente útil para aplicações nas áreas de análise de sentimentos, atendimento ao cliente, marketing, pesquisa social, monitoramento de redes sociais, desenvolvimento de chatbots e análise de avaliações. As empresas podem utilizá-lo para avaliar o estado emocional de seus clientes, medir a reação a campanhas publicitárias ou ajustar a comunicação automatizada de acordo com o tom detectado.
Em resumo, a API Text to Feelings Fetch é uma solução poderosa e flexível para transformar texto em informações emocionais significativas. Com ela, desenvolvedores e analistas podem entender melhor as emoções por trás das palavras e tomar decisões mais informadas com base no estado emocional de usuários ou públicos.
O endpoint de Detecção de Emoções retorna um objeto JSON contendo pontuações para cinco emoções básicas: felicidade, raiva, tristeza, surpresa e medo. Cada emoção é representada por um valor numérico que varia de 0 a 1 indicando sua intensidade no texto analisado
Os campos principais na resposta de dados são "Feliz" "Bravo" "Triste" "Surpresa" e "Medo" Cada campo corresponde a uma emoção e contém uma pontuação que reflete a intensidade dessa emoção no texto fornecido
Os dados da resposta estão organizados como um objeto JSON com rótulos de emoção como chaves e suas respectivas pontuações de intensidade como valores Essa estrutura permite fácil interpretação e análise do conteúdo emocional do texto
Os casos de uso típicos incluem análise de sentimento para feedback de clientes, aprimoramento de interações com chatbots com base nas emoções dos usuários, monitoramento do sentimento nas redes sociais e análise das respostas emocionais a campanhas de marketing ou conteúdo
Os usuários podem personalizar suas solicitações de dados fornecendo diferentes entradas de texto para o endpoint de Detecção de Emoções A API analisa o texto específico enviado permitindo percepções emocionais personalizadas com base em conteúdos variados
A precisão dos dados é mantida através de algoritmos avançados de processamento de linguagem natural que analisam padrões linguísticos e contexto Atualizações e melhorias contínuas no modelo garantem que ele se adapte ao uso da linguagem em evolução e à expressão emocional
Padrões de dados padrão incluem variações nas pontuações de intensidade para emoções com base no tom do texto Por exemplo um texto que expressa alegria pode resultar em uma alta pontuação de felicidade e pontuações baixas para outras emoções enquanto um texto com conflito pode apresentar pontuações mais altas de raiva e medo
Os usuários podem utilizar os dados retornados interpretando as pontuações para avaliar o tom emocional do texto Por exemplo uma alta pontuação de felicidade pode indicar um sentimento positivo orientando respostas no atendimento ao cliente ou estratégias de criação de conteúdo