{"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/10930/retrieve+ai+tone+for+text+api/20640/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 获取文本的AI语气 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 🎉)
这个API旨在分析任何文本的情感基调,提供关于内容所传达的情感色彩和情绪的详细见解。它的操作简单而高效:用户发送文本作为输入,API则以结构化分析的方式回应,包括检测到的不同基调、每种基调的比例以及解释性总结。
例如,它可以识别积极、中立、沮丧或悲伤等情绪,并指示每种情绪在文本中的比例。此外,它还提供一个描述性分析部分,解释结果,用通俗易懂的方式说明主导的情感信息类型、如何贯穿整个文本及影响整体基调的因素。补充这些信息,它还会生成实用建议,帮助调整或改善沟通:例如,如何强调积极的基调、平衡情绪或减少负面感知。
该API对那些希望将情感智能融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。它基于百分比和类别的方法促进了自动化的情感解读,而其文本输出为决策提供了人性化和实用的背景。
总之,这个API不仅测量情感,还解释并建议沟通的改善。它是理解信息如何被感知以及如何优化以产生更大情感影响的强大工具。凭借其分析能力,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、清晰和有效的体验。
语调检查器端点返回输入文本情感语调的结构化分析。这包括检测到的每种情绪的语调分布和百分比、详细的解释分析,以及改善沟通的实用建议
响应数据中的关键字段包括 `toneDistribution`,列出了检测到的语调及其百分比,`analysis`,提供文本情感信息的解读,以及 `suggestions`,提供提升沟通的建议
响应数据以JSON格式组织 包含一个指示请求状态的success字段 然后是一个content对象 其中包含toneDistribution analysis和suggestions 使其易于解析和利用
语气检查器提供了文本中存在的情感语气的信息及其各自的百分比 对情感信息的详细分析以及提高文本情感影响力的可行建议
用户可以通过改变发送到语调检查端点的输入文本来定制他们的数据请求 不同的文本会产生不同的语调分析 使用户能够探索各种情感解读和建议
典型的用例包括分析社交媒体帖子以评估情感影响 评估客户反馈以判断情绪 审查公司沟通以确保语调一致性 以及研究文学文本以探讨情感深度
数据准确性通过先进的人工智能算法得以维持,这些算法分析文本模式和情感线索 在多样化数据集上进行持续训练有助于提高模型准确检测和解释各种情感语调的能力
用户可以通过解释音调分布来理解情感细微差别利用返回的数据将分析应用于增强沟通策略并实施建议以调整其写作的情感音调