CanDoYa
CA

Anàlisi de sentiment gratuïta en línia

Idiomes limitats

Funciona del tot al navegador: sense pujar res ni registrar-te.

Enganxa un comentari, una ressenya o una publicació de xarxes per avaluar-ne el to.

El text es processa en un worker del navegador i no es puja mai. En la primera execució es descarrega el model públic d’IA.

Tres etiquetes globals de sentiment

Negatiu indica to desfavorable, neutral indica que no hi ha una inclinació clara, i positiu indica un to favorable.

Fine-tuning per a àrab, anglès, francès, alemany, hindi, italià, portuguès i castellà.

Entrenat a partir de publicacions socials. La ironia, els sentiments barrejats, el llenguatge especialitzat i el text fora dels idiomes entrenats es poden etiquetar malament.

Comparteix aquesta eina

Anàlisi de sentiment: què és?

Anàlisi de sentiment classifica l’actitud global d’un text com a negativa, neutral o positiva. Aquesta eina executa un model multilingüe XLM-T dins del teu navegador i mostra la puntuació de cada etiqueta. El text es manté al teu dispositiu, encara que en la primera anàlisi es descarreguen els fitxers públics del model.

Com s’utilitza

  1. 1Enganxa una mostra útil. Introdueix una ressenya, comentari, missatge o publicació de xarxes socials. Una frase completa dóna més context al model que no pas una sola paraula.
  2. 2Executa el model local. Fes clic a Analitza el sentiment. Deixa que acabi la primera descàrrega del model; mentre la memòria cau del navegador estigui disponible, les visites posteriors la poden reutilitzar.
  3. 3Llegeix les tres puntuacions. Fes servir l’etiqueta principal com a senyal general i compara’n la puntuació amb les alternatives. Quan les puntuacions són semblants, cal una revisió humana en lloc d’una conclusió ferma.

Per a qui és

Aquest analitzador de sentiment fa servir el model XLM-T de Cardiff NLP, un sistema XLM-R entrenat prèviament sobre aproximadament 198 milions de tuits multilingües i ajustat específicament per a sentiment en àrab, anglès, francès, alemany, hindi, italià, portuguès i castellà. Les etiquetes de sortida indiquen to global desfavorable, sense inclinació clara cap al positiu o el negatiu, i to global favorable. No identifiquen emocions concretes, ni la veracitat, ni la urgència, ni la intenció de qui escriu.

En la primera anàlisi es descarreguen els pesos quantitzats del model ONNX i els fitxers del tokenitzador, en total uns 297 MB. Un worker del navegador manté la inferència fora del fil principal de la interfície. WebGPU és l’opció preferent quan està disponible; si no, el backend de CPU amb WebAssembly actua com a alternativa més lenta. En general el navegador en guarda una còpia a la memòria cau, però la navegació privada, la neteja d’emmagatzematge o l’espai de disc limitat poden fer que s’hagin de tornar a descarregar.

Preguntes freqüents

El meu text es puja a un servidor?

No. El text s’envia a un worker dins del navegador i el model s’executa al teu dispositiu. El worker descarrega el runtime de Transformers.js i els fitxers públics del model des d’allotjaments externs, però aquestes sol·licituds no contenen el text que hi has enganxat. CanDoYa no rep ni desa la mostra.

Aquesta eina d’anàlisi de sentiment és gratuïta?

Sí. No cal cap compte, ni pagament, ni clau d’API, ni hi ha un límit d’anàlisis definit per servidor, perquè el càlcul el fa el teu dispositiu. Els costos pràctics són la primera descàrrega del model, l’espai local al navegador, la memòria i el temps de processament. El teu proveïdor de xarxa pot cobrar igualment per les dades usades per descarregar el model.

Quanta quantitat de text puc analitzar?

Pots enganxar un fragment normal, però l’eina analitza com a màxim els primers 1.000 caràcters Unicode per mantenir la inferència al navegador sota control. El tokenitzador del model també trunca el text a la seva finestra d’entrada. Per a documents llargs, analitza’n seccions coherents per separat en lloc de prendre una sola etiqueta global com si fos un resum del document.

Quins idiomes admet el model de sentiment?

El fine-tuning per a sentiment es va fer en àrab, anglès, francès, alemany, hindi, italià, portuguès i castellà. El model multilingüe base pot retornar etiquetes per a altres idiomes, però aquests resultats no tenen la mateixa evidència d’entrenament específica de la tasca. El català, com altres idiomes fora d’aquesta llista, es considera cobertura aproximada i aquesta pàgina de CanDoYa ho marca explícitament com a tal.

Què volen dir negatiu, neutral i positiu?

Negatiu vol dir que el model ha detectat un to global desfavorable. Neutral indica que no hi veu una inclinació clara cap al positiu o cap al negatiu. Positiu vol dir que hi detecta un to global favorable. Aquestes etiquetes descriuen el conjunt de la mostra enviada; no són categories d’emoció i no demostren què creu ni què pretén qui ha escrit el text.

Què signifiquen les puntuacions del model?

Les tres puntuacions ordenen les etiquetes negatiu, neutral i positiu per a aquest text i normalment sumen aproximadament el 100 per cent. Són útils per comparar les etiquetes entre si, però no són probabilitats garantides de correcció ni valors calibrats. Una puntuació alta encara pot ser errònia, sobretot si el text surt del domini d’entrenament del model.

Per què la primera descàrrega és d’uns 297 MB?

L’eina fa servir pesos XLM-R quantitzats en format ONNX d’uns 279 MB i dades del tokenitzador d’uns 17 MB. És molt més gran que una llista de paraules clau, però captura patrons de llenguatge contextuals en lloc de limitar-se a comptar paraules positives i negatives. Normalment el navegador desa aquests fitxers a la memòria cau després de la primera execució.

L’analitzador funciona sense WebGPU?

Sí. El worker intenta primer fer servir WebGPU quan el navegador i l’adaptador gràfic ho admeten. Si aquest camí no està disponible o falla en iniciar-se, l’eina torna a provar amb el backend de CPU basat en WebAssembly. L’anàlisi amb CPU fa servir el mateix model i manté el text en local, però la càrrega i la inferència poden durar més temps.