Este analizador de sentimiento usa el modelo XLM-T de Cardiff NLP, un sistema XLM-R entrenado con unos 198 millones de tuits multilingües y ajustado para análisis de sentimiento en árabe, inglés, francés, alemán, hindi, italiano, portugués y español. Las etiquetas de salida significan tono global desfavorable, sin inclinación clara positiva ni negativa y tono global favorable. No identifican emociones concretas, ni verifican la veracidad, la urgencia o la intención de quien escribe.
La primera vez que lo uses se descargan pesos de modelo XLM-R cuantizados en formato ONNX y los archivos del tokenizador, en total unos 297 MB. Un worker del navegador mantiene la inferencia fuera del hilo principal de la interfaz. WebGPU es la opción preferida cuando está disponible; el backend de CPU con WebAssembly es la alternativa más lenta. Los navegadores suelen guardar estos archivos en caché, pero la navegación privada, la limpieza de almacenamiento o la falta de espacio pueden obligar a descargarlos de nuevo.
La inferencia se realiza con Transformers.js directamente en tu dispositivo, no con una lista de palabras clave. Solo se analizan como máximo los primeros 1.000 caracteres Unicode del texto introducido y el propio tokenizador también recorta lo que excede su ventana de entrada. Ten en cuenta que factores como el sarcasmo, las negaciones, las citas, los sentimientos mezclados, la jerga especializada, los idiomas no cubiertos o un dominio distinto de los datos de entrenamiento pueden producir etiquetas erróneas, incluso con puntuaciones altas.