फ्री सेंटिमेंट एनालिसिस टूल

पूरी तरह आपके ब्राउज़र में चलता है - न कुछ अपलोड, न साइन-अप।

विश्लेषण के लिए टेक्स्ट

आपका टेक्स्ट ब्राउज़र वर्कर के अंदर ही प्रोसेस होता है और कभी अपलोड नहीं किया जाता। पहली बार रन के दौरान पब्लिक AI मॉडल डाउनलोड होता है।

तीन समग्र सेंटिमेंट लेबल

नेगेटिव का मतलब प्रतिकूल टोन, न्यूट्रल का मतलब कोई साफ पॉज़िटिव या नेगेटिव झुकाव नहीं, और पॉज़िटिव का मतलब अनुकूल टोन है।

Arabic, English, French, German, Hindi, Italian, Portuguese और Spanish पर फाइन-ट्यून किया गया।

सोशल पोस्ट से बना मॉडल। व्यंग्य, मिली-जुली भावनाएँ, विशेषज्ञ भाषा और ट्रेनिंग भाषाओं से बाहर के टेक्स्ट पर लेबल गलत हो सकते हैं।

यह टूल शेयर करें

सेंटिमेंट एनालिसिस क्या है?

सेंटिमेंट एनालिसिस किसी टेक्स्ट के कुल मिलाकर रुख को नेगेटिव, न्यूट्रल या पॉज़िटिव की श्रेणियों में रखता है। यह टूल आपके ब्राउज़र के अंदर बहुभाषी XLM-T मॉडल को Transformers.js के ज़रिए चलाता है और हर लेबल के लिए स्कोर दिखाता है। आपका टेक्स्ट डिवाइस पर ही रहता है, हालांकि पहली बार विश्लेषण चलाने पर पब्लिक मॉडल फ़ाइलें डाउनलोड होती हैं।

कैसे इस्तेमाल करें

1काम का नमूना पेस्ट करें. कोई रिव्यू, कमेंट, संदेश या सोशल पोस्ट लिखें या पेस्ट करें। एक पूरी लाइन या वाक्य मॉडल को केवल एक शब्द की तुलना में ज़्यादा संदर्भ देता है।
2लोकल मॉडल चलाएं. सेंटिमेंट एनालिसिस चलाएं पर क्लिक करें। पहली बार मॉडल डाउनलोड पूरा होने दें; बाद में, जब तक ब्राउज़र कैश उपलब्ध है, वही फ़ाइलें दोबारा उपयोग हो सकती हैं।
3तीनों स्कोर पढ़ें. ऊपरी लेबल को एक मोटा संकेत मानें और उसका स्कोर बाकी दो लेबल से तुलना करें। स्कोर बहुत पास हों तो मशीन की बजाय इंसानी समीक्षा पर भरोसा करें, पक्का निष्कर्ष न निकालें।

किसके लिए है

सपोर्ट टीमें जो किसी ग्राहक संदेश को पूरा पढ़ने से पहले फीडबैक के टोन की त्वरित पहली झलक लेना चाहती हैं।
प्रोडक्ट रिसर्चर जो सर्वे जवाबों, ऐप रिव्यू या इंटरव्यू नोट्स के व्यापक सेंटिमेंट की तुलना बिना अप्रकाशित टेक्स्ट अपलोड किए करना चाहते हैं।
सोशल और कम्युनिटी मैनेजर जो उन आठ भाषाओं में पोस्ट या कमेंट चेक करना चाहते हैं जिन पर मॉडल का सेंटिमेंट फाइन-ट्यून हुआ है।
राइटर और एडिटर जो देखना चाहते हैं कि कोई छोटा अंश मनचाहे से ज़्यादा पॉज़िटिव, न्यूट्रल या नेगेटिव तो नहीं पढ़ा जा रहा है।

यह सेंटिमेंट एनालाइज़र Cardiff NLP का XLM-T मॉडल इस्तेमाल करता है, जो XLM-R पर आधारित एक सिस्टम है जिसे लगभग 198 मिलियन बहुभाषी ट्वीट्स पर प्री-ट्रेन किया गया है और सेंटिमेंट के लिए Arabic, English, French, German, Hindi, Italian, Portuguese और Spanish में फाइन-ट्यून किया गया है। आउटपुट लेबल का मतलब है समग्र रूप से नकारात्मक रुख, कोई साफ पॉज़िटिव या नेगेटिव झुकाव न होना, और समग्र रूप से सकारात्मक रुख। ये लेबल न तो खास इमोशन, न सच या झूठ, न तात्कालिकता और न ही लिखने वाले की असली मंशा की पहचान करते हैं।

पहली बार विश्लेषण के दौरान लगभग 297 MB क्वांटाइज़्ड ONNX मॉडल वेट्स और टोकनाइज़र फ़ाइलें डाउनलोड होती हैं। एक ब्राउज़र वर्कर इनफ़रेंस को मुख्य UI थ्रेड से अलग रखता है। जहां संभव हो, WebGPU का प्रयोग किया जाता है; WebAssembly CPU बैकएंड इसका धीमा फ़ॉलबैक है। आम तौर पर ब्राउज़र इन फ़ाइलों को कैश कर लेता है, लेकिन प्राइवेट ब्राउज़िंग, स्टोरेज क्लीनअप या कम डिस्क स्पेस जैसी स्थितियों में दोबारा डाउनलोड की ज़रूरत पड़ सकती है, इसलिए कैशिंग की गारंटी नहीं है।

विशेषज्ञ सुझाव

सेंटिमेंट इमोशन या इरादे के बराबर नहीं होता। मॉडल ने सोशल पोस्ट से सीखा है, इसलिए पक्का दिखने वाला लेबल भी व्यंग्य, नेगेशन, उद्धृत टेक्स्ट, मिली-जुली तारीफ और आलोचना, विशेषज्ञ जार्गन, या उन भाषाओं में लिखे टेक्स्ट पर चूक सकता है जो इसकी आठ फाइन-ट्यून की गई भाषाओं से बाहर हैं। रोजगार, स्वास्थ्य, सुरक्षा, मॉडरेशन या किसी भी उच्च प्रभाव वाले निर्णय के लिए कभी केवल एक स्कोर के आधार पर फैसला न लें।

अक्सर पूछे जाने वाले सवाल

क्या मेरा टेक्स्ट सर्वर पर अपलोड होता है?

नहीं। आपका टेक्स्ट आपके ब्राउज़र के अंदर एक वर्कर को भेजा जाता है और मॉडल आपके ही डिवाइस पर चलता है। वर्कर बाहरी होस्ट से Transformers.js रनटाइम और मॉडल फ़ाइलें डाउनलोड करता है, लेकिन इन रिक्वेस्ट में आपका पेस्ट किया हुआ टेक्स्ट शामिल नहीं होता। CanDoYa आपके नमूने को प्राप्त या स्टोर नहीं करता।

क्या यह सेंटिमेंट एनालिसिस टूल फ्री है?

हाँ। किसी अकाउंट, पेमेंट, API key या विश्लेषण कोटा की ज़रूरत नहीं है। सारा काम आपका डिवाइस करता है। व्यावहारिक लागतें पहली बार मॉडल डाउनलोड, लोकल ब्राउज़र स्टोरेज, मेमोरी और प्रोसेसिंग समय हैं। आपका नेटवर्क प्रदाता मॉडल डाउनलोड के लिए उपयोग हुए डेटा पर अलग से शुल्क ले सकता है।

मैं कितना टेक्स्ट विश्लेषित कर सकता हूँ?

आप सामान्य लंबाई का कोई भी अंश पेस्ट कर सकते हैं, लेकिन यह टूल ब्राउज़र इनफ़रेंस को अनुमानित रखने के लिए अधिकतम पहले 1,000 यूनिकोड कैरेक्टर तक ही विश्लेषण करता है। मॉडल का टोकनाइज़र भी अपने इनपुट विंडो तक टेक्स्ट को ट्रंकेट कर देता है। बहुत लंबी डॉक्यूमेंट के लिए, पूरे दस्तावेज़ का एक ही लेबल मानने के बजाय उन्हें अर्थपूर्ण हिस्सों में बाँट कर अलग-अलग विश्लेषण करें।

यह सेंटिमेंट मॉडल किन भाषाओं को सपोर्ट करता है?

सेंटिमेंट फाइन-ट्यूनिंग Arabic, English, French, German, Hindi, Italian, Portuguese और Spanish पर की गई थी। बहुभाषी बेस मॉडल अन्य भाषाओं के लिए भी लेबल लौटा सकता है, लेकिन उनके लिए इसके पास वही काम-विशेष ट्रेनिंग साक्ष्य नहीं हैं। इसलिए CanDoYa की बाकी भाषा लोकल वाली पेजों पर नतीजों को लगभग मानकर दिखाया जाता है।

नेगेटिव, न्यूट्रल और पॉज़िटिव का मतलब क्या है?

नेगेटिव का मतलब है कि मॉडल को समग्र रूप से प्रतिकूल या नापसंद रुख मिला। न्यूट्रल का मतलब है उसे कोई साफ पॉज़िटिव या नेगेटिव झुकाव नहीं दिखा। पॉज़िटिव का मतलब है कि मॉडल को समग्र रूप से अनुकूल या पसंद वाला रुख दिखा। ये लेबल पूरे दिए गए नमूने पर लागू होते हैं; ये न तो इमोशन की कैटेगरी हैं और न ही यह साबित करते हैं कि लिखने वाला वास्तव में क्या मानता या चाहता है।

मॉडल के स्कोर का मतलब क्या है?

तीनों स्कोर इसी इनपुट के लिए नेगेटिव, न्यूट्रल और पॉज़िटिव लेबलों की रैंकिंग करते हैं और आम तौर पर मिलाकर लगभग 100 प्रतिशत के आसपास होते हैं। ये मॉडल लेबलों की आपसी तुलना के लिए उपयोगी हैं, लेकिन इन्हें सही होने की गारंटीड या कैलिब्रेटेड प्रॉबेबिलिटी न मानें। ऊँचा स्कोर भी गलत हो सकता है, खासकर तब जब टेक्स्ट ट्रेनिंग डोमेन से अलग हो।

पहला डाउनलोड लगभग 297 MB क्यों है?

टूल लगभग 279 MB के क्वांटाइज़्ड XLM-R ONNX वेट्स और लगभग 17 MB टोकनाइज़र डेटा इस्तेमाल करता है। यह केवल कीवर्ड लिस्ट से कहीं बड़ा है, लेकिन इससे मॉडल सिर्फ पॉज़िटिव और नेगेटिव शब्द गिनने के बजाय संदर्भ सहित भाषा पैटर्न पकड़ पाता है। आम तौर पर ब्राउज़र पहली रन के बाद इन फ़ाइलों को कैश कर लेता है, हालांकि कैश बने रहने की गारंटी नहीं होती।

क्या WebGPU के बिना भी एनालाइज़र काम करेगा?

हाँ। वर्कर सबसे पहले WebGPU आज़माता है यदि ब्राउज़र और ग्राफ़िक्स एडेप्टर उसे सपोर्ट करते हों। अगर वह रास्ता उपलब्ध न हो या शुरू न हो पाए, तो टूल WebAssembly CPU बैकएंड पर दोबारा कोशिश करता है। CPU पर विश्लेषण वही मॉडल इस्तेमाल करता है और टेक्स्ट को लोकल रखता है, लेकिन लोडिंग और इनफ़रेंस धीमे हो सकते हैं।