Analisi del sentiment online gratuita nel browser

Funziona interamente nel browser: nessun caricamento, nessuna registrazione.

Testo da analizzare

Il testo viene elaborato in un worker del browser e non viene mai caricato online. Al primo utilizzo vengono scaricati i file pubblici del modello di IA.

Tre etichette complessive di sentiment

Negativo indica un tono sfavorevole, neutro indica nessuna chiara inclinazione positiva o negativa e positivo indica un tono favorevole.

Ottimizzato per arabo, inglese, francese, tedesco, hindi, italiano, portoghese e spagnolo.

Derivato da post social. Sarcasmo, sentimenti contrastanti, linguaggio specialistico e testi fuori dalle sue lingue di addestramento possono essere etichettati in modo errato.

Condividi questo strumento

Analisi del sentiment: che cos'è e a cosa serve?

Analisi del sentiment significa classificare l'atteggiamento complessivo di un testo come negativo, neutro o positivo. Questo strumento esegue in locale nel tuo browser un modello multilingue XLM-T e mostra il punteggio per ogni etichetta. Il testo rimane sul tuo dispositivo, anche se al primo utilizzo vengono scaricati i file pubblici del modello.

Come si usa

1Incolla un campione significativo. Inserisci una recensione, un commento, un messaggio o un post social. Una frase completa offre al modello più contesto rispetto a una singola parola.
2Esegui il modello in locale. Fai clic su Analizza sentiment. Attendi il completamento del primo download del modello; le visite successive possono riutilizzarlo finché la cache del browser rimane disponibile.
3Leggi tutti e tre i punteggi. Usa l'etichetta principale come segnale generale e confronta il suo punteggio con le alternative. Punteggi vicini richiedono una revisione umana, non una conclusione definitiva.

A chi serve

Team di supporto che vogliono una prima indicazione sul tono dei feedback dei clienti prima che una persona legga il messaggio completo.
Ricercatori di prodotto che confrontano il sentiment generale di risposte a sondaggi, recensioni di app o note di interviste senza caricare testi non pubblicati.
Social e community manager che controllano post o commenti nelle otto lingue usate per l'ottimizzazione del sentiment del modello.
Autori ed editor che testano se un passaggio breve risulta più favorevole, neutro o negativo del previsto.

Questo analizzatore di sentiment usa il modello XLM-T di Cardiff NLP, un sistema basato su XLM-R pre-addestrato su circa 198 milioni di tweet multilingue e poi ottimizzato per il sentiment in arabo, inglese, francese, tedesco, hindi, italiano, portoghese e spagnolo. Le tre etichette di output indicano rispettivamente un tono complessivamente sfavorevole, nessuna netta inclinazione positiva o negativa, oppure un tono complessivamente favorevole. Non riconoscono emozioni specifiche, veridicità, urgenza o le reali intenzioni di chi scrive.

L'analisi avviene con inferenza reale Transformers.js sul dispositivo, non con semplici elenchi di parole chiave. Al primo utilizzo il worker del browser scarica i pesi quantizzati del modello ONNX e i file del tokenizer, per un totale di circa 297 MB. L'esecuzione nel worker mantiene l'elaborazione fuori dal thread principale dell'interfaccia. Quando disponibile, viene usato WebGPU come opzione preferita; in caso contrario si passa al backend CPU WebAssembly, più lento. I browser di solito memorizzano nella cache questi file, ma modalità di navigazione privata, pulizia dello storage o spazio su disco insufficiente possono richiedere un nuovo download.

Il testo che inserisci resta nel browser e non viene caricato su server esterni. I file di runtime Transformers.js e del modello sono invece pubblici e vengono scaricati da host esterni solo per poter eseguire il calcolo in locale. Ricorda che vengono analizzati al massimo i primi 1.000 caratteri Unicode e che anche il tokenizer del modello tronca l'input alla propria finestra di contesto.

Domande frequenti

Il mio testo viene caricato su un server?

No. Il testo viene inviato solo a un worker all'interno del browser e il modello gira sul tuo dispositivo. Il worker scarica il runtime Transformers.js e i file pubblici del modello da host esterni, ma tali richieste non contengono il testo incollato. CanDoYa non riceve né memorizza il campione.

Questo strumento di analisi del sentiment è gratuito?

Sì. Non servono account, pagamenti, chiavi API o quote di utilizzo. È il tuo dispositivo a eseguire il lavoro. I costi pratici sono il primo download del modello, lo spazio di archiviazione locale, la memoria e il tempo di elaborazione. Il tuo operatore di rete può comunque addebitare il traffico dati usato per scaricare il modello.

Quanto testo posso analizzare?

Puoi incollare un normale passaggio di testo, ma lo strumento analizza al massimo i primi 1.000 caratteri Unicode per mantenere l'inferenza nel browser prevedibile. Anche il tokenizer del modello tronca l'input alla propria finestra. Per documenti lunghi, analizza sezioni coerenti separatamente invece di considerare un'unica etichetta come riassunto dell'intero testo.

Quali lingue supporta il modello di sentiment?

L'ottimizzazione per il sentiment ha coperto arabo, inglese, francese, tedesco, hindi, italiano, portoghese e spagnolo. Il modello di base multilingue può restituire etichette anche per altre lingue, ma per queste non esiste la stessa evidenza di addestramento specifico sul compito. Per questo motivo altre lingue nei prodotti CanDoYa vengono indicate come stime approssimative.

Cosa significano negativo, neutro e positivo?

Negativo indica che il modello ha rilevato un tono complessivamente sfavorevole. Neutro indica che non ha trovato una chiara inclinazione positiva o negativa. Positivo indica un tono complessivamente favorevole. Queste etichette descrivono l'intero campione inviato; non sono categorie emotive e non dimostrano cosa la persona pensi o intenda davvero.

Cosa significano i punteggi del modello?

I tre punteggi mettono in classifica negativo, neutro e positivo per questo input e in genere sommano a circa il 100 percento. Sono utili per confrontare le etichette del modello fra loro, ma non sono probabilità garantite di correttezza né valori calibrati. Un punteggio alto può comunque essere sbagliato, soprattutto quando il testo è lontano dai dati usati per l'addestramento.

Perché il primo download è di circa 297 MB?

Lo strumento usa pesi XLM-R quantizzati in formato ONNX da circa 279 MB più circa 17 MB di dati del tokenizer. È molto più grande di un elenco di parole chiave, ma permette di cogliere schemi linguistici contestuali invece di contare semplicemente parole positive e negative. Il browser di solito memorizza questi file dopo il primo utilizzo, anche se la cache non è garantita in ogni condizione.

L'analizzatore funziona senza WebGPU?

Sì. Il worker prova prima a usare WebGPU quando il browser e la scheda grafica lo supportano. Se questo percorso non è disponibile o non parte, lo strumento riprova con il backend CPU WebAssembly. L'analisi su CPU usa lo stesso modello e mantiene il testo in locale, ma caricamento e inferenza possono richiedere più tempo.