CanDoYa
KO

감성 분석 도구 - 무료 웹 앱

지원 언어 제한

브라우저에서 바로 실행됩니다. 업로드도, 회원가입도 없습니다.

톤을 살펴보고 싶은 피드백, 리뷰 또는 소셜 글을 붙여 넣으세요.

텍스트는 브라우저 워커에서만 처리되며 업로드되지 않습니다. 첫 실행 시 공개 AI 모델 파일만 내려받습니다.

세 가지 전체 감성 레이블

부정은 불리한 톤, 중립은 뚜렷한 긍·부정 기울기 없음, 긍정은 우호적인 톤을 의미합니다.

아랍어, 영어, 프랑스어, 독일어, 힌디어, 이탈리아어, 포르투갈어, 스페인어에 대해 감성 파인튜닝이 되어 있습니다.

소셜 미디어 게시글로 학습된 모델입니다. 풍자, 복합 감정, 전문 용어, 훈련 언어 밖의 텍스트는 잘못 분류될 수 있습니다.

이 도구 공유하기

감성 분석 도구는 무엇인가요?

감성 분석 도구는 텍스트 전체의 태도를 부정, 중립, 긍정 가운데 하나로 분류하는 기술입니다. 이 페이지에서는 다국어 XLM-T 모델을 Transformers.js로 브라우저 안에서 바로 실행하고, 세 가지 레이블 각각에 대한 점수를 보여 줍니다. 입력한 텍스트는 기기 밖으로 전송되지 않지만, 첫 실행 시 공개 ONNX 가중치와 토크나이저 데이터를 내려받습니다. 한국어는 감성 파인튜닝 언어에 포함되지 않아, 한국어 결과는 대략적인 참고용에 가깝습니다.

사용 방법

  1. 1유용한 샘플 붙여 넣기. 리뷰, 댓글, 메시지, 소셜 미디어 글 등 분석하고 싶은 내용을 입력하세요. 한 단어보다는 완결된 문장이 있을 때 모델이 더 잘 판단합니다.
  2. 2로컬 모델 실행. 감성 분석 버튼을 눌러 주세요. 첫 실행 시 모델 다운로드가 끝날 때까지 기다리면, 브라우저 캐시가 유지되는 동안 이후 방문에서는 같은 파일을 재사용할 수 있습니다.
  3. 3세 가지 점수 함께 보기. 가장 높은 레이블을 대략적인 신호로 보되, 나머지 점수와의 차이도 함께 비교하세요. 점수 차이가 작다면 사람에 의한 재검토가 필요하며, 기계만으로 단정해서는 안 됩니다.

이런 분께 추천

이 감성 분석기는 Cardiff NLP의 XLM-T 모델을 사용합니다. XLM-T는 약 1억 9천8백만 개의 다국어 트윗으로 사전 학습된 XLM-R 계열 모델이며, 감성 분석용 파인튜닝은 아랍어, 영어, 프랑스어, 독일어, 힌디어, 이탈리아어, 포르투갈어, 스페인어에만 적용되었습니다. 출력 레이블인 부정, 중립, 긍정은 각각 전반적으로 불리한 톤, 뚜렷한 긍·부정 기울기가 없는 상태, 전반적으로 우호적인 톤을 의미합니다. 특정한 감정 종류나 사실 여부, 긴급성, 글쓴이의 진짜 의도는 판별하지 못합니다. 한국어는 파인튜닝에 포함되지 않았기 때문에, 한국어 텍스트에 대한 레이블은 다국어 기반 모델이 추정한 값일 뿐 검증된 정확도로 보장되지 않습니다.

첫 분석 시 약 297 MB 분량의 양자화된 XLM-R ONNX 가중치와 토크나이저 파일을 내려받습니다. 브라우저 워커에서 추론을 실행해 메인 UI 스레드와 분리하며, 가능한 경우 WebGPU를 우선 사용합니다. WebGPU를 쓸 수 없거나 초기화에 실패하면 더 느린 WebAssembly CPU 백엔드로 자동 전환됩니다. 일반적으로 브라우저가 이 파일들을 캐시하지만, 시크릿 모드 사용, 저장소 정리, 디스크 부족 등으로 인해 다시 내려받게 될 수도 있습니다.

자주 묻는 질문

내 텍스트가 서버로 업로드되나요?

아니요. 텍스트는 브라우저 내부의 워커로만 전달되고, 모델은 사용 중인 기기 안에서 실행됩니다. 워커는 외부 호스트에서 Transformers.js 런타임과 공개 모델 파일을 내려받지만, 이 네트워크 요청에는 사용자가 붙여 넣은 텍스트가 포함되지 않습니다. CanDoYa는 입력 샘플을 수신하거나 저장하지 않습니다.

이 감성 분석 도구는 무료인가요?

네. 계정, 결제, API 키, 분석 횟수 제한이 없습니다. 연산은 모두 사용자의 기기에서 수행됩니다. 실질적인 비용은 첫 모델 다운로드 트래픽, 브라우저의 로컬 저장 공간, 메모리 사용량, 처리 시간뿐입니다. 다만 모델을 내려받을 때 발생하는 데이터 사용량은 사용 중인 네트워크 제공사의 과금 정책이 적용될 수 있습니다.

얼마나 많은 텍스트를 분석할 수 있나요?

일반적인 문단 정도는 붙여 넣을 수 있지만, 도구는 브라우저 성능을 예측 가능하게 유지하기 위해 처음 1,000개의 유니코드 문자까지만 분석합니다. 모델 토크나이저도 자체 입력 길이 제한에 맞춰 텍스트를 추가로 잘라 냅니다. 긴 문서는 하나의 전체 레이블에만 의존하기보다, 의미가 통하는 단위로 나누어 따로따로 분석하는 것이 좋습니다.

어떤 언어의 감성을 지원하나요?

감성 파인튜닝은 아랍어, 영어, 프랑스어, 독일어, 힌디어, 이탈리아어, 포르투갈어, 스페인어에 대해서만 이루어졌습니다. 다국어 기반 모델 특성상 다른 언어에 대해서도 레이블을 반환할 수는 있지만, 이런 결과에는 해당 언어에 특화된 감성 학습 근거가 없습니다. 그래서 이 한국어 페이지처럼, CanDoYa의 다른 로케일은 감성 품질을 정확한 지원이 아닌 대략적인 추정값으로 표기합니다.

부정, 중립, 긍정은 각각 무엇을 의미하나요?

부정은 모델이 전반적으로 불리하거나 부정적인 톤을 감지했다는 뜻입니다. 중립은 뚜렷한 긍정이나 부정의 기울기가 없다고 판단했을 때입니다. 긍정은 전반적으로 우호적이거나 긍정적인 톤을 가리킵니다. 이 레이블은 제출한 전체 텍스트의 요약적인 분위기를 설명할 뿐이며, 세부 감정 종류를 나누거나 글쓴이의 믿음과 의도를 증명해 주지는 않습니다.

모델 점수는 무엇을 의미하나요?

세 개의 점수는 이 입력에 대해 부정, 중립, 긍정 레이블을 각각 얼마나 선호하는지 상대적으로 보여 주며, 보통 합이 100퍼센트에 가깝게 정규화됩니다. 서로 다른 레이블 간의 비교에는 유용하지만, 정답일 확률을 보장하거나 보정된 신뢰도로 간주해서는 안 됩니다. 특히 훈련 데이터와 다른 유형의 텍스트일 때는 점수가 높아도 오답일 수 있습니다.

첫 다운로드가 약 297 MB인 이유는 무엇인가요?

이 도구는 약 279 MB 크기의 양자화된 XLM-R ONNX 가중치와 약 17 MB의 토크나이저 데이터를 사용합니다. 단순 키워드 목록에 비해 훨씬 크지만, 단어를 긍·부정으로 세는 수준을 넘어 문맥 기반의 언어 패턴을 포착하기 위해서입니다. 일반적으로 브라우저는 첫 실행 후 이 파일들을 캐시에 저장하지만, 시크릿 모드나 저장소 정리 등 환경에 따라 다시 내려받아야 할 수도 있습니다.

WebGPU가 없어도 분석이 되나요?

네. 브라우저와 그래픽 어댑터가 지원하는 경우 워커는 먼저 WebGPU 가속을 사용합니다. 이 경로를 사용할 수 없거나 초기화에 실패하면 WebAssembly 기반 CPU 백엔드로 다시 시도합니다. CPU에서의 분석도 같은 모델을 사용하며 텍스트는 여전히 기기 밖으로 나가지 않지만, 모델 로딩과 추론에 더 오랜 시간이 걸릴 수 있습니다.