Análise de sentimentos online gratuita

Funciona inteiramente no seu navegador - sem upload, sem cadastro.

Texto para analisar

Seu texto é processado em um worker do navegador e nunca é enviado para um servidor. Na primeira execução são baixados os arquivos públicos de IA do modelo.

Três rótulos gerais de sentimento

Negativo significa tom desfavorável, neutro significa sem inclinação positiva ou negativa clara e positivo significa tom favorável.

Ajustado para árabe, inglês, francês, alemão, hindi, italiano, português e espanhol.

Treinado a partir de postagens em redes sociais. Sarcasmo, sentimentos mistos, linguagem técnica e textos fora dos idiomas treinados podem ser rotulados de forma incorreta.

Compartilhe esta ferramenta

Análise de sentimentos: o que é?

Análise de sentimentos classifica a atitude geral em um texto como negativa, neutra ou positiva. Esta ferramenta executa um modelo multilíngue XLM-T dentro do seu navegador e mostra a pontuação para cada rótulo. O seu texto permanece no dispositivo, embora o modelo público seja baixado quando você roda a análise pela primeira vez.

Como usar

1Cole uma amostra útil. Insira uma avaliação, comentário, mensagem ou postagem de rede social. Uma frase completa dá mais contexto ao modelo do que uma única palavra.
2Rode o modelo local. Clique em Analisar sentimentos. Aguarde o fim do primeiro download do modelo; nas visitas seguintes ele pode ser reutilizado enquanto o cache do navegador estiver disponível.
3Leia as três pontuações. Use o rótulo com maior pontuação como sinal amplo e compare o valor com as alternativas. Pontuações muito próximas pedem revisão humana, não uma conclusão definitiva.

Para quem é

Equipes de suporte que precisam de uma leitura rápida do tom de um feedback de cliente antes de alguém ler a mensagem completa.
Pesquisadores de produto comparando o sentimento geral de respostas de pesquisa, avaliações de apps ou anotações de entrevistas, sem precisar enviar texto inédito para um servidor.
Gestores de redes sociais e comunidades conferindo posts ou comentários nos oito idiomas usados no ajuste de sentimento do modelo.
Redatores e editores testando se um trecho curto soa mais favorável, neutro ou negativo do que o planejado.

Este analisador de sentimentos usa o modelo XLM-T da Cardiff NLP, um sistema XLM-R treinado em cerca de 198 milhões de tuítes multilíngues e ajustado para sentimento em árabe, inglês, francês, alemão, hindi, italiano, português e espanhol. Ele roda com Transformers.js em um worker do navegador, fazendo inferência real em um modelo de Transformers, não uma simples contagem de palavras-chave. Os rótulos de saída significam tom geral desfavorável, sem inclinação positiva ou negativa clara e tom geral favorável. Eles não identificam emoções específicas, veracidade, urgência nem a intenção da pessoa que escreveu. O ajuste de sentimento foi feito em português em geral, não especificamente em português brasileiro, então os resultados neste idioma devem ser lidos como aproximações, mesmo quando o modelo retorna um rótulo.

Na primeira análise, o navegador baixa pesos quantizados do modelo ONNX e os arquivos de tokenização, em torno de 297 MB no total. Um worker do navegador mantém a inferência fora da thread principal de interface. WebGPU é preferido quando disponível; o backend de CPU em WebAssembly é o retorno mais lento. Navegadores normalmente colocam esses arquivos em cache, mas navegação anônima, limpeza de armazenamento ou pouco espaço em disco podem forçar um novo download, e o cache não é garantido.

Perguntas frequentes

Meu texto é enviado para algum servidor?

Não. O texto é enviado para um worker dentro do seu navegador e o modelo roda no próprio dispositivo. O worker baixa o runtime Transformers.js e os arquivos públicos de modelo e tokenizador de hosts externos, mas essas requisições não contêm o texto que você colou. A CanDoYa não recebe nem armazena a amostra.

Esta ferramenta de análise de sentimentos é gratuita?

Sim. Não há conta, pagamento, chave de API nem cota de análises. O processamento é feito pelo seu dispositivo. Os custos práticos são o primeiro download do modelo, o armazenamento local no navegador, memória e tempo de processamento. Seu provedor de internet ainda pode cobrar pelo tráfego de dados usado para baixar o modelo.

Quanto texto posso analisar?

Você pode colar um trecho comum de texto, mas a ferramenta analisa no máximo os primeiros 1.000 caracteres Unicode para manter a inferência no navegador previsível. O tokenizador do modelo também trunca o texto até a janela de entrada suportada. Para documentos longos, analise seções coerentes separadamente em vez de tratar um único rótulo geral como resumo do documento.

Quais idiomas o modelo de sentimentos suporta?

O ajuste fino de sentimento cobriu árabe, inglês, francês, alemão, hindi, italiano, português e espanhol. O modelo base multilíngue pode retornar rótulos para outros idiomas, mas esses resultados não contam com a mesma evidência de treinamento específica para a tarefa, e por isso outras localidades da CanDoYa são marcadas como aproximadas. Mesmo para português brasileiro, considere o rótulo apenas como uma aproximação, porque o ajuste foi feito para português em geral e não foi validado especificamente para esta variante.

O que significam negativo, neutro e positivo?

Negativo significa que o modelo encontrou um tom geral desfavorável. Neutro significa que ele não encontrou uma inclinação positiva ou negativa clara. Positivo significa que ele encontrou um tom geral favorável. Esses rótulos descrevem o conjunto do trecho enviado; não são categorias de emoção e não provam o que a pessoa realmente acredita ou pretende.

O que significam as pontuações do modelo?

As três pontuações ordenam negativo, neutro e positivo para esta entrada e normalmente somam cerca de 100 por cento. Elas são úteis para comparar os rótulos entre si, mas não são probabilidades garantidas ou calibradas de acerto. Uma pontuação alta ainda pode estar errada, especialmente quando o texto foge do domínio de treinamento do modelo.

Por que o primeiro download tem cerca de 297 MB?

A ferramenta usa pesos XLM-R quantizados em ONNX, com cerca de 279 MB, mais dados de tokenizador de aproximadamente 17 MB. Isso é muito maior do que uma lista de palavras, mas captura padrões de linguagem em contexto em vez de apenas contar termos positivos e negativos. O navegador normalmente coloca esses arquivos em cache depois da primeira execução, embora isso não seja garantido.

O analisador funciona sem WebGPU?

Sim. O worker tenta usar WebGPU primeiro, quando o navegador e o adaptador gráfico suportam. Se esse caminho não estiver disponível ou falhar ao iniciar, a ferramenta tenta novamente usando o backend de CPU em WebAssembly. A análise em CPU usa o mesmo modelo e mantém o texto local, mas o carregamento e a inferência podem demorar mais.