เครื่องมือนี้ใช้โมเดล Cardiff NLP XLM-T สำหรับวิเคราะห์ความรู้สึก ซึ่งเป็นระบบ XLM-R ที่ฝึกกับทวีตหลายภาษาประมาณ 198 ล้านรายการ และปรับจูนงานวิเคราะห์ความรู้สึกเฉพาะสำหรับภาษาอาหรับ อังกฤษ ฝรั่งเศส เยอรมัน ฮินดี อิตาลี โปรตุเกส และสเปน ภาษาไทยจึงไม่ได้อยู่ในชุดภาษาในการปรับจูน และผลลัพธ์ในภาษาไทยควรมองเป็นค่าประมาณเท่านั้น แม้โมเดลหลายภาษาจะยังสามารถคืนป้ายกำกับออกมาได้ ป้ายกำกับเอาต์พุตหมายถึงน้ำเสียงโดยรวมเชิงลบ ไม่มีแนวโน้มเชิงบวกหรือเชิงลบชัดเจน และเชิงบวกตามลำดับ ป้ายกำกับเหล่านี้ไม่ได้บอกอารมณ์เฉพาะ ระดับความจริง ความเร่งด่วน หรือเจตนาของผู้เขียน และคะแนนเป็นเพียงการเปรียบเทียบระหว่างทั้งสามป้ายกำกับ ไม่ใช่ความน่าจะเป็นที่ผ่านการปรับเทียบหรือการรับประกันความถูกต้องของผลลัพธ์ การคำนวณทั้งหมดเป็นการทำ inference ของโมเดลจริงผ่าน Transformers.js บนเบราว์เซอร์ ไม่ใช่เพียงการนับคีย์เวิร์ดเชิงบวกและเชิงลบแบบง่ายๆ
การวิเคราะห์ครั้งแรกจะดาวน์โหลดน้ำหนักโมเดลแบบ quantized ในรูปแบบ ONNX พร้อมไฟล์ tokenizer รวมประมาณ 297 MB worker ในเบราว์เซอร์จะรับหน้าที่รันโมเดลเพื่อไม่ให้บล็อกหน้าจอหลัก โดยจะพยายามใช้ WebGPU ก่อนเมื่อรองรับ หากใช้ไม่ได้หรือเริ่มทำงานไม่สำเร็จ ระบบจะย้อนกลับไปใช้ WebAssembly บน CPU ซึ่งช้ากว่า แต่ยังประมวลผลบนอุปกรณ์ของคุณเหมือนเดิม โดยทั่วไปเบราว์เซอร์จะพยายามแคชไฟล์เหล่านี้ไว้ แต่โหมดไม่ระบุตัวตน การล้างพื้นที่จัดเก็บ หรือพื้นที่ดิสก์ไม่พอ อาจทำให้ต้องดาวน์โหลดใหม่อีกครั้งได้