CanDoYa全程在瀏覽器裡執行，免上傳、免註冊。
你的文字只在瀏覽器工作執行緒中處理，不會上傳。首次執行時會下載公開的 AI 模型檔。
負向代表偏向不利語氣，中立代表沒有明顯正負傾向，正向代表偏向肯定或有利語氣。
情感微調涵蓋阿拉伯文、英文、法文、德文、印地文、義大利文、葡萄牙文與西班牙文。
模型來自社群貼文資料。諷刺、混合感受、專業術語，以及超出訓練語言的文字都可能被誤標。
情感分析工具會把一段文字的大致整體態度分成負向、中立或正向三種標籤。本頁使用多國語 XLM-T 模型，在你的瀏覽器內直接推論，並顯示每個標籤的分數。文字只在你的裝置與瀏覽器工作執行緒中處理；首次分析時會下載公開的模型權重與 tokenizer 資料。
這個情感分析工具採用 Cardiff NLP 的 XLM-T 模型，也就是一個基於 XLM-R 的系統，曾在約 1.98 億筆多語言推文上預訓練，並僅針對阿拉伯文、英文、法文、德文、印地文、義大利文、葡萄牙文與西班牙文做情感標訓微調。輸出標籤分別代表整體偏向負面語氣、沒有明顯偏向的中性語氣，以及整體偏向正面語氣。這些標籤不會辨識具體情緒類別、真實與否、緊急程度，也無法推斷作者的真正意圖。
由於繁體中文不在上述八種微調語言中，本頁面語言的結果只能視為近似估計；多語言基底模型雖然仍會輸出標籤，但沒有經過專門的繁體中文情感訓練，請務必搭配人工判讀。這個工具在瀏覽器中以 Transformers.js 搭配量化的 ONNX 權重做實際模型推論，而不是依照關鍵字正負面清單打分。首次分析時會下載模型權重與 tokenizer 檔案，總量約 297 MB，由瀏覽器工作執行緒在背景載入以避免阻塞畫面。環境會優先使用 WebGPU 加速；如果不支援或啟動失敗，則改用較慢的 WebAssembly CPU 後備路徑。多數瀏覽器會快取這些檔案，但在無痕模式、清除儲存空間或磁碟空間不足時，可能需要重新下載。
不會。你的文字只會送進瀏覽器裡的工作執行緒，在本機裝置上執行模型推論。工作執行緒會從外部主機下載公開的 Transformers.js 執行環境與模型檔案，但這些請求不包含你貼上的文字。CanDoYa 不會接收或儲存你的樣本文字。
不用。使用時不需要帳號、不需付款、也不必申請 API 金鑰，也沒有分析次數配額限制。所有計算都在你的裝置上進行；實際成本主要是首次約 297 MB 的模型下載、本機瀏覽器儲存空間、記憶體以及處理時間。你的網路服務提供者仍可能對下載模型所用的流量收費。
你可以貼上一般長度的一段文字，不過工具至多只會分析前 {count} 個 Unicode 字元，以維持瀏覽器推論的穩定性。模型本身的 tokenizer 也會把輸入截斷到可接受的長度。對於很長的文件，建議改以數段有明確主題的文字分段分析，而不要把單一整體標籤當成整份文件的摘要。
情感標訓微調只涵蓋阿拉伯文、英文、法文、德文、印地文、義大利文、葡萄牙文與西班牙文。多語言基底模型對其他語言仍會給出標籤，但缺乏對這個任務與語言的專門訓練證據。因此，在本頁這類非微調語言的 CanDoYa 語系中，結果一律標示為近似估計，請避免當成經過驗證的情感分數。
負向代表模型判斷整體語氣偏向不利、不滿或負面；中立代表沒有明顯偏向正面或負面的傾向；正向代表整體語氣較為肯定、有利或正面。這三個標籤描述的是整段輸入文字的整體傾向，不是細分的情緒種類，也無法證明作者真正的信念或目的。
三個分數是針對同一段文字，分別比較負向、中立與正向標籤的相對偏好，通常三者加總約為 100%。它們適合用來比較模型對各標籤的傾向強弱，但並不是保證正確與否的機率，也沒有經過嚴格校準。即使分數很高，也可能判錯，特別是在超出訓練領域的內容或使用未微調語言時。
工具使用的是量化後的 XLM-R ONNX 權重，約 279 MB，再加上約 17 MB 的 tokenizer 資料。這個體積遠大於單純的關鍵字清單，但能捕捉語境與詞序等語言模式，而不是只計算正面或負面字詞的出現次數。瀏覽器通常會在第一次執行後快取這些檔案，但在清除快取或某些私密瀏覽情境下，可能需要重新下載。
可以。工作執行緒會先嘗試使用 WebGPU，只要瀏覽器與顯示卡支援並能正常啟動；如果這條路徑不可用或啟動失敗，工具會改以 WebAssembly 的 CPU 後備模式重新嘗試。CPU 路徑使用的是同一個模型，同樣只在本機處理文字，但載入與推論時間通常會較久。