{
"text": "This product is absolutely amazing! Best purchase I've made all year.",
"label": "positive",
"score": 0.9999
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27577/classify+text+as+positive+or+negative+with+a+confidence+score' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "This product is absolutely amazing! Best purchase I've made all year."
}'
{
"results": [
{
"label": "positive",
"score": 0.9999
},
{
"label": "negative",
"score": 0.9903
},
{
"label": "negative",
"score": 0.9821
}
]
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27578/classify+multiple+texts+in+a+single+request' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"texts": [
"Great product, love it!",
"Terrible experience, never again.",
"It was okay, nothing special."
]
}'
{
"text": "I love spending time with my family and friends.",
"toxic": true,
"label": "toxic",
"score": 0.0009
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27579/detect+whether+text+is+toxic+or+harmful' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "I love spending time with my family and friends."
}'
{
"detected": "fr",
"probabilities": [
{
"lang": "fr",
"prob": 1
}
]
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27580/detect+the+language+of+a+text+with+per-language+probability+breakdown' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Bonjour, comment allez-vous aujourd'hui?"
}'
{
"text1": "The cat sat on the mat.",
"text2": "A feline rested on a rug.",
"similarity": 0.553
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27582/compute+cosine+similarity+score+between+two+texts+using+sentence+embeddings' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text1": "The cat sat on the mat.",
"text2": "A feline rested on a rug."
}'
{
"original": "Ths sentance has som speling mistaeks.",
"corrected": "Ths sentence has som spelling mistakes",
"misspelled": {
"speling": "spelling",
"mistaeks.": "mistakes",
"ths": "the",
"sentance": "sentence"
}
}
curl --location --request POST 'https://zylalabs.com/api/13314/text+intelligence+api/27584/detect+misspelled+words+and+return+a+corrected+version+of+the+text' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "Ths sentance has som speling mistaeks."
}'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Inteligência de Texto API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
(Economize 2 meses com cobrança anual 🎉)
Empresas líderes confiam em nós
Agregado de PLN baseado em CPU — sentimento, toxicidade, detecção de linguagem, NER, similaridade semântica e verificador ortográfico
Cada ponto final retorna dados JSON estruturados Por exemplo o ponto final de sentimento retorna um rótulo (positivo/negativo) e uma pontuação de confiança enquanto o ponto final de toxicidade indica se o texto é tóxico e fornece uma pontuação
Os campos principais incluem "rótulo" e "pontuação" para sentimento "tóxico" e "rótulo" para toxicidade "detectado" e "probabilidades" para detecção de idioma e "similaridade" para pontuações de similaridade Cada endpoint tem campos específicos relevantes para sua função
Os parâmetros variam conforme o endpoint Por exemplo o endpoint de sentimento aceita uma única entrada de texto enquanto o endpoint de sentimento em lote aceita um array de textos Os endpoints de similaridade requerem dois textos ou uma lista de candidatos e uma consulta
Os dados de resposta estão organizados em um formato JSON com pares de chave-valor claros Por exemplo o endpoint de verificação ortográfica retorna o texto original o texto corrigido e um dicionário de palavras com erro com suas correções
A API utiliza modelos de código aberto treinados em vários conjuntos de dados Por exemplo o modelo de toxicidade é treinado com dados do Jigsaw garantindo uma compreensão diversificada e abrangente das nuances da linguagem
Casos de uso típicos incluem análise de sentimento para feedback de clientes detecção de toxicidade em conteúdo gerado por usuários detecção de linguagem para aplicações multilíngues e verificação ortográfica em ferramentas de processamento de texto
Os usuários podem personalizar solicitações selecionando endpoints específicos e fornecendo entradas de texto relevantes Para processamento em lote os usuários podem enviar vários textos em uma única solicitação para otimizar o desempenho
Se um endpoint retornar resultados parciais ou vazios os usuários devem verificar os dados de entrada em busca de erros ou garantir que o texto não seja muito curto Implementar tratamento de erros na aplicação pode ajudar a gerenciar tais cenários de forma eficaz