Analisar texto para identificar sinais de conteúdo gerado por máquinas usando cinco métodos heurísticos ponderados: explosividade do comprimento da frase riqueza vocabular densidade de frases de preenchimento densidade de voz passiva e consistência do comprimento do parágrafo retornar uma pontuação de probabilidade de 0 a 100 e um rótulo de classificação completamente autossuficiente sem necessidade de dependências de terceiros
{"success":true,"data":{"ai_probability":43,"label":"uncertain","word_count":22,"sentence_count":1,"plan":"free"}}
curl --location --request POST 'https://zylalabs.com/api/12675/sitetrace+content+detector+api/24553/analyze+text+for+machine+content?text=Furthermore, in order to delve into the comprehensive framework of this topic, it is important to leverage synergies across all relevant touchpoints.' --header 'Authorization: Bearer YOUR_API_KEY'
| 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.
O endpoint retorna um objeto JSON contendo um status de sucesso uma pontuação de probabilidade (0-100) indicando a probabilidade de conteúdo gerado por máquina um rótulo de classificação e uma divisão de sinais de texto como contagens de palavras e sentenças
Os campos principais na resposta incluem `ai_probability` (a pontuação de probabilidade), `label` (classificação do texto), `word_count` (total de palavras), `sentence_count` (total de frases) e `success` (indica se o pedido foi processado com sucesso)
Os dados da resposta estão estruturados como um objeto JSON Ele contém um campo booleano `success` e um objeto `data` que contém os resultados da análise detalhada incluindo a pontuação de probabilidade e o rótulo de classificação
Casos de uso típicos incluem verificações de integridade acadêmica moderação de conteúdo e análise automatizada de conteúdo para identificar texto potencialmente gerado por máquinas em artigos ensaios ou postagens online
Os usuários podem personalizar suas solicitações submetendo diferentes entradas de texto para o endpoint Analisar Texto. A API analisa o texto fornecido com base em suas heurísticas sem exigir parâmetros adicionais
A precisão dos dados é mantida por meio da utilização de cinco heurísticas ponderadas que analisam várias características do texto Essa abordagem estatística ajuda a garantir a detecção confiável de conteúdo gerado por máquina
Padrões de dados padrão incluem uma faixa de pontuações de `ai_probability` de 0 a 100, com rótulos correspondentes como "certo," "provável," "incerto," ou "improvável," indicando o nível de confiança da análise
Na resposta, `ai_probability` indica a probabilidade de geração por máquina, `label` categoriza a classificação do texto, `word_count` mostra o número total de palavras analisadas e `sentence_count` reflete o número de frases no texto de entrada
O endpoint pode analisar qualquer texto escrito incluindo artigos ensaios postagens em blogs e comentários Ele é projetado para detectar sinais de conteúdo gerado por máquina independentemente do tema ou estilo do texto
A pontuação de `ai_probability` varia de 0 a 100 onde valores próximos a 100 indicam alta probabilidade de conteúdo gerado por máquina enquanto valores próximos a 0 sugerem conteúdo humano A interpretação deve considerar o rótulo associado para contexto adicional
O rótulo de classificação fornece uma avaliação qualitativa do texto analisado categorizando-o como "certo" "provável" "incerto" ou "improvável" em relação à geração por máquina Isso ajuda os usuários a entenderem a confiança da análise
A API pode retornar uma pontuação de probabilidade mesmo para textos curtos mas a precisão pode ser reduzida Para textos vazios a API pode retornar um erro ou uma pontuação padrão indicando que não há dados suficientes para análise
A API utiliza cinco heurísticas ponderadas explosão do comprimento das frases riqueza do vocabulário densidade de frases de enchimento densidade de voz passiva e uniformidade do comprimento dos parágrafos Essas heurísticas ajudam a identificar padrões de texto gerado por máquina
Os usuários podem usar a pontuação de `ai_probability` e o rótulo de classificação para filtrar ou priorizar textos para revisão Além disso as contagens de palavras e frases podem ser úteis para análises estatísticas ou relatórios
O endpoint aceita texto em formato simples sem restrições específicas sobre formatação Os usuários devem garantir que o texto esteja em um formato legível como texto plano para que a análise seja eficaz
A qualidade dos resultados é garantida por meio da aplicação rigorosa das cinco heurísticas que foram desenvolvidas com base em análises estatísticas Isso permite uma detecção confiável de conteúdo gerado por máquina minimizando falsos positivos
Nível de serviço:
100%
Tempo de resposta:
1.351ms
Nível de serviço:
100%
Tempo de resposta:
1.403ms
Nível de serviço:
100%
Tempo de resposta:
303ms
Nível de serviço:
100%
Tempo de resposta:
73ms
Nível de serviço:
100%
Tempo de resposta:
3.864ms
Nível de serviço:
100%
Tempo de resposta:
1.810ms
Nível de serviço:
100%
Tempo de resposta:
386ms
Nível de serviço:
100%
Tempo de resposta:
1.765ms
Nível de serviço:
100%
Tempo de resposta:
884ms