获取基于文本的情感检测见解

2025-06-09

情感检测在视频的脚本行中查找情感。如果找不到其他情绪，则每句话都被视为愤怒、恐惧、快乐、悲伤或无一句。

重要

该模型仅适用于文本（在视频脚本中标记情感）。这个模型不推断人的情感状态。因此，它可能不会执行输入不明确或不清楚的地方，如讽刺言论。 因此，模型不应用于评估员工绩效或人的情绪状态等内容。

基于文本的情感检测用例

内容创建者和视频编辑器 - 内容 创建者和视频编辑器可以使用系统来分析视频文本脚本中表达的情绪。分析帮助他们深入了解其内容的情感基调，使他们能够微调叙述，调整节奏，或确保对观众的预期情感影响。
媒体分析师和研究人员 - 媒体分析师 和研究人员可以使用该系统快速分析大量视频脚本的情感内容。他们可以使用系统生成的情感时间线来识别特定主题或感兴趣的领域的趋势、模式或情感反应。
营销和广告专业人员 - 营销和广告专业人员可以利用该系统来评估其市场活动或视频广告的情感反馈。 了解内容引发的情感有助于他们更有效地定制信息，并衡量其活动的成功。
视频使用者和观看者 - 最终用户（如视频内容的观看者或消费者）可以通过了解视频的情感环境，而无需完全观看视频，从而从系统中受益。这对于想要决定视频是否值得观看或时间有限的人而言非常有用。
娱乐业专业人士 - 娱乐业的专业人士 ，如电影制作人或导演，可以利用该系统来衡量其电影剧本或故事情节的情感效果，帮助剧本优化和观众参与。

注意

基于文本的情感检测独立于语言。但是，如果脚本不是英语，它会首先被翻译成英语。那时才会应用模型。它可能会导致非英语的情感检测的准确性降低。

使用 Web 门户查看见解 JSON

上传视频并编制索引后，请从 Web 门户下载 JSON 格式的见解。

选择“ 库 ”选项卡。
选择所需的媒体。
选择“下载”，然后选择“见解”（JSON）。 JSON 文件将在新的浏览器选项卡中打开。
查找示例响应中所述的密钥对。

使用应用程序编程接口 (API)

使用 “获取视频索引” 请求。通过 &includeSummarizedInsights=false。
查找示例响应中所述的密钥对。

示例响应

"emotions": [
  {
    "id": 1,
    "type": "Sad",
    "instances": [
      {
        "confidence": 0.5518,
        "adjustedStart": "0:00:00",
        "adjustedEnd": "0:00:05.75",
        "start": "0:00:00",
        "end": "0:00:05.75"
      }

重要

阅读所有 VI 功能的透明度说明概述。每个见解也有其自己的透明度说明。

基于文本的情感检测说明

此模型旨在帮助检测视频脚本中的情绪。然而，它不适合对个人情绪状态、能力或整体表现进行评估。
此情感检测模型旨在帮助确定视频脚本中句子背后的情绪。但是，它仅适用于文本本身，对于讽刺输入或输入可能不明确或不清楚的情况，它可能无法很好地执行。
为了提高此模型的准确性，建议输入数据采用清晰明确的格式。用户还应注意，此模型没有有关输入数据的上下文，这可能会影响其准确性。
此模型可能会生成误报和漏报。为了降低任一情况的可能性，建议用户遵循输入数据和预处理的最佳做法，并在其他相关信息的上下文中解释输出。请务必注意，系统没有任何输入数据的上下文。
不应使用此模型的输出来评估个人的情感状态或其他人类特征。此模型在英语中受支持，可能无法正常使用非英语输入。非英语输入在进入模型之前被翻译成英语，因此可能会导致结果不太准确。
模型不应用于评估员工绩效或监视个人。
模型不应该用于对某人、情绪状态或能力进行评估。
模型的结果可能不准确，应谨慎处理。
还必须考虑到模型对其预测的置信度。
非英语视频产生不太准确的结果。

基于文本的情感检测组件

在情绪检测过程中，会按如下方式处理视频脚本：

组件	定义
源语言	用户上传源文件进行索引。
听录 API	音频文件将发送到 Azure AI 服务，并返回翻译后的转录输出。如果指定了语言，则会处理该语言。
情绪检测	每个句子都发送到情感检测模型。模型生成每个情感的置信度。如果置信度超过特定阈值，并且正面和消极情绪之间没有歧义，则会检测到情感。在任何其他情况下，句子都标记为中性。
可信度	检测到的情感的估计置信度计算为 0 到 1 的范围。置信度分数表示结果准确性的确定性。例如，82% 的确定性表示为 0.82 分数。

代码示例

查看所有 VI 示例

Azure AI 视频索引器文档