环球音乐与英伟达合作，利用AI模型Music Flamingo深度分析其曲库。该模型具备类人音乐理解力，可识别旋律、结构、和弦、情感及文化共鸣，推动音乐产业智能化升级。
硅谷宠物智能公司Traini完成超5000万元融资，资金将用于宠物情感模型研发、产品迭代及海外扩张。投资方包括多家机构及科技界人士。公司专注于利用多模态AI技术分析宠物行为。
阿里千问发布2025年十大AI提示词榜单，通过用户高频交互场景，揭示当代社会心态。其中“股票”位居榜首，显示AI已成为股民分析市场与心理建设的重要工具；“八字”与“情感咨询”紧随其后，反映出从赛博算命到深夜谈心，AI正深度介入人们的精神生活。
百度AI助手推出"视频通话"新功能，用户可通过百度APP实现与AI的实时视频交流。该功能覆盖生活探索、穿衣搭配、宠物行为分析和情感陪伴四大场景：可识别物品昆虫、提供造型建议、分析宠物异常行为、进行情感倾诉。支持方言识别，老年人也能轻松使用。这一升级使AI助手从工具转变为生活智能伙伴，全面提升用户体验。
监控Reddit、谷歌新闻等，提供AI摘要、情感分析和行动建议。
一个数字伴侣，旨在通过情感理解与用户建立联系。
AI搜索优化工具，帮助品牌在AI推荐中脱颖而出。
AI驱动的反馈处理解决方案，提高效率3200%，包括客户数据整合、文本和情感分析、工作流自动化等功能。
Openai
$7.7
Input tokens/M
$30.8
Output tokens/M
200
Context Length
Anthropic
$105
$525
$21
Google
$0.7
$2.8
1k
Alibaba
$4
$16
$6
$24
256
$2
-
$3.9
$15.2
64
$15.8
$12.7
Moonshot
Baidu
32
Bytedance
$0.8
$8
$54
$163
$1.6
128
$15
Tencent
24
Deepseek
ahs95
基于Transformer架构的孟加拉语情感分析模型，在SentiGOLD数据集上微调，支持5分类情感分析，能有效处理正式与非正式文本，适用于社交媒体、评论等场景。
AnasAlokla
这是一个强大的多语言、多标签情感分类模型，能够分析文本并识别27种不同的情感以及中性类别，支持同时检测多种情感，有效理解来自不同语言来源的细微文本表达。
ShahzaibAli-1
基于FLAN-T5架构微调的情感分析模型，专门用于医疗相关评论和通用文本的情感分类任务，可将文本分为积极、中性和消极三类情感。
mradermacher
基于BERT的情感分析模型的静态量化版本，支持英文文本的情感分类
这是一个强大的多语言、多标签情感分类模型，支持6种主要语言，能够同时检测文本中的27种不同情感和中性类别，适用于全球范围内的情感分析应用。
louaysboui
基于 DistilBERT 的多语言情感分析模型，适用于多种语言的文本情感分类任务。
ez3nx
针对俄语金融评论进行三类情感分析的模型，数据来自Tinkoff Pulse平台
j-hartmann
该模型是基于RoBERTa架构的英文情感分析模型，可将文本分类为积极、中性和消极三类。
WhitePeak
这是一个基于BERT的多语言模型微调的韩文情感分析模型，专门用于分析韩文客户评论的情感倾向。
wsqstar
基于bert-base-chinese在微博100k情感分析数据集上微调的中文文本分类模型
edumunozsala
专为西班牙语情感分析优化的微调模型，基于BETO（西班牙语预训练BERT模型）训练，适用于影评等文本情感分类任务。
ayjays132
情感宇宙-2是一个基于BERT的多任务学习模型，专注于情感分析和情绪识别，融合心理学理论和深度学习技术。
The-Thesis-Gods
基于XLM-RoBERTa的多语言推特情感分析模型，支持自动训练（AutoTrain）进行文本分类任务。
tsak6666
这是一个基于SST-2数据集微调的预训练DistilBERT模型，用于情感分析。它可以预测给定文本表达的是积极还是消极情感。
umeshkaushik610
基于distilbert-base-uncased微调的情感分析模型，用于文本情感分类任务
sherif-911
这是一个基于distilbert-base-uncased微调的情感分析模型，在评估集上取得了93.2%的准确率。
sandiumenge
基于BERTweet-base微调的情绪分类模型，用于分析Twitter上与比特币相关的情感倾向
mayank15122000
基于distilbert-base-uncased微调的情感分析模型，在评估集上准确率达87.67%
jhan21
基于DistilBERT微调的文本分类模型，用于分析亚马逊美妆产品评论的情感倾向
基于BERT的多语言情感分类模型，支持6种语言的文本情感分析
MCP-Twikit是一个用于与Twitter交互的模型上下文协议(MCP)服务器
MCP Goodnews是一个通过NewsAPI获取新闻并使用Cohere LLM进行情感分析排名，返回积极正面新闻的MCP应用。
基于Model Context Protocol的企业级AI助手系统，具备智能服务器选择、文本分析、代码审查、情感分析和知识管理功能，提供美观的Web界面。
一个支持情感分析和自动保存的交互式日志记录MCP服务器
Instagram Engagement MCP是一个提供Instagram互动分析工具的服务，包括评论情感分析、账号对比、用户画像提取、潜在客户识别和生成互动报告等功能。
一个基于MCP协议的新闻标题情感分析服务器，支持自然语言日期查询和标准日期格式，分析美国主流媒体的新闻标题情感倾向。
MCP-Twikit是一个用于与Twitter交互的模型上下文协议(MCP)服务器，支持通过Smithery自动安装或手动配置，提供搜索推文、获取时间线等功能，并支持情感分析等高级应用。
一个基于Python的MCP服务器项目，用于基础情感分析，支持通过MCP Inspector进行调试和测试。
Oyemi MCP服务器是一个为AI代理提供语义词典服务的工具，支持词语到确定性语义编码的转换、情感效价分析、语义相似度计算及同义词反义词查找等功能，无需运行时依赖。
一个提供高级分析和自然语言处理功能的MCP服务器，支持数据集分析、决策分析、情感分析等多种工具。
该项目基于Model Context Protocol (MCP)实现情感分析功能，包含支持stdio/SSE/streamable-http三种传输协议的服务器和客户端，提供文本情感极性、主观性和评估结果。
基于Gradio的轻量级应用，使用Hugging Face Transformers进行情感分析和反讽检测，兼容MCP架构，可在CPU上运行。
一个基于Gradio的土耳其语情感分析项目
MCP说话人分离与识别系统是一个集成了GPU加速的说话人分离、语音识别、情感检测和Web界面的完整解决方案。它结合了pyannote.audio的说话人分离与faster-whisper转录技术，支持持久化说话人识别（一次注册，永久识别）、双检测器情感分析（结合通用AI与个性化声纹）、实时流处理、REST API和MCP服务器，专为AI智能体集成和爱好项目设计。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
