Ачкыч сөздү чыгаруучу
Коммерциялык колдонууга ылайыктуу
579 моделдери
Водный знак жок
Кирүү керек эмес
Модель:
+ GPT-5, Claude, Gemini
Кеңири параметрлер
Жыйынтык
Токендер азайып жатат.
Жаңы иконалар
❤️ Free.ai жактырган? Досторуңузга айтыңыз!
Рефералдык шилтемени алуу үчүн жана ар бир досуңузга 30 000 токен алуу үчүн ге катталыңыз.
Дагы каалайсызбы?
Акысыз каттоо: 30 000 токен/күн
Акысыз катталуу
Сиздин сурооңуз иштелип жатат...
Тексттен ачкыч сөздөрдү чыгаруу. SEO жана мазмунду анализдөө оңой.
Колдонуу Ачкыч сөздү чыгаруучу
1
Ката жазылган
Текст киргизиңиз, файлды жүктөңүз же каалаган нерсеңизди баяндаңыз. Эч кандай эсеп-кысап керек эмес.
2
Жаңылоо үчүн чыкылдатыңыз
Биздин AI сиздин сурооңузду секундаларда иштетет, эң мыкты ачык булактуу моделдерди колдонуп.
3
Жүктөп алуу жана бөлүшүү
Жүктөп алуу, көчүрүү же натыйжаны бөлүшүү. Жеке жана коммерциялык колдонуу үчүн акысыз.
Бул аспапты API аркылуу колдонуу
Бул аспапты өз кодуңуздан автоматташтырыңыз. OpenAI-ка ылайыктуу REST endpoint, Bearer-token auth, extra SDK not required. Token costs match the web interface.
curl -X POST https://api.free.ai/v1/chat/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model": "qwen7b", "messages": [{"role": "user", "content": "Summarize this: ..."}]}'Ачкыч сөздү чыгаруучу - FAQ
Extracts the most meaningful words and phrases from any long-form text (article, blog post, transcript, product description). Five extraction modes: (1) SEO keywords with search-intent tagging, (2) high-level topics + themes, (3) named entities - people/places/organizations, (4) tag-style lowercase-hyphen-joined tags, (5) academic index terms. Results scored 0-100 by TF-IDF, raw frequency, or semantic relevance. Export as CSV, TXT, or JSON.
Yes - a 1,500-word article extracts in ~350 tokens on the default Qwen 3 30B model, comfortably inside the 6,000 anonymous or 30,000 signed-up daily pool. No sign-up required for your first extraction.
Бул аспаптар сиз берген ачкыч сөздөрдүн өмүрлүк издөө көлөмүн алып келет ($ 99 + / mo). Бул аспап тескерисинче иштейт - ал сиздин мазмунуңуздан талапкер ачкыч сөздөрдү алып, алардын издөө максатын классификациялайт. Иштөө процесси: бул сиздин макалаңызда кандай фразаларды белгилеп жаткандыгын табуу үчүн колдонулат, андан кийин ай сайын издөө көлөмүн текшерүү үчүн Ahrefs / Semrushка киргизилет.
Three scoring modes: (1) TF-IDF (default) rewards words both frequent in THIS document AND rare in general English - best for SEO since these are the differentiating terms. (2) Raw frequency counts occurrences straight - best when you want to see what you say most. (3) Semantic relevance scores by closeness to the documents main thesis even if a phrase appears only once - best for topical coherence.
N-грамма - N сөздөрдүн бирдиктүү тизмеси. "климаттын өзгөрүшү" - 2-грамма. "жасалма интеллект модели" - 3-грамма. 1-грамманы гана (бир сөз, "фотосинтез" сыяктуу), 2-грамманы (баш сөздөр, "карбон изи" сыяктуу) же 3-грамманы (кыска сөздөр, "карбон изи калькулятору" сыяктуу) алуу үчүн чиптердин арасын алмаштырыңыз. Көпчүлүк SEO иш-аракеттери 2+3-грамманы каалашат - бир сөз өтө жалпы.
Yes - the default stoplist removes "the", "and", "of", "is", etc. in 14 languages. You can add custom stopwords via the "Words to exclude" field - useful for suppressing your own brand name, product codes, or boilerplate legalese that would otherwise dominate the results.
Google колдонуучунун максатына жараша суроолорду классификациялайт: маалыматтык ("X деген эмне"), навигациялык ("nike official store"), коммерциялык ("best running shoes 2026"), транзакциялык ("buy air max online"). Алгоритм сиздин издөө сөздөрүңүздү мүмкүн болгон максаты менен тагдай алат, ошондуктан сиз макалаңыздын издөөчүлөр, сатып алуучулар же түз трафик издөөлөр үчүн рейтинги бар экендигин билесиз. Сүрөт SERP функциялары менен мазмунду тууралоо үчүн өтө маанилүү.
99 тилдер Qwen 2.5 модели аркылуу. Эң жогорку сапат англис, испан, француз, португал, немис, кытай, япон тилдеринде. Кээ бир тилдер үчүн 3-граммалык чыгаруу иштей берет, бирок ишенимдүү эмес - араб, хинди, түрк тилдери үчүн 1+2-граммалык чыгаруу колдонулат.
Интерфейс бир текстти бир убакта аткарат. Массалык чыгаруу үчүн /v1/chat/ API Python скриптине туташтырылат - CMS экспорту аркылуу кайталоо, ар бир макаланын денесин POST, JSONду ыргытуу. Берүүчүнүн аутентификациясы, акысыз эсепке 1000 чалуу/саат, /api/ про. Документтеринде жогору чектөөлөр.
RAKE жана YAKE классикалык лексикалык алгоритмдерден - тез, бирок семантикалык нюанс боюнча алсыз (алар "tech startup" деген сөздү документте "technology startup" деп жазылса, бирок "tech" деген сөз жок болсо, анда алар "tech" деген сөздү жоготуп алышат). KeyBERT BERT embeddings колдонот - семантикалык сапаты жакшы, бирок ылдам жана орнотуу керек. TextRank графикалык негизде. Биздин ыкма 7B-параметр LLM колдонот, ал жогоруда айтылгандардын бардыгын аткарат, ошондой эле издөө максаты боюнча классификацияны аткарат - чакыруу үчүн ылдамыраак, бирок орнотуу жок, акысыз, жана ML инженериясы талап кылынбайт.
In frequency and TF-IDF modes, yes - every keyword is derivable from the source text verbatim or with minimal inflection change. In semantic-relevance mode the model may return a controlled-vocabulary version ("pulmonology" even if your text says "lung doctor visit"). The academic-terms mode intentionally prefers controlled vocabulary.
Да - POST to /v1/chat/ with the same system prompt as this page builds (check template source for the exact prompt). Returns structured JSON. Good for content-strategic dashboards or CMS plugins. Bearer auth, monthly limits. Documents at /api/.
Бул аспаптын баасын кандайча аныктайсыз?