关键词摘录器
商业用途OK
380+模型
无水印
不需要注册
型号 :
+ GPT-5, Claude, Gemini
提取的关键字
高级选项
结果成果成果成果成果成果成果成果成果成果成果
声调越来越低
Get More Tokens
❤️ Love this tool? Share it!
< a href=" "/ signup/" style=" "color:#16A34A" > 签名 以获得查询链接, 并获得每个朋友25,000个象征性的 。
还要吗?
Sign up free for 10,000 tokens
签署自由
处理您的请求...
从任何文本中抽出关键字,并免费提供AI.SEO和内容分析,使这些关键字变得容易。
如何使用 关键词摘录器
1
输入输入
键入文本、上传文件或描述您想要的东西。不需要账户 。
2
点击生成
我们的人工智能使用最佳的开放源码模型,在秒内处理你的请求。
3
下载共享( S)
下载、复制或分享您的结果。 免费个人和商业使用 。
通过 API 使用此工具
从您自己的代码中自动启用此工具。 OpenAI 兼容的 REST 端点、 Bearer-tok 异常点、 不需要额外的 SDK 。 Token 成本符合网络界面 。
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: ..."}]}'关键词摘录器 — FAQ
从任何长式文本(文章、博客文章、记录稿、产品说明)中提取最有意义的词句和短语。 5种提取模式:(1) 具有搜索意图标签的SEO关键词,(2) 高级别专题+主题,(3) 名称实体——人/地点/组织,(4) 标签式的低写连字符标签,(5) 学术指数术语。按TF-IDF、原始频率或语义相关性计算,成绩为0-100。出口为 CSV、TXT或JSON。
是的 — 1500字文章在默认的 FFREEAI_Terreal_13___ 3 30B 模型上提取了 350 个符号, 可以在 2 500 个匿名或10,000 个注册的每日游泳池内舒适地使用。 您第一次提取不需要注册 。
这些工具为您给出的关键字提取实时搜索量数据( 99+/ mo) 。 关键词摘录器正好相反, 它从您的内容中提取候选关键字, 并分类搜索意图 。 工作流: 使用它来查找您的文章已经强调的词句, 然后将这些词句粘贴到 Ahrefs/ Semrush 中, 以检查每月搜索量 。 使用免费关键字困难的分数来对等 。
三种评分模式:(1) 本文件经常使用TF-IDF(默认)奖赏词,一般英文则很少使用,因为这些词对标准职业介绍最合适,因为这些词对标准职业介绍最有区别。 (2) 原始频率计数是直接发生的,最好当你想看到你最想说的话时。 (3) 语义相关性计分与主要论文的近距离,即使一个词只出现过一次,也最有利于专题的一致性。
“气候变化”是一个2克的连续序列。“人工智能模型”是一个3克。切换芯片只提取1克(单词,如“光合作用”)、2克(头号词,如“碳足迹”)或3克(长尾词,如“碳足迹计算器”)。大多数SEO工作流程需要2+3克——单词太通用)。
是的 — 默认禁止列表删除了14种语言中的“ ” 、“ ” 、 “ ” 、 “ 是 ” 等字。 您可以通过“ 用词排除” 字段添加自定义的禁口词 — — 这有助于抑制您自己的品牌、 产品代码或锅炉板法律, 否则会主导结果 。
Google将查询按用户目的分类:信息(“X是什么”)、导航(“Nike官方商店”)、商业(“2026年最佳运行鞋”)、交易(“在线购买最大空气”)。工具将提取的关键词标记为“可能的意图 ”, 以便您知道您的文章是否应该排在研究人员、购物者或直接交易查看的排名中。 将内容与 SERP 功能相匹配的关键。
英文、西班牙文、法文、葡萄牙文、德文、中文、日文质量最高,低资源语言工作但3克抽取可能不那么可靠,阿拉伯文、印地语、土耳其文等可降至1+2克。
用户界面一次运行一个文本。 批量提取将 /v1/ chat/ API 连接到 Python 脚本 —— 循环到您的 CMS 输出、 POST 每条文章体、 丢弃 JSON 。 Bearer auter, 1000 个电话/ 小时在免费账户上, 对 pro. Docs 在 / api/ 上更高的限制 。
Lake和Yake是经典的词汇算法,速度很快,但语义细微(如果文件上写着“技术启动”而不是“技术启动”,他们就错过了“技术启动” ) 。 KeyBERT 使用 BERT 嵌入器 — — 更好的语义质量,但速度缓慢,需要安装。 TextRank 以图表为基础。 我们的方法使用7B参数LLM, 上面所有“零射”加“搜索意图”分类方法——每个调用速度慢,但零设置、自由、不需要 ML 工程。
在频率和TF-IDF模式中,是的——每个关键词都可以逐字逐句地从源文本中产生,或者只需稍作改动即可。在语义相关性模式中,该模式可以返回受控词汇版本(“肺学 ”, 即使你的文本上写着“ 临床医生访问 ” 。 学术术语模式有意偏爱受控词汇。
是 — POST 到 / v1/ chat/ 使用同一系统推动此页面的构建( 检查模板源, 精确的快速 ) 。 返回结构化 JSON 。 有利于内容战略仪表板或 CMS 插件 。 Bearer auth, 月度限制 。 Docs at / api/ 。
你会如何评分这个工具?