关键字摘取器

商业使用OK 579 模型 无水印 不需要注册
型号 :
+ GPT-5, Claude, Gemini
0 字符数 · 0 字词
以SEO相关性衡量的关键词 - 您在博客文章或产品页面上的目标。 包括搜索目的分类 。
~150 每个使用时的符号
提取的关键字
高级选项
结果成果
代号正在下降 获取更多调制当量
想要更好的结果吗? 模型 (GPT-5, Claude, Gemini) 提供更高质量的品质。 视图计划

❤️ 爱 Free.ai 告诉你的朋友!

< a href="/ signup/" style="color:#16A34A" > 签名 以获得查询链接, 并获得每个朋友25,000个代币的 。

还要吗? 免费签名: 每天30 000个象征性
免费注册

处理你的请求...

免费使用AI. 标准环境组织和内容分析的任何文本的关键词都比较容易提取。

如何使用 关键字摘取器

1
输入

输入文本、上传文件或描述您想要的。不需要账户 。

2
单击 单击 生成

我们的AI在使用最佳开放源码模型的秒内处理你的请求。

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

自动使用您自己的代码中的此工具。 OpenAI 兼容的 REST 端点、 Beaner-tok auth, 不需要额外的 SDK 。 Tok 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: ..."}]}'

关键字摘取器 - FAQ

五个提取模式:(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) 标签式低写和连字符标签,(5) 学术指数术语,按TF-IDF、原始频率或语义相关性计算,结果为0-100。

是的 — 1500字文章在默认 Qwen 3 30B 模型上提取了 350 个符号, 舒适地在 6,000 个匿名或 30 000 个注册的每日游泳池内。 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) 。 关键字摘取器正好相反, 它从您的内容中提取候选关键字, 并分类搜索意图 。 工作流程 : 使用它来查找您的文章已经强调的词句, 然后将这些词串粘贴到 Ahrefs/ Semrush 中以检查每月搜索量 。 配对它们的免费关键字困难分数 。

三种评分模式:(1) 本文件经常使用TF-IDF(默认)奖赏词,一般英文则少见 -- -- 最适合标准职业介绍所,因为这些词是不同的术语。 (2) 原始频率计数发生得最直接,最容易看到你最想说的话。 (3) 语义相关性计数与主要论文的近距离,即使一个词只出现一次,对专题的一致性而言也是最好的。

n-gram 是N字的连续序列。 “ 气候变化” 是 2 克。 “ 人工智能模型” 是 3 克 。 切换芯片来提取仅1 克( 单词如“ 光合作用 ” ) 、 2 克( 首词如“ 碳足迹 ” ) 或 3 克( 长尾词如“ 碳足迹计算器 ” ) 。 大多数 SEO 工作流程都想要 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 。

谷歌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(“最佳运行鞋 2026 ”) 、 交易(“购买最大空气在线”) 。 工具标记了您提取的关键字, 并可能意在让您知道您的文章是否应该排在研究人员、 购物者或直接浏览的查看的排名中。 将内容与 SERP 功能相匹配的关键 。

99种语言,通过原始的Qwen 2.5模式,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克提取可能不那么可靠,阿拉伯语、印地语、土耳其语等可降至1+2克。

用户界面一次运行一个文本。 批量提取将 /v1/ chat/ API 连接成 Python 脚本时, 循环到您的 CMS 输出、 将每个文章体都放置在 PST 上、 丢弃 JSON 。 贝尔 auter auter, 1,000 / hour at freeccount, 高限限制 pro. Docs at/ api/ 。

列克和亚喀克是经典的词汇算法, 快速但语义细微( 如果文档中说“ 技术启动”, 但不单是“ 技术启动 ”, 则他们错过了“技术启动 ” 。 关键BERT 使用 BERT 嵌入器―― 更好的语义质量, 但慢且需要安装。 TextRank 以图表为基础。 我们的方法使用7B参数LM, 上面所有零光加上搜索意图分类都使用这个方法- 每个调用速度慢, 但零设置为零, 免费, 不需要 ML 工程 。

在频率和TF-IDF模式中,是的 - 每一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。在语义相关性模式中,该模式可以返回一个受控词汇版本(“肺学 ”, 即使你的文本上写着“ 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/ 。

免费签名: 每天30 000个象征性

创建自由账户

无需信用卡

你怎么评价这个工具?

爱 Free.ai 告诉你的朋友!