展示HN：Mavera – 使用GAN预测受众反应，而非LLM情感分析

展示HN：Mavera – 使用GAN预测受众反应，而非LLM情感分析
Show HN: Mavera – Predict audience response with GANs, not LLM sentiment

原始链接: https://docs.mavera.io/introduction

```python from openai import OpenAI client = OpenAI( api_key="mvra_live_your_key_here", base_url="https://app.mavera.io/api/v1", ) response = client.chat.completions.create( model="mavera-1", messages=[ {"role": "user", "content": "千禧一代对远程办公有什么看法？"} ], extra_body={"persona_id": "YOUR_PERSONA_ID"}, ) print(response.choices[0].message.content) print(f"Credits used: {response.usage.credits_used}") ```

## Mavera：利用人工智能预测受众反应 Mavera 是一款新型受众洞察 API，使用生成对抗网络 (GAN) 预测受众对信息、原型或创意内容产生的*感受、想法和行为*。与基于 LLM 的情感分析不同，Mavera 提供预测反应的分布，从而提供更细致的理解。其创建者通过分析 101 支超级碗广告，预测不同平台和人口统计数据的情感和行为反应，并在 4 小时内完成分析，展示了 Mavera 的能力。 Mavera 的准确性明显高于 GPT 和 Claude 等模型（MAE 为 0.02-0.15，而后者为 1.0-2.5+），并包含置信度和幻觉风险评分。它可以通过与 OpenAI 兼容的 API 轻松集成，提供 50 多个预构建或自定义角色选项，并提供低于 100 毫秒的延迟。免费 API 密钥和文档可在 [https://docs.mavera.io/introduction](https://docs.mavera.io/introduction) 获取。

from openai import OpenAI

client = OpenAI(
    api_key="mvra_live_your_key_here",
    base_url="https://app.mavera.io/api/v1",
)

response = client.chat.completions.create(
    model="mavera-1",
    messages=[
        {"role": "user", "content": "How do millennials feel about remote work?"}
    ],
    extra_body={"persona_id": "YOUR_PERSONA_ID"},
)

print(response.choices[0].message.content)
print(f"Credits used: {response.usage.credits_used}")

展示HN：Mavera – 使用GAN预测受众反应，而非LLM情感分析 Show HN: Mavera – Predict audience response with GANs, not LLM sentiment

展示HN：Mavera – 使用GAN预测受众反应，而非LLM情感分析
Show HN: Mavera – Predict audience response with GANs, not LLM sentiment