文字雲是一段文字區塊的視覺摘要，其中出現次數較多的字詞會以較大的字型呈現，而罕見詞彙則以較小的字型呈現，而文字雲產生器會將完整版面匯出為固定 1200 像素乘 800 像素的 PNG 圖檔，確保影像在投影片和文件尺寸下都能保持清晰。若要從您已有的文字取得文字雲，請將該文字貼到 文字雲產生器，決定是否要區分大小寫，選擇性地輸入您想在計算前過濾掉的任何字詞，然後選擇「產生文字雲」。產生器會擷取由字母和數字組成的詞語標記、計算每個標記的次數、依相對頻率調整字型大小、使用瀏覽器的真實 canvas 文字量測功能量測每個候選詞，並依固定路徑的螺旋排列字詞，最後再匯出完整尺寸的 PNG。計算、版面配置、繪圖和 PNG 產生都在您目前的瀏覽器中執行，因此您貼上的文字不會被上傳到遠端服務、儲存於任何帳號，也不會送至分析流程，這也讓相同的工作流程在面對未發表的草稿、內部筆記、學生作業，以及您不想提交給外部處理的問卷回應時，都能安全使用。
輸出結果是一張靜態影像，您可以放入投影片組、課堂講義、社群貼文或工作坊提示。匯出的 PNG 使用的是其完整的原始像素尺寸，而非頁面預覽的縮小截圖，因此您下載的影像在投影片和文件尺寸下都相當清晰，而不是模糊細小。由於版面配置是固定的，相同的輸入和相同的設定永遠會產生相同的排列，這表示您可以在修改過的草稿上於明天重新產生文字雲，屆時您唯一看到的變更會是您對原始文字所做的修改，而不是隨機的版面漂移。
文字雲如何將文字對應到大小
文字雲是頻率地圖，而非意義地圖。您文字中每個獨特的詞彙會成為矩形畫布上的一個標籤，而該標籤的大小會依該詞出現的次數等比例調整。貼上一段客服通話的逐字稿，產品名稱加上幾個反覆出現的名詞將主宰畫面。貼上一段教科書章節，技術詞彙則會浮上頂端。這種對應設計是為了在一眼之間就被吸收，而不是像文件那樣閱讀，這也是為何文字雲相當適合作為破冰活動、兩份草稿之間的對比縮圖，以及工作坊的快速提示。
大小與頻率之間的視覺關係在整個畫布上是一致的:出現次數為另一個詞兩倍的詞，呈現時會明顯較大，而僅出現一次的詞則會落在大小尺標的最低處。給定次數的確切像素高度由產生器的「頻率到字型」曲線決定，而非由您決定，因此您無須挑選字型大小、配色、旋轉角度或形狀就能取得可閱讀的結果。輸出是一張整齊的影像，可立即分享。
如何用三個步驟從您的文字取得文字雲
- 將您要視覺化的文字貼上或輸入到文字雲產生器的「文字」欄位。
- 選擇性地將您要排除的任何字詞輸入到「排除字詞」欄位，並透過切換區分大小寫選項來決定是否要區分大小寫。
- 選擇「產生文字雲」，檢視頁面上的預覽，並在您對結果滿意時下載完整尺寸的 PNG。
這就是從原始文字到可下載 PNG 的完整工作流程。此工具會在您的瀏覽器中計算每個詞、在畫布上以正確的相對大小繪製每個詞、檢查碰撞與超出邊界的矩形，並將最終版面匯出為 PNG。每個步驟都在本機執行，這表示您可以針對會議逐字稿、教學計畫、訪談逐字稿，或一組開放式問卷回應重複相同的程序，完全不必將底層文字送到任何地方。
該排除哪些字詞，以及何時應區分大小寫
預設情況下，產生器會合併大寫和小寫形式，讓「Cloud」、「cloud」和「CLOUD」共同計入單一次數。當大小寫本身具有意義時，請啟用區分大小寫選項，例如在軟體變更日誌中比較像「API」與「api」這類標題時、當您希望「Apple」這類專有名稱與該水果一詞分開計算時，或在調查問卷中希望「YES」本身是與「yes」不同的答案類別時。
此工具並未內建停用詞清單，而這背後有其刻意的理由。一份通用的清單會默默對您的語言、情境以及您認為不重要的內容做出假設，而這正是在您探索一段新文字時最不希望遇到的隱性選擇。取而代之的是，您可以在選用欄位中輸入自己的排除字詞。針對英文文章，您可以排除「the」和「and」;針對產品評論，您可以排除產品名稱，讓周圍的詞彙浮上來;針對問卷回饋，則可以保留所有詞彙可見，讓受訪者看見自己措辭的反映。排除規則使用與主要文字相同的斷詞與大小寫設定，這表示當區分大小寫功能啟用時，以小寫形式排除的詞不會對應到其大寫形式。請在每次變更排除清單後重新產生文字雲，以查看新的結果。
詞語標記如何被計算，包括非英文文字
斷詞規則的設計著重於可讀性摘要，而非語言學研究，而且規則明確，以便輸出可預測。常見的標點符號會分隔詞彙，而詞彙內部的撇號或連字號可以留在詞中，因此「don't」會保留為一個標記，「co-op」也會保留為一個標記。標記對應採用 Unicode 感知方式，遵循 JavaScript Unicode 字元類別逸出標準所使用的相同字元類別原則，因此以許多非英文文字書寫的詞彙能正確計算，而不會被悄悄忽略。數字也可以作為標記出現，這在您希望逐字稿中反覆出現的年份或產品代號顯示在圖中時非常實用。
在計算之前會套用相容性正規化，讓視覺上相容的形式在輸入中以一致的方式處理。相同的輸入和相同的設定永遠會產生相同的排列，因此文字雲不會在每次重新產生時發生無法預期的跳動。這些實用的規則在大多數文章、演講、課程、訪談逐字稿和腦力激盪清單中都能良好運作，但不一定符合每種語言的複合詞或詞界規則。如果您的文字包含冗長的慣用複合詞或不常見的文字邊界，請將此文字雲視為快速的近似結果，而非權威性的語言學稽核。
文字雲何時會略過詞彙，以及如何騰出空間
產生器最多會考慮 80 個最高頻的詞彙，以維持算繪的流暢度，並依固定路徑由中心向外排列。在放置每個候選詞之前，會使用瀏覽器的真實 canvas 文字量測功能(採用開發者在需要精確文字版面時信賴的相同 measureText 方法)量測其大小，接著檢查畫布邊界和現有矩形。當某個詞量測出的矩形無法在不超出畫布邊界或與已放置詞彙重疊的情況下放入時，工具會略過該詞並繼續處理下一個，而非產生重疊。
這種情況可能發生在極長的標記、數量龐大的獨立詞彙，或是過於擁擠的文字雲中。產生後的狀態訊息會回報已放置的詞數，並在部分詞彙無法放入時通知您。若要騰出更多空間，請將明顯的填充詞加入「排除字詞」欄位、縮短異常冗長的標記、移除導覽標籤和複製的頁尾等低價值文字，並一次只專注於一個區段。一段冗長的字串(例如 URL 或會議 ID)會悄悄佔據大片矩形，將較小但更有趣的詞彙推出畫布外，因此移除這類字串通常是最快的第一步。
比較常見的文字到視覺工作流程
不同的文字到視覺工具回答不同的問題，而選擇合適的工具取決於您想比較什麼，以及來源資料的私密程度。下表將四種常見的作法並列，協助您判斷哪一種最符合您的任務。
| 作法 | 最佳使用情境 | 處理執行的位置 | 輸出形式 |
|---|---|---|---|
| 本機瀏覽器文字雲 | 單一文字的快速詞彙地圖 | 在您的瀏覽器內 | 靜態 1200 像素乘 800 像素 PNG |
| 試算表頻率樞紐分析 | 每個詞彙可稽核的次數 | 在您的試算表應用程式內 | 表格形式，非視覺化 |
| 代管的線上文字雲 | 完成影像的分享與嵌入 | 在遠端伺服器上 | 網頁嵌入圖形 |
| 針對語料庫執行的自訂指令碼 | 研究等級的斷詞規則 | 指令碼執行的位置 | 可設定的版面 |
本機瀏覽器作法與試算表樞紐分析具有相同的隱私立場，同時所提供的影像比排序清單更易於快速閱讀。當資料來源相當敏感或單純尚未準備好分享時，這樣的組合通常是正確的取捨。
如實解讀結果:訊號與意義之分
文字雲是一種探索性訊號，而非意義或重要性的評判。反覆出現的制式內容、引述文字、導覽標籤、姓名及複製的頁尾仍可能主宰一張文字雲，即便它們並非核心概念，這也是為何產生器並不會辨識錯誤資訊、敏感資料、抄襲、作者身分、品質或意圖。它只會擷取由字母和數字組成的詞語標記、計算次數、指派相對字型大小，並將其放置於畫布上。請閱讀原始資料，並對任何重要的詮釋運用人為判斷。
若要進行精確的數值稽核，請將視覺化的文字雲與另一套獨立的計算工作流程搭配使用，而不是從字型大小去估算確切次數。產生器依相對頻率調整字型大小，而非以像素編碼精確的次數，因此視覺上看起來大小相近的兩個詞，實際次數可能僅相差一個，也可能相差數十個。請將此影像作為觀察詞彙模式的起點、用於比較兩份草稿的強調之處，或製作工作坊提示，並在您需要可背書的數字時，改用具備計數功能的工具。
若要進一步了解，請參閱如何在 Word 中計算字數:內建工具與瀏覽器工具之比較。
若要進一步了解，請參閱如何用字母拼組字詞:實用指南。