M2LOrder情感分析服务快速体验：WebUI与API调用详解

M2LOrder情感分析服务快速体验：WebUI与API调用详解

1. 引言：让机器读懂你的心情

你有没有想过，机器能理解你的喜怒哀乐吗？当你在社交媒体上发了一句“今天真是糟糕透了”，系统能不能判断出你此刻的心情是悲伤还是愤怒？这就是情感分析技术正在做的事情。

M2LOrder就是一个专门做这件事的工具。它不是一个复杂的算法框架，而是一个开箱即用的服务。你不需要懂深度学习，也不需要自己训练模型，只需要把它部署起来，就能通过简单的Web界面或者几行代码，让机器帮你分析文本中的情感。

这篇文章会带你从零开始，快速上手M2LOrder。我会用最直白的方式，告诉你这个服务能做什么、怎么用、效果怎么样。无论你是开发者想集成情感分析功能，还是产品经理想了解技术可行性，都能在这里找到答案。

2. 快速部署：三种方式任你选

M2LOrder的部署非常简单，提供了三种启动方式，你可以根据自己的习惯选择。

2.1 方式一：一键脚本启动（推荐新手）

如果你不想折腾，就用这个方法。只需要一条命令：

cd /root/m2lorder ./start.sh

这个脚本会自动帮你启动所有服务。启动后，你会看到类似这样的输出，说明服务已经正常运行了：

Starting M2LOrder services... API server started on http://0.0.0.0:8001 WebUI started on http://0.0.0.0:7861

2.2 方式二：Supervisor管理（推荐生产环境）

如果你希望服务能自动重启、方便管理，可以用Supervisor。Supervisor就像个管家，会帮你看着服务，如果服务意外停止了，它会自动重新启动。

cd /root/m2lorder # 启动Supervisor管理服务 supervisord -c supervisor/supervisord.conf # 查看服务状态 supervisorctl -c supervisor/supervisord.conf status

查看状态时，你会看到类似这样的信息：

m2lorder-api RUNNING pid 1234, uptime 0:00:30 m2lorder-webui RUNNING pid 1235, uptime 0:00:30

2.3 方式三：手动启动（适合调试）

如果你想了解服务启动的细节，或者需要调试，可以手动启动：

cd /root/m2lorder source /opt/miniconda3/etc/profile.d/conda.sh conda activate torch28 # 启动API服务（在第一个终端） python -m uvicorn app.api.main:app --host 0.0.0.0 --port 8001 # 启动WebUI服务（在第二个终端） python app.webui.main.py

手动启动的好处是你能看到实时的日志输出，方便排查问题。

3. 访问服务：两个入口都能用

服务启动后，你有两种方式可以使用它：

服务类型	访问地址	适合人群
WebUI界面	http://你的服务器IP:7861	非技术人员、快速测试
API接口	http://你的服务器IP:8001	开发者、系统集成
API文档	http://你的服务器IP:8001/docs	查看接口详情

如果你在本地部署，IP就是127.0.0.1或localhost。如果在云服务器上，需要换成服务器的公网IP。

打开WebUI界面，你会看到一个简洁的页面，左边是模型选择，中间是输入框，右边是结果展示区域。界面设计得很直观，一看就知道怎么用。

4. WebUI使用：点点鼠标就能分析情感

WebUI界面让情感分析变得像填表格一样简单。我来带你一步步操作。

4.1 第一步：选择模型

在页面左侧，你会看到一个“模型列表”下拉框。点击它，会看到很多模型选项，比如A001、A002等等。

这些模型有什么区别呢？简单来说：

• 小模型（3-8MB）：速度快，适合实时分析
• 大模型（600MB+）：精度高，适合对准确度要求高的场景

如果你是第一次用，建议选A001或A002，这些都是轻量级模型，响应很快。

4.2 第二步：输入文本分析

在“输入文本”框中，输入你想分析的句子。比如：

• “今天天气真好，心情特别愉快！”
• “这个产品太难用了，让我很生气。”
• “明天要考试了，有点紧张。”

然后点击“ 开始分析”按钮。几秒钟后，右边就会显示分析结果。

结果会告诉你：

1. 情感类型：比如happy（开心）、sad（悲伤）、angry（生气）等
2. 置信度：一个0到1之间的数字，表示模型对这个判断的把握有多大
3. 颜色标记：不同情感会用不同颜色高亮显示

4.3 第三步：批量分析多段文本

如果你有很多文本需要分析，不用一个个输入。在“批量输入”框中，每行输入一段文本，然后点击“ 批量分析”按钮。

比如输入：

今天收到了礼物，很开心 工作压力太大了 期待周末的旅行

系统会一次性分析所有文本，并以表格形式展示结果，非常方便。

4.4 情感类型说明

M2LOrder能识别6种基本情感，每种都有对应的颜色：

情感类型	英文	颜色	示例
开心	happy	绿色	“今天真高兴！”
悲伤	sad	蓝色	“我感到很难过”
生气	angry	红色	“这太让人生气了！”
平静	neutral	灰色	“今天没什么特别的事”
兴奋	excited	橙色	“太棒了！等不及了！”
焦虑	anxious	紫色	“我有点担心明天的会议”

5. API调用：让程序也能理解情感

如果你想把情感分析功能集成到自己的程序里，API接口就是最好的选择。M2LOrder提供了完整的RESTful API，支持各种编程语言调用。

5.1 基础准备：检查服务状态

在调用API前，先确认服务是否正常：

curl http://你的服务器IP:8001/health

如果返回这样的JSON，说明服务正常：

{ "status": "healthy", "service": "m2lorder-api", "timestamp": "2026-01-31T10:29:09.870785", "task": "emotion-recognition" }

5.2 查看可用模型

调用API前，你需要知道有哪些模型可用：

curl http://你的服务器IP:8001/models

返回结果类似：

[ { "model_id": "A001", "filename": "SDGB_A001_20250601000001_0.opt", "size_mb": 3.0, "version": 0, "timestamp": "20250601000001" }, { "model_id": "A002", "filename": "SDGB_A002_20250601000002_0.opt", "size_mb": 3.1, "version": 0, "timestamp": "20250601000002" } ]

5.3 单条文本情感分析

这是最常用的接口，分析一句话的情感：

import requests import json # API地址 api_url = "http://你的服务器IP:8001/predict" # 请求数据 data = { "model_id": "A001", # 模型ID "input_data": "I am so happy today!" # 要分析的文本 } # 发送请求 response = requests.post(api_url, json=data, headers={"Content-Type": "application/json"}) # 解析结果 result = response.json() print(f"情感: {result['emotion']}") print(f"置信度: {result['confidence']}") print(f"模型: {result['model_id']}")

返回结果：

{ "model_id": "A001", "emotion": "happy", "confidence": 0.96, "timestamp": "20250601000001", "metadata": { "model_version": 0, "model_size_mb": 3.0 } }

5.4 批量文本情感分析

如果你需要分析很多文本，用批量接口效率更高：

import requests api_url = "http://你的服务器IP:8001/predict/batch" data = { "model_id": "A001", "inputs": [ "今天天气真好，心情愉快！", "工作不顺利，有点沮丧", "明天要见客户，有点紧张" ] } response = requests.post(api_url, json=data) results = response.json() # 遍历所有结果 for item in results['predictions']: print(f"文本: {item['input']}") print(f"情感: {item['emotion']}") print(f"置信度: {item['confidence']}") print("---")

5.5 不同编程语言的调用示例

除了Python，其他语言也能轻松调用：

JavaScript (Node.js):

const axios = require('axios'); async function analyzeEmotion(text) { const response = await axios.post('http://你的服务器IP:8001/predict', { model_id: 'A001', input_data: text }); return response.data; } // 使用示例 analyzeEmotion('I feel excited about the new project!') .then(result => console.log(result));

Java:

import java.net.URI; import java.net.http.HttpClient; import java.net.http.HttpRequest; import java.net.http.HttpResponse; public class EmotionAnalyzer { public static void main(String[] args) throws Exception { String json = "{\"model_id\":\"A001\",\"input_data\":\"This is amazing!\"}"; HttpClient client = HttpClient.newHttpClient(); HttpRequest request = HttpRequest.newBuilder() .uri(URI.create("http://你的服务器IP:8001/predict")) .header("Content-Type", "application/json") .POST(HttpRequest.BodyPublishers.ofString(json)) .build(); HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString()); System.out.println(response.body()); } }

6. 模型选择指南：97个模型怎么选？

M2LOrder最特别的地方是它提供了97个不同的模型。你可能要问：这么多模型，我该用哪个？

6.1 模型分类速览

我把这些模型按大小分成了几类，你可以根据需求选择：

模型类型	大小范围	数量	特点	推荐场景
轻量级	3-8 MB	17个	速度快，内存占用小	实时聊天分析、移动端应用
中等模型	15-113 MB	11个	平衡速度和精度	一般业务场景
大型模型	114-771 MB	5个	精度较高	对准确度要求高的分析
超大模型	619-716 MB	61个	精度最高	专业情感分析、研究用途
巨型模型	1.9 GB	1个	极致精度	特殊需求，一般不推荐

6.2 实际选择建议

根据你的具体需求，我给出一些实用建议：

场景一：实时聊天情感分析

• 需求：用户发消息后，立即分析情感并回复
• 推荐模型：A001、A002、A003
• 理由：这些模型只有3MB左右，分析速度极快，适合实时场景

场景二：社交媒体内容分析

• 需求：分析微博、Twitter、朋友圈等文本
• 推荐模型：A021、A022、A023
• 理由：7-8MB大小，在速度和精度之间取得平衡

场景三：专业情感分析报告

• 需求：生成详细的情感分析报告，准确度最重要
• 推荐模型：A204、A205、A206（619MB系列）
• 理由：大模型精度更高，能识别更细微的情感差异

场景四：特定角色/场景分析

• 需求：针对特定领域（如客服对话、产品评论）的分析
• 推荐模型：A201-A271系列中的对应模型
• 理由：这61个619MB的模型可能是针对不同角色训练的，选择对应的可能效果更好

6.3 模型命名规律

了解模型命名规则，能帮你更好地选择：

SDGB_A001_20250601000001_0.opt ├── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ── ─