직접 보기기능리뷰블로그자주 묻는 질문로그인앱 다운로드

블로그글쓰기 도구

어조 체커 대부분은 정작 당신의 어조를 읽지 않아요

AI 세 개가 내놓은 어조 도구 리포트를 하나로 합치고 사실관계를 확인했어요. 대부분은 다시 쓰기만 해요. 어조를 먼저 읽어주는 도구는 몇 없는데, 그 차이가 진짜 중요해요.

글 Samet Durgun · Subtext 공동 창업자 · 11분 읽기

최근에 똑같은 질문을 AI 리서치 에이전트 세 개에 던져봤어요. 지금 가장 좋은 어조 체커가 뭐냐고요. Claude, ChatGPT, Gemini가 각각 길고 자신만만한 리포트를 내놨어요. 셋은 서로 의견이 꽤 갈렸고, 존재하지 않는 출처를 인용하기도 했고, 그중 하나는 제 회사에 대해 그럴듯한 창업 스토리까지 지어냈어요. 그래서 저는 평소 AI 리서치를 두고 사람들에게 하라고 말하는 걸 그대로 했어요. 구조는 살리고, 모든 주장을 1차 출처까지 따라가서 확인하고, 현실과 부딪혀 살아남지 못한 건 다 쳐냈어요.

이 글이 그렇게 합치고 검증한 버전이에요. 열일곱 개 도구를 실제로 어떤 일을 하는지 기준으로 나눴고, 출처는 맨 아래 번호를 매겨 정리했어요.

제 편향은 패를 까놓고 시작할게요: 이 중 하나는 제가 공동 창업한 도구예요

Subtext는 제 회사고, 이 글에도 등장해요. 제가 그 얘기를 할 때는 그 점을 감안하고 읽어주세요.

그래도 이 글이 쓸모 있으려면, 제 제품도 다른 모든 도구와 똑같은 기준으로 다뤘어요. 주장은 제품 페이지, 문서, 앱스토어 소개, 아니면 동료 심사를 거친 연구에서 나오고, 각각 번호가 붙은 출처로 연결돼요. 어떤 주장이 벤더의 마케팅에만 존재한다면 그렇다고 밝혔고요. 그리고 AI 에이전트들이 자신 있게 보고했지만 어떤 출처도 뒷받침하지 않는 내용은 다 쳐냈어요. 듣기 좋은 창업 스토리도 포함해서요. (“전직 심리 상담사”가 Subtext를 만들었다는 얘기인데, 그런 사람은 없어요. Anton은 엔지니어고, 글은 제가 써요.)

진짜 어조 체커는 다시 쓰기 전에 먼저 진단해요

이 분야의 도구는 죄다 어조 체커라고 불리지만, 사실 그 이름 하나 밑에 서로 다른 두 가지 일이 숨어 있어요.

진단은 지금 내 글이 어떻게 읽히는지 알려주는 일이에요. 다시 쓰기는 그걸 다른 무언가로 바꾸는 일이고요. 이 차이는 실제 초안을 보기 전까지는 그냥 이론처럼 들려요. “됐어. 너 하고 싶은 대로 해.”를 예로 들어볼게요. 다시 쓰기 도구는 이걸 “좋아, 어느 쪽이든 편한 대로 하자.”로 아무렇지 않게 바꿔버려요. 진단 도구는 그 전에 먼저 멈춰 세워요. “됐어.”는 딱 잘라내는 느낌이고, “하고 싶은 대로 해”는 물러서는 느낌이고, 전체적으로는 수동적으로 전달되는데 사실 당신은 그냥 지친 거였을 수도 있다고요. 일단 그게 보이면, 그다음엔 어떻게 할지 직접 정할 수 있어요. 부드럽게 다듬을 수도 있고요. 아니면 그 날카로움이 원래 하려던 말이었다면 그대로 둘 수도 있고요.

다시 쓰기만 하는 도구는 그 단계를 건너뛰어요. 원래 문장의 뭐가 문제였는지는 한 번도 말해주지 않고, 더 매끈한 문장만 건네주죠. 사람들이 다듬어진 메시지를 보내놓고도 여전히 엉뚱한 말을 하게 되는 게 바로 이래서예요. 그래서 이 글에서는 이렇게 나눴어요. 먼저 읽는 도구, 다시 쓰기만 하는 도구, 그리고 특정 상대에 맞춰 어조를 조율해주는 도구로요.

당신은 자기 어조가 78%는 전달된다고 생각해요. 실제로는 56%예요.

도구 얘기를 하기 전에, 이 도구들이 왜 필요한지부터요.

2005년, Justin Kruger와 Nicholas Epley를 비롯한 연구진은 Journal of Personality and Social Psychology에 이메일 어조에 대한 다섯 개의 실험1을 발표했어요. 그중 한 실험에서, 보내는 사람들은 자기 어조(진지함인지 비꼬는 건지)가 78%는 통할 거라고 예상했어요. 실제로 받는 사람이 맞춘 비율은 56%였고요2. 동전 던지기보다 아주 조금 나은 수준이었는데, 받는 사람들도 보내는 사람만큼이나 자신만만했어요. 저자들은 이렇게 진단해요1:

이 과신은 자기중심성에서 비롯돼요.

당신은 자기 메시지를 들을 때 자기 의도라는 배경음악을 풀로 틀어놓고 들어요. 읽는 사람한테는 화면 위의 글자가 전부고요.

20년이 지난 지금, 그 발견은 아래 나오는 모든 도구의 조용한 비즈니스 모델이 됐어요.

글자 하나 건드리기 전에 어조부터 읽는 도구 네 가지

Subtext

Subtext는 제가 공동 창업한 도구예요. 문서보다는 개인적인 메시지를 위해 만들었어요. 초안을 붙여넣거나, 대화 스크린샷을 넣거나, 음성 메모를 녹음하면 뭔가 말하기 전에 먼저 대화 전체를 읽어요. 세게 들리거나, 수동적으로 읽히거나, 오해하기 쉬운 정확한 단어를 짚어내고, 그 밑에 깔린 감정에 이름을 붙여요3. 읽고 난 뒤에는 탭 한 번으로 하는 조정(더 따뜻하게, 더 짧게, 더 캐주얼하게, 자신감 추가)4이 원래 문장을 출발점으로 삼아 메시지를 다시 써줘요. 대신 보내주는 일은 절대 없고요.

스토어 소개 문구는 누구를 위한 앱인지 꾸미지 않고 그대로 말해요. 보내기 전에 같은 메시지를 다섯 번씩 고쳐 쓰는 사람들, 생각이 너무 많은 사람들, 그리고 “이 정도면 괜찮은 걸까?” 하고 되묻는 모든 사람4을 위한 거라고요. 가장 따뜻한 리뷰 중 상당수는 신경다양성이 있는 사용자들에게서 오는데, 특히 ADHD가 있는 사용자들이 길고 정신없는 초안을 넣으면 여전히 자기다우면서도 명확한 문장을 돌려받는다5고 해요. iOS, Android, 그리고 동기화되는 웹 앱에서 돌아가고, 14개 언어를 번역이 아니라 그 언어를 쓰는 사람처럼 자연스럽게 담아요. 무료로 써볼 수 있고, 그다음은 구독으로 나머지 기능을 풀 수 있어요. 솔직한 한계도 두 가지 있어요. 메시지용으로 만든 거라 긴 문서는 다른 도구를 써야 하고, 자체 약관에도 이건 소통을 돕는 도구지 심리 상담이 아니라고 분명히 적혀 있어요6. 그리고 보낸 텍스트는 AI 모델 학습에 쓰이지 않고요.

Grammarly의 어조 감지기

Grammarly는 세상에서 가장 널리 쓰이는 어조 진단 기능을 갖고 있어요. 단어 선택, 표현, 문장부호, 심지어 대문자 사용까지 살펴서 글의 어조를 파악해요7. 규칙 기반 방식과 머신러닝을 함께 쓰고요8. 2019년 출시 당시엔 친근함이나 즐거움부터 공격적이거나 짜증 난 느낌까지, 약 40가지 어조에 이름을 붙일 수 있었어요9. 어느 정도 분량의 글이 있어야 작동하는데, 브라우저에서는 약 150자10, 모바일 키보드에서는 90자면 충분해요11. 이 라벨이 곧 진단이고, 문장 단위로 어조를 다시 써주는 기능은 유료 플랜에 있어요. 기업용으로는 Grammarly Business가 브랜드 어조 기능을 추가로 제공하는데, 관리자가 50가지가 넘는 어조 중에서 골라 브랜드에 맞는지 아닌지 표시해두면12, 모든 구성원이 실시간으로 안내를 받아요. 글쓰기가 주로 문서와 업무 이메일 안에서 이뤄진다면, 이게 기준점이에요.

Goblin Tools (Judge와 Formalizer)

Goblin Tools는 벨기에 개발자 Bram De Buyser가 만든, 작고 무료인 AI 도구 모음이에요. 공식 사이트에는 주로 신경다양인을 위해 만든 “작고 단순하고, 한 가지 일만 하는 도구들”13이라고 소개돼 있어요. 여기서 중요한 건 그중 두 가지예요. Judge는 받은 메시지 뒤에 숨은 기분이나 감정을 감지해주고, Formalizer는 텍스트를 원하는 어조로 즉시 바꿔줘요14. 얼마나 많이 바꿀지는 “매운맛” 다이얼로 조절하고요. 이 받는 쪽 메시지를 해석해주는 기능은 정말 드물어요. 이 글에 나오는 다른 도구들은 거의 다 당신이 보내는 쪽만 봐주거든요. 웹사이트는 무료고, 모바일 앱은 저렴한 일회성 구매예요.

Sapling

Sapling은 고객 지원팀과 영업팀을 겨냥한 도구고, 이 그룹 안에서 가장 투명한 어조 분류 체계를 공개하고 있어요. 무료 어조 체커는 25가지가 넘는 감정 어조(기쁨, 혼란, 감사, 두려움)를 문장 단위와 문서 단위 모두에서 찾아내고15, 개발자용 API는 28가지 어조를 문장별 확률과 함께 제공해요16. 앱이 아니라 자체 제품 안에 어조 감지 기능을 넣고 싶다면, 이게 곧 땅에 묻을 옛 IBM API의 실질적인 후계자예요.

고른 어조 그대로 다시 써주는 도구 일곱 가지

다 쓸모 있는 도구고 저도 몇 개는 쓰고 있어요. 다만 어느 것도 원래 초안이 어떻게 읽히는지는 말해주지 않아요. 그냥 다른 초안을 건네줄 뿐이죠.

Apple Intelligence Writing Tools는 시스템 레벨에 자리 잡고 있어서, 타사 앱을 포함해 글자를 입력할 수 있는 거의 모든 곳에서 선택한 텍스트를 더 프로페셔널하게, 더 친근하게, 더 간결하게 다시 써줘요17. 원하는 걸 직접 적는 “어떻게 바꿀지 설명하기” 입력창18도 있고요. 지원 기기에서 iOS 18.1, iPadOS 18.1, macOS Sequoia 15.1이면 무료예요. 프리셋 세 개, 진단은 없어요.

Microsoft의 Copilot은 Office 안에서 비슷한 일을 해요. Word에서 텍스트를 선택하고 Rewrite를 고른 다음, Adjust Tone 메뉴(Neutral, Casual, Concise 등)를 쓰면 돼요19. Copilot 라이선스가 있어야 하고, 이번에도 원래 어조에는 이름 한번 붙이지 않은 채로 어조만 바꿔줘요.

Wordtune는 전용 다시 쓰기 도구 중에서 가장 빨라요. 문장을 하이라이트하고 Casual이나 Formal, 또는 Shorten과 Expand를 탭하면20 제안이 나오고, 그중 하나를 고르면 돼요. 무료 플랜이 있고, 유료 플랜은 연간 결제 기준 한 달에 약 $7부터21 시작해요 (2026년 8월 기준).

Hemingway Editor는 가독성으로 이름을 알린 도구예요. 복잡한 문장과 수동태에 색을 입혀 보여주는데, 이건 어조 자체라기보다는 어조에 인접한 영역이에요. 유료 버전인 Hemingway Editor Plus는 AI 다시 쓰기 기능을 더했어요. 선택한 텍스트를 더 프로페셔널하거나 더 친근하게 조정하는 기능22과, 따로 마련된 더 캐주얼하게, 더 격식 있게, 더 설득력 있게 만드는 도구들23이 있어요. 여전히 제가 아는 한 늘어지는 글을 고치는 데는 최고예요.

짧게 세 개 더요. LanguageTool은 다국어를 고려한다면 고를 만한 도구예요. 약 30개 언어를 지원하는 문법·스타일 체커고, 유료 플랜에는 패러프레이저도 있어요. 여기서 어조는 부산물이지 본 상품이 아니에요. ProWritingAid는 장문 원고를 위한 도구예요. 문자 메시지가 어떻게 전달될지 그 자리에서 읽어주는 게 아니라, 스타일과 가독성 리포트를 두껍게 쌓아주는 쪽이고요. 그리고 QuillBot은 학생들이 쓰는 패러프레이저예요. Formal을 포함한 프리셋 모드가 있고, 유창하게 다시 써주긴 하지만 원래 글이 어땠는지는 아무것도 말해주지 않아요.

특정 상대 한 명에 맞춰 어조를 조율하는 도구 네 가지

이 그룹은 다른 질문에 답해요. 이 특정 상대에게, 혹은 이 특정 회사로서 나는 어떻게 들려야 하는가라는 질문이요.

Crystal은 DISC 성격 유형 프레임워크로 받는 사람의 프로필을 만들고, Writing Assistant가 Gmail이나 Outlook 안에서 실시간으로 이메일의 단어, 표현, 스타일, 어조를 확인하면서 그 사람의 소통 방식 쪽으로 이끌어줘요24. 살짝 섬뜩하면서도 가끔은 놀랍도록 정확한데, 누가 봐도 영업을 위해 만든 도구예요.

Lavender는 콜드 이메일 코치예요. 쓰는 동안 초안마다 0에서 100까지 점수를 매기는데 어조도 그 요소 중 하나고, 답장률 데이터에 근거해 고칠 부분을 제안해줘요25. 한 달에 이메일 5통까지는 무료고, 그 위로는 한 달 $29부터 시작하는 플랜이 있어요(2026년 8월 기준)25. 아웃바운드가 본업이라면 그 점수는 금방 습관이 돼요.

Textio26는 채용이라는 틈새시장을 꽉 잡고 있어요. 채용 공고와 성과 피드백에서 편향되거나 배제하는 표현을 짚어주고, 그 언어가 지원자에게 어떻게 전달될지 점수를 매겨요. 그리고 Writer는 엔터프라이즈 규모로 작동해요. 글쓰기 샘플을 업로드하면 보이스 프로필을 만들어줘서27 조직 전체의 AI 결과물이 하나의 어조로 유지되게 해줘요.

한 페이지짜리 무료 체커도 쓸 만해요. 다만 주의할 점이 하나 있어요.

큰 이름들 너머에는 텍스트만 붙여넣으면 되는 무료 페이지들이 롱테일로 길게 늘어서 있어요. 앞서 나온 Sapling의 무료 체커가 그중 믿을 만한 축이고요. LiveChatAI의 어조 체커28는 지배적인 어조를 짚어내고 어떤 표현이 그 판정을 이끌었는지 하이라이트해줘요. 감지만 하고 다시 쓰기는 안 해요. AskAI 버전29은 챗 모델을 기반으로 0에서 100까지 격식 점수를 매기고 긴 문서 안에서 어조가 흔들리는 지점을 짚어주는데, 더 많이 쓰려면 유료 플랜도 있어요. 블로그 한 단락이나 커버레터 정도엔 딱 맞아요.

주의할 점은 이거예요. 무료 웹페이지에 붙여넣는 건 뭐가 됐든 누군가의 서버로 넘어가는데, 이런 페이지 대부분은 그다음에 무슨 일이 벌어지는지 별로 말해주지 않아요. 저라면 마케팅 문구 한 단락 정도는 고민 없이 붙여넣겠지만, 이별 통보 문자는 이런 곳 근처에도 안 가져갈 거예요.

다들 인용하던 그 어조 API는 이제 없어요

10년 동안 기술적인 의미의 “어조 체킹”은 딱 하나를 뜻했어요. 수없이 많은 데모와 연구 논문 뒤에 있던 API, IBM Watson Tone Analyzer요. 지금은 사라졌어요. IBM은 2022년 2월 24일에 서비스 종료를 발표했고, 서비스는 2023년 2월 24일에 실제로 꺼졌어요30. 지금 남은 건 Watson의 자연어 툴킷 안에 있는 작은 사전 구축된 어조 분류 모델31뿐이에요. 영어와 프랑스어를 지원하고, 신남, 좌절, 무례함, 정중함, 슬픔, 만족, 공감처럼 짧은 카테고리 목록을 다뤄요.

이 부고를 넣은 건 이게 시장을 설명해주기 때문이에요. 독립형 어조 API의 시대는 끝났고, 그 에너지는 위에서 본 어시스턴트들, 그리고 요청하면 뭐든 다시 써주는 대형 언어 모델 쪽으로 옮겨갔어요. 그럼 이제 불편한 부분으로 넘어가 볼게요.

AI에게 내 글을 맡기는 것에 대해 연구는 뭐라고 말할까

다시 쓰는 일 자체는 이제 너무 쉬워요. 그런데 그 결과는 그렇게 깔끔하지 않고, 이걸 다룬 진짜 연구 문헌도 있어요.

연구자들은 이걸 AI 매개 커뮤니케이션이라고 불러요. AI 시스템이 사람들 사이의 메시지를 수정하거나, 보강하거나, 생성하는 것32을 말하는데, Jeff Hancock, Mor Naaman, Karen Levy가 2020년에 이렇게 정의했어요. 가장 눈에 띄는 발견은 그보다 1년 앞서 나왔어요. Airbnb 호스트 프로필을 다룬 CHI 연구에서, 읽는 사람이 AI가 썼다고 믿은 텍스트는 신뢰도가 더 낮게 평가됐어요33. AI 스마트 답장을 다룬 후속 연구는 그 제안들이 사람들이 실제로 만들어내는 언어를 바꿔놓고, 더 긍정적인 쪽으로 밀어붙이며, 대화 상대끼리 서로를 인식하는 방식까지 바꿔놓았다는 걸34 발견했어요.

모델 자체에도 편향 문제가 있어요. Monash University의 2025년 연구는 일부러 중립적으로 설계한 프롬프트에서 수천 개의 어시스턴트 대화를 생성했는데, 일관된 쏠림을 발견했어요. 연구진의 표현을 그대로 빌리면 모델들은 “중립을 기대하는 상황에서조차 지나치게 예의 바르거나, 쾌활하거나, 조심스러운”35 쪽으로 기본값이 맞춰져 있고, 어조 분류기는 이 쏠림을 최대 macro-F1 0.92 점수로 감지해냈어요35. 쉽게 말하면, 기계에도 억양이 있는 거예요. 그 기계한테 보내는 모든 걸 다시 쓰게 놔두면, 당신도 그 억양으로 말하기 시작해요. NLP 분야에는 이 밑에 깔린 메커니즘을 가리키는 이름도 따로 있는데, 텍스트 스타일 전이라고 부르고, 이걸 다룬 서베이 논문도 한 무더기 있어요36. 그런데 그중 어느 것도 당신을 당신답게 만드는 게 뭔지는 학습하지 않았어요.

이 모든 것에서 제가 내린 결론은 이거예요. 네, 이게 누구의 결론인지는 염두에 두고 읽어주세요. 이 도구들은 거울로는 자주 쓰고, 대필 작가로는 어쩌다 한 번만 쓰라는 거예요. 보내기 전 어조 읽기는 Kruger 연구가 보여준 78 대 56 문제를 고쳐줘요. 반면 보내는 모든 걸 통째로 다시 쓰는 건 새로운 문제를 만들어요. 엄마가 답장한 게 로봇이라는 걸 눈치채는 문제요.

제가 고른다면

개인적인 메시지와 어려운 대화라면, 솔직한 후보는 Subtext 아니면 Goblin Tools예요. 진단과 다시 쓰기, 대화 맥락까지 한곳에서 내 말투 그대로 보고 싶다면 Subtext고, 무료에 한 가지 일만 하고 계정도 필요 없는 쪽을 원한다면 Goblin의 Judge와 Formalizer예요. 문서와 업무 이메일이라면 Grammarly의 감지 기능이 기준점이고, 늘어지는 글을 다듬는 데는 Hemingway를 더하세요. 이미 Apple이나 Microsoft 기기 안에서 산다면, 내장된 다시 쓰기 기능이 프리셋 어조 전환을 공짜로 해결해주니, 진짜 진단이 필요할 때만 전용 도구에 돈을 쓰면 돼요. 영업 아웃리치라면 Lavender, 받는 사람에 맞춘 메시지라면 Crystal, 채용 언어라면 Textio, 회사 전체의 브랜드 보이스라면 Writer예요. 돈은 없는데 궁금하기만 하다면, Sapling의 무료 체커와 Goblin Tools만으로도 이 개념을 공짜로 배울 수 있어요.

그리고 뭘 고르든, 마지막 말은 당신이 하세요. 위에 나온 연구들이 꽤 분명하게 말해주는 목표는 흠잡을 데 없이 예의 바른 모델처럼 들리는 게 아니라, 컨디션 좋은 날의 나답게 들리는 메시지예요.

“이 정도면 괜찮은 걸까?” 하는 그 순간을 너무 잘 안다면, Subtext는 바로 그 순간을 위해 만들어졌어요. 어조를 먼저 읽고, 잘못 전달될 수 있는 부분을 당신의 말로 고치도록 도와줘요.

이 글을 위해 AI 리서치 리포트 세 개를 합치고 검증이 안 되는 건 다 쳐냈지만, 그래도 살아남은 내용이 논쟁의 여지가 없다고 우기진 않을게요. 이 도구 중 하나를 만드신 분이 제가 부당하게 낮게 평가했다고 생각하시거나, 제가 찾은 네 개보다 더 잘 진단하는 체커를 알고 계시다면 저한테 알려주세요. 직접 써보고 글을 업데이트할게요.

Samet Durgun은 Subtext의 공동 창업자예요. 메시지에 담긴 감정의 어조를 잡아내서 당신다운 말투로 다시 써주는 앱을 만들어요. 베를린에 살아요.

출처

위의 모든 링크는 1차 출처가 있는 경우 그쪽으로 연결돼요. 인용 번호는 아래에 등장한 순서대로 매겨져 있어요.

어조가 어긋나는 이유

  1. Kruger, J., Epley, N., Parker, J., and Ng, Z. (2005). Egocentrism over e-mail: can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. DOI: 10.1037/0022-3514.89.6.925. 전문 PDF: web-docs.stern.nyu.edu
  2. American Psychological Association, Monitor on Psychology (2006년 2월). E-mails and egos. apa.org

도구들

  1. Subtext, 공식 사이트. subtext.it (기능 설명)
  2. Subtext: AI Writing Assistant, Apple App Store 페이지 (기능, 타깃 사용자, 인앱 구독 가격). apps.apple.com
  3. Subtext: AI Writing Assistant, Google Play 페이지 (사용 사례와 사용자 리뷰). play.google.com
  4. Subtext, 이용약관 및 개인정보처리방침. subtext.it
  5. Grammarly, Writing Tone Detector and Tone Suggestions. grammarly.com
  6. Grammarly 블로그, Meet Grammarly’s Tone Detector. grammarly.com
  7. VentureBeat (2019년 9월 24일). Grammarly uses AI to detect the tone and tenor of your writing. venturebeat.com
  8. Grammarly Support, Using the tone detector in the browser extension. support.grammarly.com
  9. Grammarly 블로그, Tone Detector for Mobile. grammarly.com
  10. Grammarly Business, Brand Tones. grammarly.com
  11. goblin.tools 소개 페이지, Autism Community Training에서 인용. actcommunity.ca
  12. Goblin Tools, 공식 Google Play 페이지. play.google.com
  13. Sapling, Tone Checker / Detector. sapling.ai
  14. Sapling, Tone Detection API 문서. sapling.ai
  15. Apple Support, How to use Writing Tools with Apple Intelligence. support.apple.com
  16. Apple Support, Use Writing Tools on Mac. support.apple.com
  17. Microsoft Support, Elevate your content with Copilot in Word. support.microsoft.com
  18. Wordtune, Free Online Rewriting Tool. wordtune.com
  19. Capterra, Wordtune 가격 정보 (2차 출처, 가격은 2026년 8월 기준). capterra.com
  20. Hemingway Editor Help, Rewriting text with AI tools. hemingwayapp.com
  21. Hemingway Editor 블로그 (2024년 3월 5일). Announcing powerful AI tools for adjusting tone and style. 4.hemingwayapp.com
  22. Crystal, Getting Started with the Crystal Writing Assistant. crystalknows.com
  23. Woodpecker (2026년 리뷰, 2차 출처, 가격은 2026년 8월 기준). Lavender AI Review. woodpecker.co
  24. Textio, 공식 사이트 (채용을 위한 증강 글쓰기, 편향과 어조 가이드). textio.com
  25. Writer, Introducing voice. writer.com
  26. LiveChatAI, Free AI Tone Checker. livechatai.com
  27. AskAI, AI Tone Checker. askai.free
  28. IBM Watson SDK 지원 종료 공지 (Tone Analyzer는 2022년 2월 24일 지원 종료 발표, 2023년 2월 24일 서비스 철수). cocoapods.org
  29. IBM, Watson Natural Language Processing tone classification block. dataplatform.cloud.ibm.com

AI와 함께 쓰기

  1. Hancock, J. T., Naaman, M., and Levy, K. (2020). AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations. Journal of Computer-Mediated Communication, 25(1), 89-100. academic.oup.com
  2. Jakesch, M., French, M., Ma, X., Hancock, J. T., and Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019. dl.acm.org
  3. Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M., and Hohenstein, J. (2021). AI-Mediated Communication: Language Use and Interpersonal Effects in a Referential Communication Task. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1). dl.acm.org
  4. Bodara, H., Mushfiq, M. M., and Siddiqui, I. F. (2025). Bias Beneath the Tone: Empirical Characterisation of Tone Bias in LLM-Driven UX Systems. UISE ’26 workshop (ACM). arxiv.org
  5. Jin, D., Jin, Z., Hu, Z., Vechtomova, O., and Mihalcea, R. (2022). Deep Learning for Text Style Transfer: A Survey. Computational Linguistics, 48(1), 155-205. direct.mit.edu