De fleste tonesjekkere sjekker aldri tonen din

Jeg ga nylig tre KI-forskningsagenter det samme oppdraget og spurte hvilke tonesjekkere som er de beste akkurat nå. Claude, ChatGPT og Gemini kom hver for seg tilbake med en lang, selvsikker rapport. De var uenige om mye, siterte noen kilder som ikke finnes, og en av dem diktet opp en sjarmerende opprinnelseshistorie om mitt eget selskap. Så jeg gjorde det jeg stadig sier til andre at de bør gjøre med KI-drevet research. Jeg beholdt strukturen, sporet hver eneste påstand tilbake til en primærkilde, og kuttet alt som ikke overlevde møtet med virkeligheten.

Dette er den sammenslåtte, verifiserte versjonen. Sytten verktøy, sortert etter jobben hvert av dem gjør, med kvitteringene nummerert nederst.

Kortene på bordet, fordi jeg er medgründer av ett av disse verktøyene

Subtext er mitt eget selskap, og det er med i dette innlegget. Det er en app som leser hvordan en personlig melding vil bli mottatt før den endrer noe som helst, og det betyr at sorteringsprinsippet denne artikkelen bygger på, diagnose før omskriving, bekvemt favoriserer mitt eget produkt. Vei alt jeg sier om det deretter.

For at dette likevel skal være nyttig, har jeg holdt mitt eget produkt til samme standard som alle de andre. Påstander kommer fra produktsider, dokumentasjon, butikkoppføringer eller fagfellevurdert forskning, og hver eneste én lenker ut til en nummerert kilde. Der en påstand bare finnes i en leverandørs markedsføring, sier jeg det rett ut. Og jeg kuttet det KI-agentene selvsikkert rapporterte, men som ingen kilde støtter, inkludert den smigrende opprinnelseshistorien (en «tidligere terapeut» skal visstnok ha bygget Subtext; ingen har gjort det, Anton er ingeniør, og jeg står for ordene).

En ekte tonesjekker diagnostiserer før den skriver om

Hvert eneste verktøy i dette feltet blir kalt en tonesjekker, men det gjemmer seg to helt forskjellige jobber under den samme merkelappen.

Diagnose forteller deg hvordan teksten din leses akkurat nå. Omskriving gjør den om til noe annet. Forskjellen høres akademisk ut helt til du ser den i et ekte utkast, så her er den slags lesning Subtext gir før det rører et eneste ord:

Utkast «Greit. Gjør som du vil.»

Leses avmålt · «gjør som du vil» leses som tilbaketrekning · lander som passivt når du sannsynligvis bare var sliten

Et omskrivingsverktøy gjør det uten å nøle om til «Høres bra ut, bare kjør på med det som passer deg best», en penere setning som ikke nevner noe av det. Et diagnostisk verktøy stopper deg først og viser deg lesningen ovenfor. Så snart du ser det, kan du bestemme deg for hva du vil gjøre med det. Kanskje mykner du det opp. Kanskje mente du skarpheten og lar den stå. Jeg har skrevet om hva en KI-meldingssjekker kan sjekke, og hvordan gjøre det selv.

Verktøyene som bare skriver om, hopper over det steget. De gir deg en penere setning uten noensinne å fortelle deg hva som var galt med din egen, og det er sånn folk ender opp med å sende polerte meldinger som fortsatt sier det gale. Derfor har jeg sortert feltet i verktøy som leser først, verktøy som bare skriver om, og verktøy som stemmer tonen din etter ett bestemt publikum.

I én e-poststudie forventet avsenderne at tonen skulle lande 78 % av gangene. Den landet 56 %.

Før verktøyene, grunnen til at de i det hele tatt finnes.

I 2005 publiserte Justin Kruger, Nicholas Epley og kolleger fem eksperimenter om tone i e-post¹ i Journal of Personality and Social Psychology. I én studie anslo avsendere at tonen deres (seriøs eller sarkastisk) ville komme fram omtrent 78 % av gangene. Mottakerne fikk den faktisk riktig 56 % av gangene², knapt bedre enn myntkast, og mottakerne var til og med sikrere enn avsenderne og trodde de hadde lest 89 % av meldingene riktig. Forfatternes diagnose, med deres egne ord¹:

Denne overdrevne selvsikkerheten springer ut av egosentrisme.

Du hører din egen melding med hele lydsporet av intensjonene dine. Leseren din får bare ordene på en skjerm. Det er også grunnen til at du ikke pålitelig kan avgjøre det innenfra om en melding høres frekk ut.

Tjue år senere er det funnet forretningsmodellen bak hvert eneste verktøy nedenfor.

Fire verktøy som leser tonen din før de rører et ord

Subtext

Subtext er verktøyet jeg er medgründer av, bygget for personlige meldinger heller enn dokumenter. Du limer inn et utkast, slipper inn et skjermbilde av samtalen, eller spiller inn et talenotat, og det leser hele samtalen før det sier noe som helst. Det markerer akkurat de ordene som kan virke harde, passive eller lette å misforstå, og setter så ord på følelsen som ligger under³. Etter lesningen skriver ett-trykks-justeringene (Varmere, Kortere, Mer uformell, Mer selvsikker)⁴ om meldingen med din egen formulering som utgangspunkt, og det sender aldri noe for deg.

Butikkteksten er rett fram om hvem den er for, og nevner folk som skriver om den samme meldingen fem ganger før de sender den, overtenkere, og alle som lurer på «høres dette ok ut?»⁴. Mange av de varmeste anmeldelsene kommer fra nevrodivergente brukere, de som en KI-tonesjekker for nevrodivergente voksne er laget for, særlig ADHD-brukere som mater den med lange, kaotiske utkast og får tilbake noe klart som fortsatt høres ut som dem selv⁵. Den funker på iOS, Android og en synkronisert nettapp, på 17+ språk, skrevet på ekte i stedet for oversatt. Gratis å prøve, deretter låser et abonnement opp resten. Jeg vil peke på to begrensninger. Den er bygget for meldinger, så lange dokumenter hører hjemme et annet sted, og de egne vilkårene sier rett ut at det er en skrive- og kommunikasjonshjelper, ikke terapi⁶, og at tekstene dine ikke brukes til å trene KI-modeller.

Grammarlys tonedetektor

Grammarly kjører den mest utbredte tonediagnosen i verden. Den identifiserer tonen i teksten din ut fra ordvalg, formuleringer, tegnsetting og til og med bruk av store bokstaver⁷, ved hjelp av en kombinasjon av regler og maskinlæring⁸. Da den ble lansert i 2019, kunne den navngi rundt 40 toner, fra vennlig og glad til aggressiv og irritert⁹. Den trenger litt tekst å jobbe med: rundt 150 tegn i nettleseren¹⁰, 90 på mobiltastaturet¹¹. Merkelappene er diagnosen; toneomskrivinger på setningsnivå ligger i de betalte nivåene. For bedrifter legger Grammarly Business til merkevaretoner, der administratorer velger blant mer enn 50 toner og merker dem som i tråd med merkevaren eller ikke¹² og alle blir dyttet i riktig retning i sanntid. Grammarly har siden lagt til Reader Reactions, en agent i Grammarly-dokumenter som simulerer hvordan en leser du velger, for eksempel sjefen din eller en kunde, kan tolke det du har skrevet¹³. Hvis skrivingen din foregår i dokumenter og jobb-e-post, er dette målestokken.

Goblin Tools (Judge og Formalizer)

Goblin Tools er en samling små, gratis KI-verktøy laget av den belgiske utvikleren Bram De Buyser, beskrevet på egen nettside som «små, enkle verktøy med bare én oppgave»¹⁴, bygget hovedsakelig for nevrodivergente mennesker. To av dem er relevante her. Judge fanger opp stemningen eller følelsen bak enhver melding du har mottatt, og Formalizer omformulerer teksten din umiddelbart til riktig tone¹⁵, med en «krydderskala» for hvor mye den endrer. Denne avkoderen for mottatte meldinger er sjelden; nesten alt annet i dette innlegget ser bare på det du selv sender. Nettsiden er gratis, og mobilappene er billige engangskjøp.

Sapling

Sapling er rettet mot kundestøtte- og salgsteam, og de publiserer den mest transparente tone-taksonomien i gruppen. Den gratis tonesjekkeren identifiserer mer enn 25 følelsesmessige toner (glede, forvirring, takknemlighet, frykt) på både setnings- og dokumentnivå¹⁶, og utvikler-API-en dekker 28 toner med sannsynligheter per setning¹⁷. Hvis du vil ha tonegjenkjenning bygget inn i ditt eget produkt, er dette den praktiske etterfølgeren til den gamle IBM-API-en vi begraver om litt.

Sju verktøy som skriver om til den tonen du velger

Disse er nyttige, og jeg bruker noen av dem selv, men bortsett fra Copilot i Outlook forteller ingen av dem deg hvordan det opprinnelige utkastet ditt leses. De gir deg rett og slett et annet utkast.

Apple Intelligence Writing Tools ligger på systemnivå og skriver om markert tekst til å bli mer profesjonell, vennlig eller kortfattet, nesten overalt hvor du kan skrive, inkludert i tredjepartsapper¹⁸, pluss et fritt «beskriv endringen din»-felt¹⁹. Gratis med iOS 18.1, iPadOS 18.1 eller macOS Sequoia 15.1 på støttet maskinvare. Tre forhåndsinnstillinger, null diagnose. Jeg sammenlignet hva Apple, Google, Grammarly og ChatGPT gjør med meldingene dine, funksjon for funksjon.

Microsofts Copilot gjør det samme inne i Office, der du merker tekst i Word, velger Rewrite og bruker menyen Adjust Tone (blant annet med alternativene Neutral, Casual og Concise)²⁰. Outlook er unntaket. Der gir e-postcoachingen i Copilot forslag om tone, klarhet og hvordan mottakeren kan oppleve et utkast²¹, noe som gjør den til det eneste verktøyet i denne gruppen som stiller en viss diagnose, og bare for jobb-e-post. Hva du får, avhenger av Microsoft-abonnementet ditt og hvilken Outlook du bruker, og jeg har ikke sett belegg for hvor treffsikker coachingen er.

Wordtune er den raskeste av de dedikerte omskrivingsverktøyene. Du merker en setning, trykker på Casual eller Formal, pluss Shorten og Expand²², og velger blant forslagene. Gratis nivå, med betalte planer fra rundt $7 i måneden ved årlig fakturering²³, per august 2026.

Hemingway Editor bygde navnet sitt på lesbarhet, ved å fargekode tette setninger og passiv form, noe som ligger nær tone uten å være tone i seg selv. Den betalte versjonen Hemingway Editor Plus legger til KI-omskriving, blant annet å justere markert tekst til å bli mer profesjonell eller vennlig²⁴ og egne verktøy for mer uformell, mer formell og mer overbevisende tekst²⁵. Fortsatt den beste kuren mot oppblåst prosa jeg kjenner til.

Tre raske. LanguageTool er det flerspråklige valget, en grammatikk- og stilsjekker på rundt 30 språk med en parafraseringsfunksjon i det betalte nivået; tone er en bieffekt her, ikke selve produktet. ProWritingAid er laget for lange manuskripter, en dyp stabel med stil- og lesbarhetsrapporter, uten noen direkte lesning av hvordan en tekstmelding vil lande. Og QuillBot er studentenes parafraseringsverktøy med forhåndsinnstilte moduser, Formal blant dem; det skriver flytende om og forteller deg ingenting om originalen din.

Fire verktøy som stemmer tonen din etter én bestemt leser

Denne gruppen svarer på et annet spørsmål. Hvordan bør jeg høres ut for akkurat denne personen, eller som akkurat denne bedriften?

Crystal profilerer mottakeren din med DISC-personlighetsmodellen, og deretter sjekker Writing Assistant ord, uttrykk, stil og tone i e-posten din i sanntid inne i Gmail eller Outlook, og styrer deg mot den personens kommunikasjonsstil²⁶. Jeg synes det er litt ubehagelig og av og til genialt, og det er tydelig bygget for salg.

Lavender er en coach for kalde e-poster som gir hvert utkast en poengsum fra 0 til 100 mens du skriver, med tone som en av faktorene, og foreslår rettelser knyttet til data om svarrate²⁷. Det finnes et gratis nivå med 5 e-poster i måneden, deretter planer fra $29 i måneden (per august 2026)²⁷. Hvis jobben din er oppsøkende salg, blir poengsummen fort en vane.

Textio²⁸ eier rekrutteringsnisjen, og flagger skjev eller ekskluderende språkbruk i stillingsannonser og prestasjonstilbakemeldinger, og vurderer hvordan språket vil lande hos kandidater. Og Writer jobber i bedriftsskala: last opp skriveprøver, så bygger den en stemmeprofil²⁹, slik at hele organisasjonens KI-output holder seg til én tone.

De gratis enkeltside-sjekkerne er greie nok, med ett forbehold

Utenom de store navnene finnes det en lang hale av gratis lim-inn-teksten-her-sider. Saplings gratis sjekker (over) er den troverdige. LiveChatAIs tonesjekker³⁰ identifiserer en dominerende tone og fremhever hvilke formuleringer som avgjorde vurderingen, bare gjenkjenning, ingen omskriving. AskAIs versjon³¹ pakker en chatmodell rundt en formalitetsscore fra 0 til 100 og flagger toneavvik i lange dokumenter, med et betalt nivå for tyngre bruk. Dem ville jeg stolt på til et bloggavsnitt eller et søknadsbrev.

Alt du limer inn på en gratis nettside, reiser til noens server, og de fleste av disse sidene sier lite om hva som skjer etterpå. Jeg ville limt inn et markedsføringsavsnitt uten å nøle, og jeg ville holdt en bruddmelding godt unna dem.

Tone-API-en alle pleide å sitere, er død

I et tiår betydde «tonesjekking» i teknisk forstand IBM Watson Tone Analyzer, API-en bak utallige demoer og forskningsartikler. Den er borte. IBM kunngjorde utfasingen 24. februar 2022, og tjenesten ble stengt 24. februar 2023³². Det som er igjen, er en liten ferdigbygd modell for toneklassifisering inne i Watsons Natural Language-verktøykasse³³, som dekker engelsk og fransk med en kort liste over kategorier som oppspilt, frustrert, uhøflig, høflig, trist, tilfreds og medfølende.

Jeg tar med nekrologen fordi den forklarer markedet. Æraen med frittstående tone-API-er tok slutt, og energien flyttet seg inn i assistentene over og inn i store språkmodeller som skriver om hva som helst på forespørsel. Som bringer oss til den ubehagelige delen.

Hva forskningen sier om å la KI røre ordene dine

Selve omskrivingen er nå triviell. Konsekvensene er mindre ryddige, og det finnes reell forskningslitteratur om dem.

Forskere kaller det KI-mediert kommunikasjon: når et KI-system endrer, utvider eller genererer meldinger mellom mennesker³⁴, slik Jeff Hancock, Mor Naaman og Karen Levy definerte det i 2020. Hovedfunnet kom et år tidligere, i en CHI-studie av Airbnb-vertsprofiler, der Jakeschs team fant at lesere vurderte tekst de trodde var KI-skrevet, som mindre troverdig³⁵. En oppfølgingsstudie av KI-genererte hurtigsvar fant at forslagene endret språket folk faktisk produserte, dyttet det mot det positive, og påvirket hvordan samtalepartnere oppfattet hverandre³⁶. Jeg har gått grundigere gjennom det separat, i om KI-verktøy som skriver om meldinger, faktisk fungerer.

Det finnes også et bias-problem i selve modellene. En studie fra Monash University i 2025 genererte tusenvis av assistentdialoger fra bevisst nøytrale prompter og fant en gjennomgående skjevhet. Modellene faller som standard til å høres, med forskernes egne ord, «overdrevent høflige, muntre eller forsiktige selv når nøytralitet er forventet»³⁷, der toneklassifiserere oppdager skjevheten med makro-F1-skårer på opptil 0,92³⁷. Maskinene har en aksent. Lar du en av dem skrive om alt du sender, begynner du selv å snakke med den aksenten. NLP-feltet har til og med et navn på mekanikken bak, tekststiloverføring, med en hel egen oversiktslitteratur³⁸, og ingenting av det er trent på hva som får deg til å høres ut som deg. Den aksenten er grunnen til at Subtext beholder formuleringen din som utgangspunkt i stedet for å bruke en husstil.

Min konklusjon av alt dette er å bruke disse verktøyene som et speil først og som en spøkelseskriver sjelden, og ja, legg merke til hvem sin konklusjon det er. En tonelesning før du sender, tar tak i 78/56-problemet fra Kruger-studien, selv om den fortsatt er en gjetning utenfra. I en ACL-studie fra 2025 traff både menneskelige lesere og språkmodeller bare delvis følelsene skribentene selv sa de hadde³⁹, så behandle enhver sjekkers lesning, også min, som en ekstra vurdering. En full omskriving av alt du sender, skaper et nytt problem, det der moren din kan merke at en robot svarte for deg.

Slik ville jeg valgt

For personlige meldinger og vanskelige samtaler er min shortliste Subtext eller Goblin Tools. Subtext hvis du vil ha diagnosen, omskrivingen og samtalekonteksten på ett sted, med stemmen din bevart; Judge og Formalizer fra Goblin hvis du vil ha noe gratis, som gjør én ting, uten konto. For dokumenter og jobb-e-post er Grammarlys detektor målestokken, med Hemingway som redigeringen mot oppblåst tekst. Bruker du Apple-maskinvare, dekker Writing Tools forhåndsinnstilte toneskift uten ekstra kostnad, og hvis jobben din allerede betaler for Copilot, gir coachingen i Outlook jobb-e-post en enkel lesning. Du betaler bare for et dedikert verktøy når du trenger ekte diagnose. Til salgsoppsøk tar du Lavender, til mottakertilpassede meldinger Crystal, til rekrutteringsspråk Textio, og til merkevarestemme på tvers av hele bedriften Writer. Blakk og nysgjerrig? Saplings gratis sjekker pluss Goblin Tools lærer deg konseptet helt gratis.

Og uansett hvilket du velger: behold det siste ordet. Forskningen over er ganske klar på at målet er en melding som høres ut som deg på en god dag, ikke som en modell med feilfrie manerer.

Hvis øyeblikket med «høres dette ok ut?» er det du kjenner altfor godt, er det akkurat det øyeblikket Subtext ble bygget for. Lim inn utkastet eller ta skjermbilde av tråden så den leser begge sidene, og den navngir hva meldingen din skal signalisere og viser ordene som gjør det, og tilbyr versjoner som fortsatt høres ut som deg. Prøv Subtext i nettleserenLast ned appenPrøv Subtext i nettleseren

---

Jeg slo sammen tre KI-forskningsrapporter til dette innlegget og kuttet det som ikke holdt mål, men jeg later ikke som om de som overlevde er hevet over enhver tvil. Lager du et av disse verktøyene og synes jeg har underselt ditt, eller kjenner du til en sjekker som diagnostiserer bedre enn de fire jeg fant, så si ifra, så tester jeg det og oppdaterer innlegget.

Samet Durgun er medgründer av Subtext, en app som fanger opp den følelsesmessige tonen i meldingene dine og skriver dem om med din egen stemme. Han bor i Berlin.

Kilder

Hver lenke over går til primærkilden, der en slik finnes. Kildene er nummerert under, i den rekkefølgen de opptrer i teksten.

Hvorfor tonen svikter

1. Kruger, J., Epley, N., Parker, J. og 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. Åpen PDF:
2. American Psychological Association, Monitor on Psychology (februar 2006). E-mails and egos.

Verktøyene

3. Subtext, offisiell nettside. (funksjonsbeskrivelser)
4. Subtext: AI Writing Assistant, Apple App Store-siden (funksjoner, målgruppe, priser på abonnement i appen).
5. Subtext: AI Writing Assistant, Google Play-siden (brukstilfeller og brukeranmeldelser).
6. Subtext, Vilkår og personvern.
7. Grammarly, Writing Tone Detector and Tone Suggestions.
8. Grammarly-bloggen, Meet Grammarly’s Tone Detector.
9. VentureBeat (24. september 2019). Grammarly uses AI to detect the tone and tenor of your writing.
10. Grammarly Support, Using the tone detector in the browser extension.
11. Grammarly-bloggen, Tone Detector for Mobile.
12. Grammarly Business, Brand Tones.
13. Grammarly Support, Reader Reactions user guide (sjekket september 2026).
14. goblin.tools About, sitert via Autism Community Training.
15. Goblin Tools, offisielle Google Play-siden.
16. Sapling, Tone Checker / Detector.
17. Sapling, dokumentasjon for Tone Detection API.
18. Apple Support, How to use Writing Tools with Apple Intelligence.
19. Apple Support, Use Writing Tools on Mac.
20. Microsoft Support, Elevate your content with Copilot in Word.
21. Microsoft Support, Get email coaching with Copilot in Outlook (sjekket september 2026).
22. Wordtune, Free Online Rewriting Tool.
23. Capterra, Wordtune-priser (sekundærkilde; priser per august 2026).
24. Hemingway Editor Help, Rewriting text with AI tools.
25. Hemingway Editor-bloggen (5. mars 2024). Announcing powerful AI tools for adjusting tone and style.
26. Crystal, Getting Started with the Crystal Writing Assistant.
27. Woodpecker (anmeldelse 2026; sekundærkilde, priser per august 2026). Lavender AI Review.
28. Textio, offisiell nettside (Augmented Writing for rekruttering; veiledning om bias og tone).
29. Writer, Introducing voice.
30. LiveChatAI, Free AI Tone Checker.
31. AskAI, AI Tone Checker.
32. IBM Watson SDK, varsel om utfasing (Tone Analyzer faset ut 24. februar 2022, trukket tilbake 24. februar 2023).
33. IBM, Watson Natural Language Processing tone classification block.

Å skrive med KI

34. Hancock, J. T., Naaman, M. og Levy, K. (2020). AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations. Journal of Computer-Mediated Communication, 25(1), 89-100.
35. Jakesch, M., French, M., Ma, X., Hancock, J. T. og Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019.
36. Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M. og 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).
37. Bodara, H., Mushfiq, M. M. og Siddiqui, I. F. (2025). Bias Beneath the Tone: Empirical Characterisation of Tone Bias in LLM-Driven UX Systems. UISE ’26 workshop (ACM).
38. Jin, D., Jin, Z., Hu, Z., Vechtomova, O. og Mihalcea, R. (2022). Deep Learning for Text Style Transfer: A Survey. Computational Linguistics, 48(1), 155-205.
39. Li, J., Zhou, Y., Narayanan Venkit, P., Islam, H. B., Arya, S., Wilson, S. og Rajtmajer, S. (2025). Can Third Parties Read Our Emotions? Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 21478-21499.