De flesta tonkollare kollar aldrig din ton

Jag körde nyligen samma fråga genom tre AI-forskningsagenter: vilka är de bästa tonkollarna just nu? Claude, ChatGPT och Gemini kom alla tillbaka med en lång, självsäker rapport. De var oense om det mesta, citerade källor som inte finns, och en av dem hittade på en charmig ursprungshistoria om mitt eget företag. Så jag gjorde det jag alltid säger åt andra att göra med AI-research. Jag behöll strukturen, spårade varje påstående till en primärkälla, och strök allt som inte överlevde mötet med verkligheten.

Det här är den sammanslagna, verifierade versionen. Sjutton verktyg, sorterade efter jobbet de faktiskt gör, med kvittona numrerade längst ner.

Jävet öppet på bordet: jag är medgrundare till ett av de här verktygen

Subtext är mitt företag, och det finns med i det här inlägget. Väg allt jag säger om det därefter.

För att det här ändå ska vara användbart höll jag min egen produkt till samma standard som alla andras: påståenden kommer från produktsidor, dokumentation, listningar i appbutiker eller kollegialt granskad forskning, och vart och ett länkar ut till en numrerad källa. Där ett påstående bara finns i en leverantörs marknadsföring säger jag det. Och jag strök det AI-agenterna självsäkert rapporterade men som ingen källa stöder, inklusive den smickrande ursprungshistorien (en ”före detta terapeut” ska visst ha byggt Subtext; ingen gjorde det, Anton är ingenjör och jag gör orden).

En riktig tonkollare diagnostiserar innan den skriver om

Alla verktyg i det här fältet kallas tonkollare, men det gömmer sig två olika jobb under en och samma etikett.

Diagnos berättar hur din text läses just nu. Omskrivning ändrar den till något annat. Skillnaden låter akademisk tills du tittar på ett riktigt utkast. Ta ”Visst. Gör som du vill.” En omskrivare gör glatt om det till ”Låter bra, kör på det som passar dig bäst.” Ett diagnostiskt verktyg stoppar dig först: ”Visst.” läses som avhugget, ”gör som du vill” läses som tillbakadragande, och helheten landar som passiv när du förmodligen menade trött. När du väl ser det kan du bestämma vad du vill göra åt det. Kanske mjukar du upp det. Kanske menade du udden och behåller den.

Verktygen som bara skriver om hoppar över det steget. De ger dig en snyggare mening utan att någonsin berätta vad som var fel med din, vilket är hur folk hamnar i att skicka polerade meddelanden som ändå säger fel sak. Så det är så jag har sorterat fältet: verktyg som läser först, verktyg som bara skriver om, och verktyg som finjusterar din ton till en specifik publik.

Du tror att din ton landar 78 % av gångerna. Den landar 56 %.

Innan verktygen, anledningen till att de finns.

År 2005 publicerade Justin Kruger, Nicholas Epley och kollegor fem experiment om ton i mejl¹ i Journal of Personality and Social Psychology. I en studie förutspådde avsändare att deras ton (allvarlig eller sarkastisk) skulle nå fram ungefär 78 % av gångerna. Mottagarna hade faktiskt rätt 56 % av gångerna², knappt bättre än en slantsingling, och mottagarna kände sig nästan lika säkra som avsändarna. Författarnas diagnos, i deras egna ord¹:

Den här överdrivna säkerheten föds ur egocentrism.

Du hör ditt eget meddelande med hela soundtracket av dina avsikter. Din läsare får orden på en skärm.

Tjugo år senare är det fyndet den tysta affärsmodellen bakom varje verktyg här nedan.

Fyra verktyg som läser din ton innan de rör ett ord

Subtext

Subtext är verktyget jag är medgrundare till, byggt för personliga meddelanden snarare än dokument. Du klistrar in ett utkast, släpper in en skärmdump av konversationen, eller spelar in en röstanteckning, och den läser hela utbytet innan den säger något. Den markerar exakt de ord som kan kännas hårda, passiva eller lätta att missförstå, och sätter sedan namn på känslan under ytan³. Efter läsningen justerar du med ett tryck (Varmare, Kortare, Mer avslappnad, Lägg till självförtroende)⁴, och meddelandet skrivs om med din formulering som utgångspunkt. Den skickar aldrig något åt dig.

Butikstexten är rak på sak om vem den är för: folk som skriver om samma meddelande fem gånger innan de skickar, övertänkare, och alla som undrar ”låter det här okej?”⁴. En stor del av de varmaste omdömena kommer från neurodivergenta användare, särskilt ADHD-användare som matar in långa, kaotiska utkast och får tillbaka något tydligt som ändå låter som dem själva⁵. Den funkar på iOS, Android och en synkad webbapp, på 14 språk skrivna på språket i stället för översatta. Gratis att testa, sedan låser en prenumeration upp resten. Två ärliga begränsningar: den är byggd för meddelanden, så längre dokument hör hemma någon annanstans, och dess egna villkor säger rakt ut att det är en kommunikationsassistent, inte terapi⁶, och att dina texter aldrig används för att träna AI-modeller.

Grammarlys tondetektor

Grammarly kör den mest utbredda tondiagnosen i världen. Den identifierar tonen i din text utifrån ordval, formuleringar, skiljetecken och till och med versaler⁷, med en kombination av regler och maskininlärning⁸. När den lanserades 2019 kunde den namnge omkring 40 toner, från vänlig och glad till aggressiv och irriterad⁹. Den behöver lite text att jobba med: omkring 150 tecken i webbläsaren¹⁰, 90 på mobiltangentbordet¹¹. Etiketterna är diagnosen; tonomskrivningar på meningsnivå ligger i de betalda nivåerna. För företag lägger Grammarly Business till varumärkestoner: administratörer väljer bland fler än 50 toner och märker dem som varumärkesenliga eller inte¹², och alla får en knuff i realtid. Om din text lever i dokument och jobbmejl är det här riktmärket.

Goblin Tools (the Judge and the Formalizer)

Goblin Tools är en samling små, gratis AI-verktyg av den belgiska utvecklaren Bram De Buyser, beskrivna på den egna sajten som ”små, enkla verktyg för en enda uppgift”¹³, byggda mest för neurodivergenta personer. Två av dem spelar roll här. The Judge känner av stämningen eller känslan bakom vilket meddelande du än fått, och the Formalizer skriver om din text direkt till rätt ton¹⁴, med ett reglage för hur ”kryddig” omskrivningen är. En avkodare för mottagarsidan är genuint sällsynt bland de här verktygen; nästan allt annat i det här inlägget tittar bara på det du skickar. Webbplatsen är gratis och mobilapparna är billiga engångsköp.

Sapling

Sapling riktar sig till kundtjänst- och säljteam, och den publicerar den mest transparenta tontaxonomin i gruppen. Dess gratis tonkollare identifierar fler än 25 känslomässiga toner (glädje, förvirring, tacksamhet, rädsla) på både menings- och dokumentnivå¹⁵, och utvecklar-API:et täcker 28 toner med sannolikheter per mening¹⁶. Vill du ha tondetektering inuti din egen produkt snarare än en app är det här den praktiska efterträdaren till det gamla IBM-API:et vi begraver om en stund.

Sju verktyg som skriver om till vilken ton du än väljer

De här är användbara och jag använder några av dem, men ingen av dem berättar hur ditt ursprungliga utkast läses. De ger dig ett annat utkast i stället.

Apple Intelligence Writing Tools sitter på systemnivå och skriver om markerad text till mer professionell, vänlig eller kortfattad, nästan överallt du kan skriva, även i tredjepartsappar¹⁷, plus en fri ruta för ”beskriv din ändring”¹⁸. Gratis med iOS 18.1, iPadOS 18.1 eller macOS Sequoia 15.1 på hårdvara som stöds. Tre förinställningar, noll diagnos.

Microsofts Copilot gör motsvarande inuti Office: markera text i Word, välj Skriv om, och använd menyn Justera ton (Neutral, Avslappnad och Kortfattad bland alternativen)¹⁹. Du behöver en Copilot-licens, och igen ändrar den tonen utan att någonsin namnge din.

Wordtune är den snabbaste av de dedikerade omskrivarna: markera en mening, tryck på Casual eller Formal, plus Shorten och Expand²⁰, och välj bland förslagen. Gratisnivå, med betalda planer från omkring 7 dollar i månaden, fakturerat årsvis²¹, i augusti 2026.

Hemingway Editor byggde sitt namn på läsbarhet, med färgkodning av snåriga meningar och passiv form, vilket ligger nära ton utan att vara ton i sig. Den betalda Hemingway Editor Plus lägger till AI-omskrivning, inklusive att justera markerad text till mer professionell eller vänlig²² och dedikerade verktyg för mer avslappnad, mer formell och mer övertygande text²³. Fortfarande det bästa botemedlet mot uppsvälld prosa jag känner till.

Tre snabba till. LanguageTool är flerspråksvalet, en grammatik- och stilkollare på omkring 30 språk med en omformulerare i den betalda nivån; ton är en bieffekt här, inte själva produkten. ProWritingAid är för längre manus, en djup stapel av stil- och läsbarhetsrapporter snarare än en direktavläsning av hur ett sms kommer landa. Och QuillBot är studenternas omformulerare med förinställda lägen, Formal bland dem; den skriver om flytande och berättar ingenting om ditt original.

Fyra verktyg som anpassar din ton till en specifik läsare

Den här gruppen svarar på en annan fråga: hur ska jag låta för just den här personen, eller som just det här företaget.

Crystal profilerar din mottagare med DISC-personlighetsmodellen, och dess Writing Assistant kollar orden, fraserna, stilen och tonen i ditt mejl i realtid inuti Gmail eller Outlook och styr dig mot den personens kommunikationsstil²⁴. Den är lite obehaglig och ibland lysande, och den är väldigt tydligt byggd för sälj.

Lavender är en coach för kalla mejl: den poängsätter varje utkast från 0 till 100 medan du skriver, med ton som en av faktorerna, och föreslår fixar kopplade till svarsfrekvensdata²⁵. Det finns en gratisnivå på 5 mejl i månaden, sedan planer från 29 dollar i månaden (i augusti 2026)²⁵. Är ditt jobb uppsökande blir poängen snabbt en vana.

Textio²⁶ äger rekryteringsnischen, flaggar partiskt eller exkluderande språkbruk i jobbannonser och prestationsfeedback och poängsätter hur språket kommer landa hos kandidater. Och Writer funkar på företagsnivå: ladda upp skrivprover så bygger den en röstprofil²⁷ så att en hel organisations AI-output håller samma ton.

De gratis kollsidorna duger, med en brasklapp

Bortom de stora namnen finns en lång svans av gratis klistra-in-din-text-här-sidor. Saplings gratiskollare (ovan) är den trovärdiga. LiveChatAIs tonkollare²⁸ identifierar en dominerande ton och markerar vilka fraser som avgjorde bedömningen, bara detektering, inga omskrivningar. AskAIs version²⁹ lindar en chattmodell runt ett formalitetsvärde från 0 till 100 och flaggar tondrift över långa dokument, med en betald nivå för tyngre användning. Bra för ett blogginlägg eller ett personligt brev.

Brasklappen: allt du klistrar in på en gratis webbsida reser till någons server, och de flesta av de här sidorna säger lite om vad som händer sen. Jag skulle klistra in ett marknadsföringsstycke utan att tveka en sekund, och jag skulle hålla ett sms om att göra slut långt borta från dem.

Ton-API:et som alla brukade citera är dött

I ett decennium betydde ”tonkoll” i teknisk mening en enda sak: IBM Watson Tone Analyzer, API:et bakom otaliga demos och forskningsartiklar. Det är borta. IBM meddelade avvecklingen den 24 februari 2022, och tjänsten stängdes av den 24 februari 2023³⁰. Det som återstår är en liten färdigbyggd tonklassificeringsmodell inuti Watsons Natural Language-verktygslåda³¹, som täcker engelska och franska med en kort lista kategorier som entusiastisk, frustrerad, oartig, artig, ledsen, nöjd och medkännande.

Jag tar med dödsrunan för att den förklarar marknaden. Eran med fristående ton-API:er tog slut, och energin flyttade in i assistenterna ovan och in i stora språkmodeller som skriver om vad som helst på begäran. Vilket för oss till den obekväma delen.

Vad forskningen säger om att låta AI röra dina ord

Omskrivningsdelen är numera trivial. Konsekvenserna är mindre städade, och det finns en riktig litteratur om dem.

Forskare kallar det AI-medierad kommunikation: när ett AI-system ändrar, förstärker eller genererar meddelanden mellan människor³², så som Jeff Hancock, Mor Naaman och Karen Levy definierade det 2020. Huvudfyndet kom ett år tidigare: i en CHI-studie av Airbnb-värdars profiler bedömdes text som läsare trodde var AI-skriven som mindre pålitlig³³. En uppföljande studie om AI:s smarta svarsförslag fann att förslagen ändrade språket människor faktiskt producerade, knuffade det mot det positiva, och förändrade hur samtalspartner uppfattade varandra³⁴.

Det finns också ett bias-problem i själva modellerna. En studie från 2025 vid Monash University genererade tusentals assistentdialoger utifrån medvetet neutrala prompter och hittade en konsekvent slagsida: modellerna faller tillbaka på att låta, i forskarnas egna ord, ”överdrivet artiga, glada eller försiktiga även när neutralitet förväntas”³⁵, med tonklassificerare som upptäcker slagsidan vid macro-F1-poäng upp till 0,92³⁵. Enkelt uttryckt har maskinerna en brytning. Låter du en skriva om allt du skickar börjar du prata med den brytningen också. NLP-fältet har till och med ett namn för maskineriet under ytan, textstilöverföring, med en hel egen översiktslitteratur³⁶, och ingenting av det är tränat på vad som får dig att låta som dig.

Min slutsats av allt det här, och ja, lägg märke till vems slutsats det är: använd de här verktygen som en spegel först och en spökskrivare sällan. En tonläsning innan du skickar löser 78/56-problemet från Kruger-studien. En fullständig omskrivning av allt du skickar skapar ett nytt problem, det där din mamma kan höra att en robot svarade åt dig.

Så skulle jag välja

För personliga meddelanden och svåra samtal är den ärliga kortlistan Subtext eller Goblin Tools. Subtext om du vill ha diagnosen, omskrivningen och konversationssammanhanget på ett och samma ställe med din röst bevarad; Goblins Judge och Formalizer om du vill ha gratis, en enda uppgift och inget konto. För dokument och jobbmejl är Grammarlys detektor riktmärket, med Hemingway som redigeringen mot uppsvälld text. Använder du redan Apple- eller Microsoft-hårdvara täcker de inbyggda omskrivarna förinställda tonskiften utan kostnad, och du betalar bara för ett dedikerat verktyg när du behöver riktig diagnos. För säljutskick ta Lavender, för mottagaranpassade meddelanden Crystal, för rekryteringsspråk Textio, och för varumärkesröst i hela företaget Writer. Pank och nyfiken? Saplings gratiskollare plus Goblin Tools lär dig konceptet gratis.

Och oavsett vilket du väljer, behåll det sista ordet. Forskningen ovan är ganska tydlig med att målet är ett meddelande som låter som du på en bra dag, inte som en modell med felfria manér.

Om ögonblicket ”låter det här okej?” är det du känner alldeles för väl, är det precis det ögonblicket Subtext byggdes för. Den läser tonen först och hjälper dig fixa det som kan landa fel, med dina egna ord.

---

Jag slog ihop tre AI-forskningsrapporter för det här inlägget och strök det som inte höll, men jag ska inte låtsas att det som blev kvar är bortom all diskussion. Bygger du ett av de här verktygen och tycker jag sålt ditt för kort, eller känner du till en kollare som diagnostiserar bättre än de fyra jag hittade, säg till så testar jag den och uppdaterar inlägget.

Samet Durgun är medgrundare till Subtext, en app som fångar den känslomässiga tonen i dina meddelanden och skriver om dem med din egen röst. Han bor i Berlin.

Källor

Varje länk ovan går till primärkällan, där en sådan finns. Källorna är numrerade nedan, i den ordning de förekommer.

Varför tonen brister

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. Öppen PDF: web-docs.stern.nyu.edu
2. American Psychological Association, Monitor on Psychology (februari 2006). E-mails and egos. apa.org

Verktygen

3. Subtext, officiell webbplats. subtext.it (funktionsbeskrivningar)
4. Subtext: AI Writing Assistant, Apple App Store-sidan (funktioner, målgrupp, priser för prenumeration i appen). apps.apple.com
5. Subtext: AI Writing Assistant, Google Play-sidan (användningsfall och användaromdömen). play.google.com
6. Subtext, villkor och integritet. subtext.it
7. Grammarly, tondetektor för skrivande och tonförslag. grammarly.com
8. Grammarly-bloggen, Meet Grammarly’s Tone Detector. grammarly.com
9. VentureBeat (24 september 2019). Grammarly uses AI to detect the tone and tenor of your writing. venturebeat.com
10. Grammarly Support, Using the tone detector in the browser extension. support.grammarly.com
11. Grammarly-bloggen, Tone Detector for Mobile. grammarly.com
12. Grammarly Business, Brand Tones. grammarly.com
13. goblin.tools, om-sidan, citerad via Autism Community Training. actcommunity.ca
14. Goblin Tools, officiell Google Play-sida. play.google.com
15. Sapling, tonkollare / detektor. sapling.ai
16. Sapling, dokumentation för Tone Detection API. sapling.ai
17. Apple Support, How to use Writing Tools with Apple Intelligence. support.apple.com
18. Apple Support, Use Writing Tools on Mac. support.apple.com
19. Microsoft Support, Elevate your content with Copilot in Word. support.microsoft.com
20. Wordtune, gratis verktyg för omskrivning online. wordtune.com
21. Capterra, Wordtune-priser (sekundärkälla; priser i augusti 2026). capterra.com
22. Hemingway Editor Help, Rewriting text with AI tools. hemingwayapp.com
23. Hemingway Editor-bloggen (5 mars 2024). Announcing powerful AI tools for adjusting tone and style. 4.hemingwayapp.com
24. Crystal, Getting Started with the Crystal Writing Assistant. crystalknows.com
25. Woodpecker (2026 års recension; sekundärkälla, priser i augusti 2026). Lavender AI Review. woodpecker.co
26. Textio, officiell webbplats (Augmented Writing för rekrytering; vägledning om bias och ton). textio.com
27. Writer, Introducing voice. writer.com
28. LiveChatAI, gratis AI-tonkollare. livechatai.com
29. AskAI, AI-tonkollare. askai.free
30. IBM Watson SDK, meddelande om avveckling (Tone Analyzer avvecklat 24 februari 2022, avstängt 24 februari 2023). cocoapods.org
31. IBM, klassificeringsblock för ton i Watson Natural Language Processing. dataplatform.cloud.ibm.com

Att skriva med AI

32. 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
33. 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
34. 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
35. 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
36. 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