AI 语气检查工具哪款好：2026年17款横向对比

前阵子，我给三个 AI 研究智能体布置了同一个任务：眼下最好的语气检查工具有哪些？Claude、ChatGPT 和 Gemini 各交回一份又长又笃定的报告。它们在很多地方说法不一，引用了一些根本不存在的来源，其中一份还替我自己的公司编了一段挺动听的创业故事。于是我照着自己一直劝别人的做法来处理这几份报告：保留结构，把每条说法追溯到原始来源，经不起现实检验的，一律删掉。

这是合并并核实之后的版本。我按每款工具实际承担的工作，把十七款工具分了类，出处按编号列在文末。

先亮明利益关系：这些工具里有一款是我联合创办的

Subtext 这款应用出自我的公司，也出现在这篇文章里。它的做法是：先判断一条个人消息对方读到后的效果，之后才动手改写。这意味着，全文依据的分类原则，即先诊断、后改写，恰好对我自己的产品有利。所以我对它说的每一句话，都请你自己掂量。

为了让这篇文章仍然有用，我拿同一把尺子量自己的产品和其他所有产品。我采用的说法都来自产品页面、官方文档、应用商店的介绍页或经同行评议的研究，每一条都附有编号的来源链接。如果某个说法只存在于厂商的宣传里，我会直说。AI 智能体信誓旦旦地报告、却找不到任何来源支持的内容，我也都删掉了，包括那段动听的创业故事（据说 Subtext 是一位“前心理治疗师”做的；其实没有这回事：团队里的 Anton 是工程师，写文字的是我）。

先说结论

要写个人消息、应付难开口的对话，有两款工具最突出：Subtext 会先读你的草稿和它所在的整段对话，再动手改写；Goblin Tools 免费，只做一件事，也不用注册账号。写文档和工作邮件，先从 Grammarly 的语气检测功能用起。已经有苹果设备的话，系统自带的 Writing Tools 就能免费切换几种预设语气。为什么这样选，以及销售、招聘和品牌口吻方面的工具，下文都会讲到，完整的候选名单在文末。

真正的语气检查工具，先诊断，再改写

人们把这个领域的工具统称为语气检查工具，可这个名字底下，其实藏着两件不同的事。

诊断告诉你，你的文字现在读起来是什么样；改写则把它变成别的样子。这个区别听上去像咬文嚼字，直到你看到一份具体的草稿。下面就是 Subtext 在改动任何一个字之前给出的那种解读。我拿一段编出来的对话跑过一次，话题是搭早一班还是晚一班的火车。Jo 问“你想坐早一点的那趟火车，还是晚一点的那趟？”，回复的草稿是“随便。你想怎样就怎样吧。”Subtext 没有动笔改，先点出两个问题。一个是“消极回应”，说明里写道，这句话“可能被读成不耐烦或赌气”；另一个是“过于简短”，说明里指出，这样的回复“会让对方觉得你不想参与决定”。它把情绪命名为“冷淡”，理由是这条回复“听起来有点无所谓”。接下来它没有给出任何版本，而是先说“Jo问的是早班还是晚班”，指出你的回复没有给出选择，接着说“我不想替你随便挑一个”，所以先问写的人一句，并列出“早一点的”“晚一点的”“真的都行”三个可以点选的选项。以上是应用的真实输出，没有改动。这次运行没有走到交出版本那一步，所以没法拿某个版本去和改写工具的成品比较；它能说明的是读在前、写在后：读完发现缺的是一个只有写的人才答得上的决定，它就先停下来问。

要回复的内容…… Jo：你想坐早一点的那趟火车，还是晚一点的那趟？

随便。你想怎样就怎样吧。

消极回应: “随便。你想怎样就怎样吧。”可能被读成不耐烦或赌气,也没有回答Jo的选择题。
过于简短: 回复很短,会让对方觉得你不想参与决定。
冷淡: 你的回复听起来有点无所谓,甚至带着一点不耐烦。

Jo问的是早班还是晚班,而你的回复没有给出选择。我不想替你随便挑一个,所以先问问你:

改写工具会很乐意直接把它润色成一句更顺耳的话，却对上面这些只字不提。诊断型的工具会先拦住你，把真实的解读摆在你面前，这一次它甚至先停下来问了一句。看到之后，你再决定怎么办。也许你把语气放软，也许你本来就想带点锋芒，那就留着。我另外写过一篇，讲AI 消息检查工具能查出什么，你自己又该怎么查。

只会改写的工具跳过了这一步。它们递给你一句更好听的话，却从不告诉你原来那句哪里不对，所以人们才会发出措辞很漂亮、意思却仍然不对的消息。因此我把这个领域分成三类：先读语气的工具，只管改写的工具，以及针对某个特定对象调整语气的工具。

在一项邮件研究中，发送者预计78%的时候对方能读对自己的语气，实际只有56%

在介绍工具之前，先说说它们为什么会存在。

2005年，Justin Kruger、Nicholas Epley 等人在《Journal of Personality and Social Psychology》上发表了关于电子邮件语气的五项实验¹。在其中一项研究中，发送者预测，自己的语气（认真还是讽刺）大约有78%的时候能被读对，而接收者实际读对的只有56%²，只比抛硬币好一点点；接收者比发送者还要笃定，以为自己读对了89%的消息。作者自己的诊断，原话（中文为译文）如下¹：

这种过度自信源于自我中心。

你读自己写的消息时，脑子里还带着当时的全部用意，像有一段背景音乐在响；而你的读者拿到的，只有屏幕上的字。这也是为什么你很难单凭自己判断，一条消息听起来是不是显得无礼。

二十年后，这个发现成了下面每一款工具的商业模式。

四款先读你的语气、再动手改字的工具

Subtext

Subtext 是我联合创办的工具，针对的是个人消息，而不是文档。你可以粘贴一份草稿，贴入对话的截图，或者录一段语音备忘，它会先把整段对话读完，再开口。它会标出可能显得生硬、被动或容易被误读的具体词语，再说出底下的情绪³。读完之后，有几个一键调整，分别是“更温暖”、“更简短”、“更随意”和“更自信”⁴，它们会以你自己的措辞为起点改写这条消息，而且 Subtext 从不替你发出任何内容。

Subtext 最多会给一份草稿标出三个问题，从48种触发点里选，点按标签就能看到原因。我拿一份编出来的草稿“I guess that works.”（大意：行吧，那就这样）跑了一次。它返回的标签是“Mixed messages”（矛盾信号）和“Passive-aggressive”（被动攻击），并把情绪标为“Reluctance”（不情愿）。第一个标签的说明写道，这句话“says yes but sounds unsure, so the other person can’t tell if you’re really on board”（大意：嘴上说行，听起来却不确定，所以对方看不出你是不是真心同意）。它给出的第一个版本标记为“可放心发送”，内容是“Yes, that works for me.”（大意：好，这样我可以）。这个版本把不情愿抹掉了，正是我前面批评过的做法，所以只有在你本来就没有不情愿时，它才算对。第三个版本带的标签是“Honest yes”（大意：坦诚的“行”），保留了这份不情愿，内容是“That works for me. It’s not my first choice, but I’m happy to go with it.”（大意：这样我可以。这不是我的首选，不过我愿意照这个来）。以上是应用的真实输出，没有改动。这一段的内容来自应用本身，没有外部来源。

从2026年10月起，Subtext 还带有“记忆”功能，里面存着简短的笔记，记录你怎么给某个人写消息，也存着“Work”（工作）、“Friends”（朋友）这类写作风格。这和后文针对特定读者的那一组工具给收信人画像，不是一回事。

应用商店的介绍页对它适合谁说得很直白，点名的是同一条消息要改写五遍才发出去的人、想太多的人，以及任何会嘀咕“这样说听起来行吗？”的人⁴。最热情的好评，有不少出自神经多样性人群（neurodivergent），也就是面向神经多样性成年人的 AI 语气检查工具所针对的那批人，尤其是把又长又乱的草稿丢进去、拿回一段清楚却仍然像自己写的文字的 ADHD 用户⁵。它有 iOS 版、Android 版和同步的网页版，支持17种以上语言，各语言的文字都是原生写成的，而不是翻译出来的。可以免费试用，之后订阅才能解锁其余功能。有两点局限，我直接说。一是它只为消息而做，长篇文档该去别处处理；二是它自己的条款明确写着，它是沟通助手，不是心理治疗⁶。条款里还写着，你的消息不会被用来训练 AI 模型。

Grammarly 的语气检测功能

Grammarly 的语气诊断，是全世界部署最广的。它会根据用词、措辞、标点甚至大小写，识别你文字的语气⁷，用的是规则加机器学习的组合⁸。2019年推出时，它能点出大约40种语气，从友好、欢快一直到有攻击性、恼火⁹。它得有一小段文字才能工作：浏览器里大约要150个字符¹⁰，手机键盘上是90个¹¹。标签本身就是诊断；句子层面的语气改写，则放在付费档里。面向公司的 Grammarly Business 还加了品牌语气，管理员可以从50多种语气里挑选，并把它们标为符合或不符合品牌调性¹²，系统会在所有人写作时实时提示。Grammarly 后来又加了 Reader Reactions，这是 Grammarly 文档中的一个智能体，会模拟你指定的某位读者，比如你的上级或客户，可能怎样解读你写的东西¹³。如果你的写作主要发生在文档和工作邮件里，这款就是标杆。

Goblin Tools（Judge 和 Formalizer）

Goblin Tools 是比利时开发者 Bram De Buyser 做的一组小型免费 AI 工具，在自家网站上的自我介绍是“小巧、简单、只做一件事的工具”¹⁴，主要是为神经多样性人群做的。其中有两个和本文有关。Judge 能读出你收到的任何一条消息背后的情绪，Formalizer 则能立刻把你的文字改成合适的语气¹⁵，还有一个“spiciness”（辣度）旋钮，控制改动的幅度。这种解读来信的功能很少见；本文里其他几乎所有工具，看的都只是你要发出去的内容。网站免费，手机应用是价格不高的一次性买断。

Sapling

Sapling 面向客服和销售团队，在这一组里，它公布的语气分类体系最透明。它的免费语气检查工具能在句子和整篇文档两个层面，识别25种以上的情绪色彩（喜悦、困惑、感激、恐惧）¹⁶，开发者 API 则覆盖28种语气，并给出逐句的概率¹⁷。如果你想把语气识别做进自己的产品，它是旧 IBM API 的实用继任者，而那个 API，我们马上就要送它入土。

七款你选什么语气就改成什么语气的工具

这些工具都有用，我自己也用其中几款，但除了 Outlook 里的 Copilot，没有一款会告诉你原始草稿读起来是什么样。它们递给你的，是另一份草稿。

Apple Intelligence Writing Tools 在系统层面运行，几乎在你能打字的每个地方都能用，包括第三方应用，能把选中的文字改得更专业、更友好或更简洁¹⁸，另外还有一个自由输入的“Describe your change”（描述你想做的修改）输入框¹⁹。在受支持的设备上，从 iOS 18.1、iPadOS 18.1 或 macOS Sequoia 15.1 起免费。三个预设，零诊断。Apple、Google、Grammarly 和 ChatGPT 各自会对你的消息做什么，我已经逐项对比过。

Microsoft 的 Copilot 在 Office 里做的是同一类事：你可以在 Word 里选中文字，选择 Rewrite（改写），再用 Adjust Tone（调整语气）菜单，选项里有 Neutral、Casual 和 Concise（中性、随意和简洁）²⁰。Outlook 是例外。在那里，Copilot 的邮件辅导会就草稿的语气、清晰度和读者观感给出建议²¹，所以它是这一组里唯一做了一点诊断的工具，不过只限工作邮件。你能用到什么，取决于你的 Microsoft 订阅方案和你用的是哪个版本的 Outlook；这种辅导到底准不准，我没见过任何证据。

Wordtune 是专用改写工具里最快上手的。你选中一句话，点按 Casual 或 Formal（随意或正式），也可以选 Shorten 和 Expand（缩短和扩写）²²，再从给出的建议里挑一个。有免费档，付费方案按年付费，每月约7美元起²³，价格截至2026年8月。

Hemingway Editor 靠可读性起家：用颜色标出过于密集的长句和被动语态，这与语气相邻，却不是语气本身。付费的 Hemingway Editor Plus 增加了 AI 改写，包括把选中的文字调得更专业或更友好²⁴，以及专门的更随意、更正式、更有说服力的工具²⁵。要治臃肿的文字，它至今仍是我知道的最好的办法。

再快速说三款。LanguageTool 是多语言的首选，一个支持大约30种语言的语法和风格检查工具，付费档里带同义改写功能；语气在这里只是副产品，不是产品本身。ProWritingAid 面向长篇稿件，有一整套深入的风格和可读性报告，却不会实时解读一条消息发出去后的效果。QuillBot 是学生常用的同义改写工具，有若干预设模式，其中包括 Formal；它改得很流畅，却对你的原稿只字不提。

四款按某一位具体读者来调整语气的工具

这一组回答的是另一个问题：我该怎样对这个具体的人说话，或者怎样以这家具体公司的口吻说话？

Crystal 用 DISC 性格框架给你的收信人画像，然后它的 Writing Assistant 会在 Gmail 或 Outlook 里实时检查你邮件的用词、短语、风格和语气，并把你引向那个人的沟通风格²⁶。我觉得它有点让人不安，偶尔又很高明，而且显然是为销售而做的。

Lavender 是一款开发信（cold email）辅导工具，会在你写的时候给每份草稿打0到100分，语气是评分因素之一，并根据回复率数据给出修改建议²⁷。免费档每月可写5封邮件，付费方案每月29美元起（截至2026年8月）²⁷。如果你的工作是主动外联，这个分数很快就会变成习惯。

Textio 占据了招聘这个细分领域，会标出职位描述和绩效反馈里带偏见或排斥性的措辞，并为这些措辞在候选人那里的效果打分²⁸。Writer 则面向大型企业：上传写作样本，它就会建立一份口吻档案²⁹，让整个组织的 AI 产出保持同一种语气。

免费的单页检查工具没问题，只有一点要提醒

大牌产品之外，还有一长串免费的“把文字贴进来”的网页。Sapling 的免费检查工具（上文已提）是其中靠得住的一个。LiveChatAI 的语气检查工具³⁰会识别出主导语气，并标出是哪些短语促成了这个判断，只检测，不改写。AskAI 的版本³¹是在一个聊天模型外面包了一层0到100的正式度评分，并标出长文档里语气的前后漂移，重度使用的话有付费档。写一段博客文字或一封求职信，我信得过它们。

你贴进免费网页的任何内容，都会传到某个人的服务器上，而这些页面大多很少交代接下来会发生什么。一段营销文案，我会毫不犹豫地贴进去；一条分手消息，我会离它们远远的。

17款工具，按它们首先做的事分类

下表把上面的十七款工具（包括 Subtext）按各自首先做的事归了类。

分组	工具	做什么	适用场景
先读语气	Subtext	标出可能显得生硬的词，说出情绪，再改写	个人消息，适合想太多的人
先读语气	Grammarly 的语气检测功能	根据用词、措辞和标点识别你的语气	文档和工作邮件
先读语气	Goblin Tools	Judge 读出收到的消息的情绪；Formalizer 改写你的文字	主要是神经多样性人群
先读语气	Sapling	免费检查工具能识别25种以上语气；API 覆盖28种	客服和销售团队
不读语气	Apple Intelligence Writing Tools	把选中的文字改得更专业、更友好或更简洁	已经在用苹果设备的人
不读语气（Outlook 除外）	Word 和 Outlook 里的 Copilot	在 Word 里通过 Adjust Tone 改写；在 Outlook 里，邮件辅导会就语气、清晰度和读者观感给出意见	有 Copilot 的 Office 用户
不读语气	Wordtune	改写选中的句子：Casual、Formal、Shorten 或 Expand（随意、正式、缩短、扩写）	专用改写工具里最快上手的
不读语气	Hemingway Editor	用颜色标出密集的长句和被动语态；Editor Plus 增加 AI 改写	可读性，治臃肿的文字
不读语气	LanguageTool	检查大约30种语言的语法和风格；付费档可同义改写	多语言写作
不读语气	ProWritingAid	生成深入的风格和可读性报告	长篇稿件
不读语气	QuillBot	用预设模式同义改写，其中包括 Formal	学生
按读者或公司调整语气	Crystal	用 DISC 给收信人画像，把你的邮件引向对方的风格	销售，在 Gmail 或 Outlook 里使用
按读者或公司调整语气	Lavender	给草稿打0到100分，语气也在其中，并给出修改建议	开发信和销售外联
按读者或公司调整语气	Textio	标出职位描述和反馈里带偏见或排斥性的措辞	招聘
按读者或公司调整语气	Writer	根据你上传的写作样本建立口吻档案	大型企业的全公司品牌口吻
免费单页检查工具	LiveChatAI	识别主导语气和背后的短语；不改写	免费的“把文字贴进来”网页
免费单页检查工具	AskAI	0到100的正式度评分；标出长文档里语气的漂移	免费的“把文字贴进来”网页

Subtext 是作者自己做的产品。各行按本文的章节顺序排列，不是排名。贴进任何免费网页检查工具的文字，都会传到某个人的服务器上。

人人都曾引用的那个语气 API 已经死了

十年来，技术意义上的“语气检查”指的就是 IBM Watson Tone Analyzer，无数演示和研究论文背后用的都是这个 API。它已经没了。IBM 在2022年2月24日宣布弃用，服务则在2023年2月24日关停³²。留下来的，只有 Watson 自然语言工具包里一个小小的预置语气分类模型³³，支持英语和法语，类别不多，比如兴奋、挫败、无礼、礼貌、悲伤、满意和同情。

我把这份讣告放进来，是因为它解释了这个市场。独立语气 API 的时代结束了，大家的精力转到了上面那些助手身上，也转到了能按需改写任何文字的大语言模型上。接下来就轮到让人不舒服的部分了。

关于让 AI 动你的文字，研究怎么说

改写这件事如今已经轻而易举。后果就没那么利落了，而且这方面确实已经有一批研究文献。

研究者把它叫作“AI 中介沟通”（AI-mediated communication）：AI 系统在人与人之间的消息中修改、增补或生成内容³⁴，这是 Jeff Hancock、Mor Naaman 和 Karen Levy 在2020年给出的定义。最醒目的发现早一年出现，是在 CHI 大会上一项关于 Airbnb 房东简介的研究里：Jakesch 的团队发现，读者对自己认为是 AI 写的文字，给出的可信度评分更低³⁵。后续一项关于 AI 智能回复的研究发现，这些建议改变了人们实际写出的语言，使其偏向积极，也改变了对话双方对彼此的看法³⁶。关于AI 消息改写工具到底有没有用，我另外写过更深入的一篇。

模型本身还有一个偏差问题。莫纳什大学（Monash University）在2025年的一项研究，用刻意设计成中性的提示词生成了数千段助手对话，发现了一种稳定的偏斜。用研究者的话说，这些模型默认的口吻是“在本应保持中立的时候，也过于礼貌、欢快或谨慎”³⁷，语气分类器识别这种偏斜时，macro-F1 得分（一项衡量分类准确度的指标）最高可达0.92³⁷。机器是带口音的。你要是让它改写你发出的每一条消息，你也会开始带着这种口音说话。自然语言处理领域甚至给底下这套机制起了名字，叫文本风格迁移，已经有成体系的综述文献³⁸，而这些方法没有一个是照着“什么让你听起来像你”去训练的。这种口音，正是 Subtext 在任何改写里都把你自己的措辞当作起点，而不是换成一套统一文风的原因。

这一切给我的结论是：先把这些工具当镜子用，只在少数时候才让它们当代笔，而且请你别忘了，这个结论出自谁之口。发送前先读一遍语气，对付的正是 Kruger 那项研究里78对56的落差，不过这份解读终究只是旁观者的猜测，看不到你心里真正的想法。在2025年 ACL 的一项研究中，人类读者和语言模型在猜写作者自称的情绪时，都猜得不完全准³⁹，所以对任何检查工具给出的解读，包括我这款的，都请当作第二意见来看。把你发的每一条消息都完整改写一遍，会带来一个新问题：你妈妈能看出来，回她的是个机器人。

我会怎么选

个人消息和难开口的对话，我的候选名单是 Subtext 或 Goblin Tools。想把诊断、改写和对话上下文放在一处，并且保留你自己的口吻，选 Subtext；想要免费、单一用途、不用注册账号的，选 Goblin 的 Judge 和 Formalizer。文档和工作邮件方面，Grammarly 的语气检测功能是标杆，Hemingway 负责修剪臃肿的部分。如果你用的是苹果设备，Writing Tools 不用额外花钱，就能提供预设的语气转换；如果你的工作单位已经在为 Copilot 付费，它在 Outlook 里的邮件辅导能给工作邮件一个基本的解读。只有当你需要真正的诊断时，才值得再花钱买一款专门的语气检查工具。销售外联选 Lavender，要针对收信人调整选 Crystal，招聘用语选 Textio，全公司的品牌口吻选 Writer。手头紧，又想了解一下？Sapling 的免费检查工具加上 Goblin Tools，不花一分钱就能让你弄懂这个概念。

不管你选哪一款，最后拿主意的，都要是你自己。前面的研究说得相当清楚：好的消息，听起来应该像你状态最好时写的，而不是像一个礼数周全的模型写的。

如果“这样说听起来行吗？”那个时刻你再熟悉不过，那正是 Subtext 为之而做的时刻。粘贴草稿，或者把整段对话截个图，让它把双方的话都读一遍，它会点明你这条消息即将传出什么信号，指出造成这种信号的具体措辞，然后给出几个仍然像你写的版本。

我为这篇文章合并了三份 AI 研究报告，并删掉了核对不过的内容，但我不会假装留下来的部分无可争议。如果你做的是其中某款工具，觉得我把你的产品说低了，或者你知道哪款检查工具的诊断比我找到的这四款更好，告诉我，我会去测试，并更新这篇文章。

Samet Durgun 是 Subtext 的联合创始人。这款应用会捕捉你消息里的情绪语气，并用你自己的口吻改写。他常驻柏林。

参考来源

凡有原始来源的，上文每个链接都直接指向它。下面的引文按出现的先后顺序编号。

语气为什么会出问题

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. PDF 全文：
American Psychological Association, Monitor on Psychology (February 2006). E-mails and egos.

这些工具

用 AI 写作

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.
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.
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).
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).
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.
Li, J., Zhou, Y., Narayanan Venkit, P., Islam, H. B., Arya, S., Wilson, S., and 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.