AI 會讓你的訊息聽起來像機器人嗎？

多半會。而且這是第一次有了像樣的研究，能說明原因。AI 模型改寫一則訊息時，意思大多保得住，你說話的方式卻保不住。縮略形式（英文的 I’m、don’t 這類）不見了，「I」出現得更少，那些撐起你說話節奏的小字眼，也被模型整理掉了。改完回來的文字，讀起來像是寫給任何人看的。

我是 Subtext 的共同創辦人，這款 App 正是為了這個問題而做的，所以我談它的時候，請你自己斟酌著看。我能拿出來的，是我把這些研究認真讀過一遍，而且每一項都附了連結，讓你自己核對我說的。下面是這些研究顯示了什麼、沒有顯示什麼，以及你能怎麼做，不管你用的是我們的 App，還是把草稿貼進 ChatGPT。後面有一次 Subtext 的真實執行，用的是草稿「好喔。我自己弄就好，反正每次都這樣。」，看看你留下一個它原本想拿掉的說法時，會發生什麼事。

AI 改寫訊息時，訊息會發生什麼事

到目前為止規模最大的一項研究，2026 年 8 月發表在《Nature Human Behaviour》。研究者分析了超過 880,000 份文本，其中包括受控實驗：他們把同樣的文章，用「潤飾」、「讓它更清楚」和「讓它更自然」這類指令，交給好幾個 AI 模型處理。核心內容沒有動，人們寫法的多樣性卻沒能保住。依資料集和模型而定，寫作複雜度的差異幅度縮小了 21% 到 50%。那些憑文字推測作者性別、年齡、政治立場或價值觀的分類器，在改寫後的文字上，表現明顯變差，而且猜錯時，答案會偏向多數群體的典型樣貌（〈The shrinking landscape of linguistic diversity in the age of large language models〉）¹。

那項研究的改寫實驗，用的是 Reddit 貼文和學術論文摘要。2026 年另有一項規模較小的研究，目前仍是預印本，看的是比較接近訊息的東西：300 篇個人經歷的故事，每一篇都由三個主流模型各改寫一次。每一次呈現的模式都一樣。縮略形式變少，第一人稱代名詞變少，那些不起眼的虛詞也變少。字變長，標點變得更繁複。指令是「改進這段」，還是只說「改寫這段」，結果沒有差別。要求模型保留作者的口吻，能讓這個效應減少約三分之一，但方向始終沒變，而且模型要做到「別刪掉它愛刪的東西」，比做到「別加上它愛加的東西」更難（〈Voice Under Revision: Large Language Models and the Normalization of Personal Narrative〉）²。

有兩項發現指向另一邊，而且很重要。2025 年有一項研究，比較 ChatGPT 出現前後的新聞報導，發現 AI 常用的詞變多了，但在它採用的指標上，用詞的多樣性沒有測得到減少。這表示這個效應在受控的改寫中最明顯，在真實使用中則沒那麼清楚（〈Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models〉）³。另一項經同儕審查的共同寫作實驗則發現，文章變得更相似時，相似的部分來自模型插入的文字，寫作者自己寫的部分，依然和以前一樣多樣（〈Does Writing with Language Models Reduce Content Diversity?〉）⁴。

有用的是第二項發現。傷害來自把你的句子換掉，而不是對它們做小幅修改。

為什麼意思留得下來，口吻卻留不下來

研究寫作風格的人，會把兩件事分開來看。一件是訊息說了什麼；另一件是你怎麼說。而「怎麼說」是由非常平常的材料組成的：你習慣用哪些日常字眼、句子有多長、長短變化有多大、你的標點習慣、像「kind of」和「honestly」這類緩和語氣的說法、你寫的是「I’m」還是「I am」、俚語、表情符號，還有說到一半切換成另一種語言。2021 年一項針對網路寫作的研究發現，這些習慣相當固定：用數萬名寫作者訓練出來的模型，通常只要看兩篇短貼文，就能判斷是不是出自同一人之手（〈Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles〉）⁵。

意思並不需要這些特徵。所以一次改寫可以把意思完整保住，同時把這些特徵全部丟掉。《Nature Human Behaviour》那項研究測量的，正是這件事：人們說了什麼，依然高度相似；怎麼說的多樣性，卻垮掉了。

這讓「同一則訊息」和「同一種口吻」成了兩種不同的承諾。多數工具只做到第一種，而多數人要到按下傳送之後，才發現第二種沒做到。

AI 建議的回覆，語氣也可能傳到對話裡。Hohenstein 等人做了兩項實驗。第一項是預先註冊的實驗（219 對參與者）：人們會把自己認為在用 AI 的對方，評為比較不合作。第二項（291 對參與者）發現，和正面或一般的建議相比，負面的建議回覆會讓對話變得更負面，而且這份負面，來自人們實際送出的那些建議（〈Artificial intelligence in communication impacts language and social relationships〉）⁶。

三大聊天機器人各自對你的文字做了什麼，我另外寫成了一篇。這裡要談的，是決定這一切到底重不重要的下一個問題。

對方真的會察覺嗎？

這方面的證據，比我預期的更具體。

2026 年發表在 CHI（研究人如何使用科技的主要學術會議）的一項研究，就在戀愛關係中測試了這件事。在一項隨機實驗中，704 人閱讀伴侶傳來的訊息，研究者改變了兩件事：AI 只做了輕度的語氣改寫，還是整則訊息都由它擬稿；以及傳訊的人有沒有承認 AI 幫了忙。AI 擬稿得越多，就穩定地讓訊息更不像傳訊的人自己的話，也更缺乏真實感，而訊息更清楚、更流暢，並不能彌補這一點。最引人注目的結果和道歉有關。傳訊的人對一則只經過輕度修改的道歉，說了「我請 AI 幫忙調整了語氣」，讀的人覺得它更有真實感，也更願意原諒。但如果傳訊的人對一則完全由 AI 擬稿的道歉說了同一句話，真實感和原諒的意願都下滑了。在每一種條件下，帶有更多傳訊的人自己特有習慣的訊息，真實感的得分都比較高（〈Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication〉）⁷。

2025 年的另一項研究，解釋了部分原因。399 人讀到標示為「有 AI 協助」的訊息，這個標示並沒有讓傳訊的人顯得很糟，卻讓人不再把這則訊息當成了解傳訊的人的依據。沒有 AI 協助的道歉，讀起來很溫暖；沒有 AI 協助的責怪訊息，讀起來很冷。一旦加上 AI 的標示，兩者都往中間靠攏，彷彿這則訊息完全沒透露出傳訊的人是什麼樣的人（〈Explaining the Reputational Risks of AI-Mediated Communication〉）⁸。

說出自己用了 AI，本身也有代價。在 13 項預先註冊的實驗中，說自己用過 AI 的人，得到的信任比沒說的人少，情境從評分到設計工作都有（〈The Transparency Dilemma: How AI Disclosure Erodes Trust〉）⁹。不過在情緒中性、只有一次的情境，例如和陌生人玩信任遊戲，不管有沒有說出來，有沒有 AI 幫忙，對信任幾乎沒有差別（〈Writing with AI boosts trust-building efficiency〉）¹⁰。

合起來看，規律是一致的。訊息越私人，整篇改寫讓你付出的代價越大，而對你自己的用字做輕度修改，幫助也越大。道歉方面的研究尤其值得單獨寫一篇，我也寫了：〈怎麼用訊息道歉？〉

磨平的衝擊，有些人承受得更重

如果你用第二語言寫作，或是傳訊息時會在幾種語言之間切換，你大概早就感覺到了。

在 2025 年的一項實驗中，118 位印度和美國的參與者寫了關於自己生活的短文，其中略多於一半的人開啟了 AI 自動完成。開著建議功能的時候，印度的寫作者逐漸往美國組的寫法靠攏，連描述自己的食物和節慶，也開始站在西方的角度（〈AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances〉）¹¹。

這只是一項研究，用的是英文，不能代表每一種語言。但它的機制不難理解。模型最容易在你的文字裡「更正」的，是借來的詞、從母語帶過來的說法，還有你為了某個只有土耳其文或西班牙文才說得通的部分，而切換成土耳其文或西班牙文的那一段。而這些，恰好是最像你的部分。

App 學得會你的寫法嗎？

學得會一部分。誰要是說得比這更多，你都該存疑，包括我。

目前最完整的測試，找來 OpenAI、Google、Meta 和 DeepSeek 的主流模型，給它們超過 400 個人的真實寫作樣本，請它們用每個人的風格寫新的文字。範例的幫助很大。在電子郵件這類結構化的寫作上，作者辨識工具有超過 95% 的情況，把模仿的文字當成本人寫的。在部落格貼文這類隨性的寫作上，模仿的文字只有 17% 到 21% 的情況騙過了辨識工具，多給範例幾乎沒有改善，輸出又漸漸回到千篇一律的語氣（〈Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors〉）¹²。2026 年 4 月的另一項基準測試（仍是預印本），以真人和自己有多相似為標準，替四種個人化方法打分數。每一種方法的得分，都低於兩個不同的人彼此相似的程度（〈Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization〉）¹³。

所以，沒有任何工具能誠實地向你保證，你聽起來會和自己一模一樣。工具能做的比較有限，卻比較有用：盡量少改、從你的用字出發而不是把它們換掉、讓你看到它改了什麼，最後由你決定。

我們就是這樣做 Subtext 的。Subtext 會讀對話串和你的草稿，在改寫任何東西之前，先告訴你這則訊息大概會怎麼被讀到，以及是你的哪些字眼造成的。接著它提供三個版本。第一個貼近你寫的內容，最後一個則是用比較全面的方式換個說法，每個版本都會告訴你，它改動了你多少用字，讓你一眼就看得出，眼前的是潤飾，還是整個換掉。你可以請它把任何一個版本調得更溫暖或更短，也可以打開「手動編輯」，在複製之前自己改一個字。預設是輕度修改，因為依照研究，這種做法才經得起實際讀訊息的那個人檢驗。自 2026 年 10 月起，它還有「記憶」功能。「我的口吻」是你在所有地方的寫法，會套用在每一份草稿上；像「Work」或「Friends」這樣的寫作風格，則依情境加在上面。當你的訊息顯示出新的寫法，Subtext 會建議把它存成一種風格，而每一則存下來的記憶，你都能查看、編輯或刪除。我只把這說成「少重複交代幾件事」，然後就打住，原因正是上面這些研究。

讓你自己決定，也包括讓你留下 Subtext 原本會拿掉的說法。下面這段分三步的對話，發生在 2026 年 10 月 13 日，草稿是為這次執行編的，回答則是 App 真正給的，可以看出把這個說法留下來，要付出什麼代價。草稿是「好喔。我自己弄就好，反正每次都這樣。」Subtext 回傳的標籤是「話中帶刺」和「以偏概全」，並把感受命名為「失落」。第二個標籤的理由針對的是「每次都這樣」，說它「把所有情況一概而論，容易讓對方想辯解而不是聽你說」。它提供的三個版本，都把「反正每次都這樣」拿掉了。其中兩個標為「可放心傳送」；標著「貼近原意」的那一個只剩「好喔，那我自己來弄就好。」，標成「再確認一下」，說明寫的是「太簡短，對方可能還是讀不出你的情緒」。接下來輸入的，是一則要它留下「反正每次都這樣」的指示，理由是「他需要聽到這句。」Subtext 回答「這句是你想讓他聽到的，我留著」，然後把它放了回去：「好喔，那我自己來弄就好，反正每次都這樣。」這一輪的兩個版本都標成「再確認一下」，不像前一輪拿掉這句之後，還有兩個版本拿到「可放心傳送」。標示背後的說明寫著，這句話「仍可能讓對方覺得被責怪，容易引來辯解而不是理解」。

接下來送回去的，是這則說明本身，前面加了一句「試著幫我處理這一點」。Subtext 回答，「反正每次都這樣」它「原封不動留著，只在後面補一句，讓對方知道你是在說自己的感受，不是在定他的罪」。新的版本是「好喔，那我自己來弄就好，反正每次都這樣。我只是想讓你知道，這樣讓我有點難過。」，仍然標成「再確認一下」；另一個版本在句尾補的是「我不是要怪你，只是真的有點累了。」，也標成「再確認一下」。它自己最後也說了，「兩個版本都只在句尾加了一句，前面完全沒動」。所以，這個說法留下來，是因為寫的人這樣決定；警告留下來，是因為這個說法還在；而修正的辦法，是繞著這個說法處理，而不是把它拿掉。

不管用哪個工具，怎麼保住你的口吻

這些做法在任何 App 都適用，包括 ChatGPT。

1. 把任務交代得越小越好。「只修正文法和錯字」得到的結果，和「幫我改進這段」差很多。
2. 把要保留的東西明講出來：縮略形式、「I」、表情符號、髒話、不完整的句子。模型要做到不刪掉它平常會刪的東西，比做到不加上它平常會加的東西更難，所以要直接點名。
3. 絕不要沒讀就接受整份改寫。一行一行和你的草稿對照，只留下還是你自己的那幾行。
4. 只要涉及情緒，就以你自己的草稿為底。在戀愛關係溝通的那項研究裡，只讓 AI 輕度調整語氣的道歉，效果比完全由 AI 擬稿的道歉更好。
5. 傳出去之前先唸出來。如果換成當面，你不會用這些字眼對對方說，就不要傳。

如果你想讓工具替你做同樣的檢查，〈AI 訊息檢查工具能檢查什麼，以及怎麼自己動手檢查〉這篇會一步步帶你做一遍；我也比較過市面上的 AI 訊息改寫工具，比較的標準是它們有沒有先診斷、再改寫。

大家常問的問題

哪款 App 最適合改寫訊息，又不會讓訊息聽起來像機器人寫的？ 改得最少、又會告訴你改了多少的那一款。依上面的證據，會把你的句子整個換掉的工具，不管行銷怎麼說，都會磨平你的口吻。所以要找的是：有一個貼近你草稿的版本、標得出每個版本離原文多遠，還有一份你可以拒絕的改寫。我們就是照這個方向做 Subtext 的，而上面的清單，在任何 App 都用得上。

有沒有 App 能用我自己的口吻改寫訊息，而不是那種千篇一律的 AI 腔？ 部分做得到。目前沒有任何方法，比得上一個人與自己的一致程度，所以「用你自己的口吻」這句話，要當成有待檢驗的說法，而不是可以直接信任的功能。實際的做法，是找這樣的工具：從你的草稿出發，保留你的縮略形式、緩和語氣的說法和表情符號，並標出每個版本離你的用字有多遠。這是我會找的東西，也是 Subtext 的做法。

有沒有 App 能改寫我的訊息，聽起來卻還是我？ 我會說成「比多數工具更接近，但絕不會一模一樣」。上面的研究顯示，目前每一種方法，都比不上一個人與自己的一致程度，所以任何保證改寫後「和你本人分不出來」的 App，都是在過度承諾。你能得到的，是這樣的改寫：從你的句子出發，保留承載你口吻的那些習慣，並告訴你它改動了多少。Subtext 就是這樣運作的，它的第一個版本，刻意做成最接近你原本輸入的那一個。

怎麼讓訊息聽起來更溫暖，又不失去我自己的口吻？ 用你自己的話把溫度加進去，而不是要求一份「溫暖版」的改寫。整份改寫，才是會剝掉你口吻的東西。點名一件關於對方或當下的具體事情，前後維持你平常的說法；如果用工具，就請它只改讀起來冷淡的那一句，不要動整則訊息。

為什麼 ChatGPT 會讓我的訊息變得那麼正式？ 因為它被訓練成產出流暢、平均的文字，而平均的英文，比任何人實際傳訊息時的用字都正式。改寫會往較長的字、拆開的縮略形式、較少的第一人稱代名詞靠攏，就算沒有人要求正式。想要口語，就得明說要口語，也要點名你希望原封不動的那些具體東西。

我該告訴對方，我用了 AI 來寫這則訊息嗎？ 要看 AI 做了多少。在戀愛關係溝通的那項研究裡，對一則只經過輕度語氣調整的道歉坦承這件事，道歉的效果比較好；對一則完全由 AI 擬稿的道歉坦承，效果反而更差。如果字句是你的、AI 只是整理，直說無妨，甚至可能有幫助。如果是 AI 寫的，誠實的做法是先自己重寫一遍。

用德文、土耳其文或西班牙文傳訊息，情況也一樣嗎？ 多數研究是用英文做的，所以我沒辦法確定。唯一一項跨文化研究發現，AI 的建議會把寫作者拉向美國人的寫法。如果你用其他語言寫，或是在不同語言之間切換，最保險的習慣，是明白告訴工具哪些字和片語不能動。

資料來源

上面的每個連結都直接連到原始來源，並依出現順序編號。預印本會標明；在經過同儕審查之前，請把它們的發現視為暫定。

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. and Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
2. van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
3. Fitterer, S., Gangl, D. and Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
4. Padmakumar, V. and He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. and Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
6. Hohenstein, J., Kizilcec, R. F., DiFranzo, D. 等人 (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. 實驗 1 為預先註冊，219 對參與者；實驗 2，291 對參與者。2023 年 10 月 3 日的出版者更正補上了經費聲明，NSF CHS 1901151。
7. Fan, G., Liu, D. and Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
8. Khadpe, P., Wenzel, K., Loewenstein, G. and Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
9. Schilke, O. and Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
10. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. and Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
11. Agarwal, D., Naaman, M. and Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
12. Wang, Z., Tripto, N. I., Park, S., Li, Z. and Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
13. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460，已獲 ICML 2026 CTB 工作坊接受。