سجل Whisper large-v2، وهو نموذج شائع الاستخدام للتعرف على الكلام، نسبة 36.4% من أخطاء الكلمات على صوت اجتماعات التقطه ميكروفون بعيد واحد، مقابل 16.9% على الاجتماعات نفسها المسجلة عبر ميكروفونات سماعات الرأس (OpenAI، ورقة Whisper 2022). تبدأ الفجوة عند الالتقاط: ففي دراسة شملت 30 مشاركا سجل ميكروفون حاسوب محمول مدمج على بعد نحو 60 سم الكلام بمستوى أقل بمقدار 12.82 dB من ميكروفون سماعة رأس على بعد 15 إلى 20 سم (Busquet وآخرون، Behavior Research Methods 2023). ولا تبقى المسألة تقنية فحسب: فقد قيّم 600 مستمع مرشحا لوظيفة سمعوا صوته بنبرة معدنية رديئة مثل ميكروفون ضعيف بدرجة 68.50 من 100 في الجدارة بالتوظيف، مقابل 76.04 للتسجيل الواضح (Walter-Terrill وآخرون، PNAS 2025). جمعنا بيانات من Amazon وجامعة Yale وتحديي REVERB وCHiME وEar and Hearing ودراسة اجتماعات شملت خمس منظمات وITU-T وZoom، إضافة إلى استبيانين أجرتهما جهتان مصنعتان وُسما على هذا النحو. أما لسوق الأجهزة نفسه فراجع إحصائيات سوق كاميرات الويب لدينا؛ وهذه الصفحة تتناول ما يفعله الميكروفون بالصوت.
أبرز النقاط
- معدل خطأ الكلمات لنموذج Whisper large-v2 على اجتماعات AMI: 16.9% مع ميكروفونات السماعات الفردية مقابل 36.4% مع ميكروفون بعيد واحد (OpenAI، ورقة Whisper 2022).
- التقط ميكروفون حاسوب محمول مدمج على بعد نحو 60 سم الكلام بمستوى 46.91 dB مقابل 59.73 dB لميكروفون سماعة رأس على بعد 15 إلى 20 سم (Busquet وآخرون، Behavior Research Methods 2023).
- في تسجيلات حفلات العشاء DiPCo من Amazon، بلغ معدل خطأ الكلمات 42.10% مع الميكروفون القريب من الفم مقابل 77.52% مع مصفوفات الحقل البعيد (Van Segbroeck وآخرون، DiPCo 2019).
- اجتماعات AliMeeting بالماندرين: 9.9% من أخطاء الأحرف على صوت سماعات الرأس مقابل 49.0% على صوت مصفوفات الحقل البعيد (Yu وآخرون، M2MeT 2022).
- انخفضت الجدارة بالتوظيف من 76.04 إلى 68.50 من 100 حين بدا الصوت نفسه كأنه التُقط بميكروفون ضعيف، مع بقاء دقة النسخ النصي دون تغيير (98.09% مقابل 98.07%) (Walter-Terrill وآخرون، PNAS 2025).
- سجل الصوت منخفض الجودة 2.13 على مقياس ViSQOL MOS مقابل 4.68 للجودة المتوسطة، وخفض تقييمات القابلية للتوظيف (Schütze وآخرون، Forum Acusticum 2026).
- أبطأ ضجيج الخلفية استجابات المستمعين بمتوسط 91 ms، وهو مقياس لجهد الاستماع (Picou وآخرون، Ear and Hearing 2016).
- بلغ البالغون من مستخدمي زراعة القوقعة نحو 60% من كفاءة الاستماع المعتادة في المحادثات الصوتية فقط عبر الإنترنت، وارتفعت إلى نحو 80% مع التعليقات النصية (Perea Pérez وآخرون، Ear and Hearing 2025).
- 30% فقط من العاملين في مجال المعرفة يستخدمون سماعة رأس احترافية في العمل و8% يعدونها جهازهم الرئيسي (دراسة Jabra للعاملين في مجال المعرفة 2023، استبيان جهة مصنعة).
1. مسافة الميكروفون ومستوى الكلام الملتقط
ميكروفون كاميرا الويب أو الحاسوب المحمول هو ميكروفون حقل بعيد: فهو يبعد عن الفم مسافة ذراع تقريبا أو أكثر، ولذلك يسجل الغرفة مع الصوت. أما ميكروفون سماعة الرأس فهو ميكروفون قريب من الفم (close-talk) يبعد بضعة سنتيمترات عن الشفتين. وأنظف مقارنة مقيسة جاءت من دراسة عام 2023 سجلت المتحدثين أنفسهم على عدة أجهزة. التقط الميكروفون المدمج في الحاسوب المحمول على بعد نحو 60 سم الكلام بمستوى 46.91 dB، بينما التقط ميكروفون سماعة الرأس على بعد 15 إلى 20 سم مستوى 59.73 dB، أي بفارق 12.82 dB (59.73 ناقص 46.91) (Busquet وEfthymiou وHildebrand، Behavior Research Methods 2023).
هناك تفصيلان مهمان للمشترين. أولا، حتى ميكروفون الاستوديو على المسافة نفسها (60 سم) تفوق على الحاسوب المحمول بمقدار 10.76 dB (57.67 ناقص 46.91)، فالميكروفون المدمج يخسر بسبب المسافة وبسبب العتاد معا. وثانيا، قاس الحاسوب المحمول وميكروفون الاستوديو متوسط طبقة الصوت بنتائج متطابقة تقريبا، أي أن الميكروفون البعيد لا يغير هوية صوتك؛ وإنما يغير مقدار ما يصل منك إلى الطرف الآخر قياسا إلى الغرفة. ويظهر اختبار منفصل لتسجيلات العمل الجماعي النصف الآخر من القصة: فمع ستة ميكروفونات مختلفة وُضعت جميعها على بعد 5 أقدام (نحو 1.5 م)، لم يغير اختيار الطراز معدل الخطأ إلا قليلا (Bradford وآخرون، EDM 2022).
| المقياس | القيمة | المصدر |
|---|---|---|
| مستوى الكلام، ميكروفون الحاسوب المحمول المدمج على بعد نحو 60 سم مقابل ميكروفون سماعة الرأس على بعد 15 إلى 20 سم | 46.91 dB مقابل 59.73 dB | Busquet وآخرون، Behavior Research Methods 2023 |
| مستوى الكلام، ميكروفون استوديو على بعد نحو 60 سم مقابل ميكروفون ياقة (مشبكي) على بعد 15 إلى 20 سم | 57.67 dB مقابل 63.68 dB | Busquet وآخرون، Behavior Research Methods 2023 |
| متوسط طبقة الصوت التي قاسها ميكروفون الحاسوب المحمول مقابل ميكروفون الاستوديو | 168.42 Hz مقابل 169.31 Hz (t = -.89, p = .99) | Busquet وآخرون، Behavior Research Methods 2023 |
| حجم دراسة مقارنة الأجهزة | 30 مشاركا، 1,800 عينة صوتية | Busquet وآخرون، Behavior Research Methods 2023 |
| معدل خطأ الكلمات، ستة ميكروفونات على بعد 5 أقدام من المتحدثين، نص مقروء بصوت عال | من 10.7% إلى 12.0% | Bradford وآخرون، EDM 2022 |
| معدل خطأ الكلمات، الميكروفونات الستة نفسها، محادثة جماعية حرة | من 52.7% إلى 61.3% | Bradford وآخرون، EDM 2022 |
| المسافة من كل متحدث إلى مصفوفات الحقل البعيد في تسجيلات DiPCo | من 1,120 mm إلى 3,950 mm | Van Segbroeck وآخرون، DiPCo 2019 |
| المسافة بين الميكروفون والمتحدث في قاعات الاجتماعات في AliMeeting | من 0.3 إلى 5.0 م | Yu وآخرون، M2MeT 2022 |
ملاحظة سياقية: قيم الديسيبل في تلك الدراسة هي مقاييس لسعة التسجيلات وليست مستويات ضغط صوتي معايرة، ولذلك فإن فجوة 12.82 dB تقارن الأجهزة داخل إعداد واحد ولا تتنبأ بما ستقدمه أي كاميرا ويب. أحدث بيانات متاحة لمقارنة EDM: 2022.
2. أخطاء التعرف على الكلام: الميكروفون القريب من الفم مقابل الحقل البعيد
التعرف على الكلام هو أكثر المستمعين قابلية للقياس، وهو يقول الشيء نفسه في كل مدونة: ابعد الميكروفون فتتضاعف الأخطاء تقريبا أو أكثر. ارتفع معدل خطأ الكلمات (WER، أي نسبة الكلمات المنسوخة خطأ) في Whisper large-v2 من 16.9% على اجتماعات AMI المسجلة بميكروفونات سماعات فردية إلى 36.4% على الاجتماعات نفسها بميكروفون بعيد واحد، أي أعلى بنحو 2.2 مرة (36.4 مقسوما على 16.9) (Radford وآخرون، ورقة OpenAI Whisper 2022). ويظهر نموذج wav2vec 2.0 الأقدم الاتجاه نفسه: 37.0% مقابل 67.6%.
والنمط نفسه يتكرر في البيوت وفي لغات أخرى. فقد سجلت مدونة DiPCo من Amazon أربعة أشخاص حول مائدة طعام بسماعات رأس وخمس مصفوفات حقل بعيد في الوقت نفسه: وبلغ أفضل إعداد تقييم 42.10% في معدل خطأ الكلمات مع الميكروفون القريب من الفم و77.52% مع الحقل البعيد، أي أعلى بنحو 1.8 مرة (77.52 مقسوما على 42.10) (Van Segbroeck وآخرون، DiPCo 2019). وفي اجتماعات الماندرين كانت الفجوة أشد: 9.9% مقابل 49.0% في معدل خطأ الأحرف (CER، المقابل الماندريني لمعدل خطأ الكلمات)، أي نحو 5 أضعاف (49.0 مقسوما على 9.9) (Yu وآخرون، M2MeT 2022). وضيّق التدريب على صوت الحقل البعيد الفجوة إلى 8.2% مقابل 33.3% لكنه لم يسدها. وللقاعات المزودة بمصفوفات سقفية بيانات خاصة بها، نتناولها في إحصائيات ميكروفونات تشكيل الحزمة لقاعات الاجتماعات لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| WER لنموذج Whisper large-v2، اجتماعات AMI: ميكروفونات سماعات فردية مقابل ميكروفون بعيد واحد | 16.9% مقابل 36.4% | Radford وآخرون، ورقة OpenAI Whisper 2022 |
| WER لنموذج wav2vec 2.0 Large (بلا نموذج لغوي)، AMI: ميكروفونات السماعات مقابل ميكروفون بعيد واحد | 37.0% مقابل 67.6% | Radford وآخرون، ورقة OpenAI Whisper 2022 |
| WER في تسجيلات REVERB الحقيقية، أفضل نظام من ثمانية ميكروفونات | 9.0% | Kinoshita وآخرون، ملخص تحدي REVERB 2016 |
| WER في تقييم DiPCo، سماعة رأس قريبة من الفم مقابل مصفوفة حقل بعيد (أفضل نموذج لغوي) | 42.10% مقابل 77.52% | Van Segbroeck وآخرون، DiPCo 2019 |
| CER في AliMeeting، نموذج مدرب على صوت السماعات: اختبار السماعات مقابل اختبار الحقل البعيد | 9.9% مقابل 49.0% | Yu وآخرون، M2MeT 2022 |
| CER في AliMeeting، نموذج أضيفت إليه بيانات الحقل البعيد والبيانات الخارجية والمحاكاة: السماعات مقابل الحقل البعيد | 8.2% مقابل 33.3% | Yu وآخرون، M2MeT 2022 |
| WER في تسجيلات REVERB الحقيقية: المرجع النظيف أو سماعة الرأس مقابل خط أساس الحقل البعيد | 6.9% مقابل 49.2% | Kinoshita وآخرون، ملخص تحدي REVERB 2016 |
| WER لخط الأساس الرسمي في CHiME-6 على مصفوفات الحقل البعيد، مجموعة التطوير مقابل مجموعة التقييم | 51.8% مقابل 51.3% | Watanabe وآخرون، تحدي CHiME-6 2020 |
أحدث بيانات متاحة: تظل ورقة Whisper (2022) أكبر مقارنة عامة جنبا إلى جنب بين معدل خطأ الكلمات مع السماعات ومع الميكروفون البعيد على الاجتماعات نفسها؛ ولم تنشر النماذج الأحدث تقسيما لـ AMI بين السماعات والميكروفون البعيد بالصيغة نفسها. وسمحت ورقة خط الأساس في CHiME-6 بمصفوفات الحقل البعيد فقط عند الاختبار، ولذلك ليس فيها عمود للميكروفون القريب من الفم.
3. الغرف والضجيج وجهد الاستماع
تهم المسافة بسبب ما يملأ الفجوة: الانعكاسات والضجيج. فغرفة المعيشة النموذجية تحتاج إلى من 0.3 إلى 0.7 s كي تضمحل استجابتها بمقدار 60 dB (زمن الارتداد الصوتي)، بحسب مراجعة للتعرف على الكلام في الحقل البعيد (Haeb-Umbach وآخرون، Far-Field Automatic Speech Recognition 2020). وميكروفون سماعة الرأس القريب من الفم يسمع من ذلك الذيل أقل بكثير من ميكروفون كاميرا ويب موضوعة فوق الشاشة.
وبالنسبة إلى المستمعين من البشر ينقسم الدليل بطريقة مفيدة. ففي دراسة مضبوطة نشرت في Ear and Hearing أبطأ ضجيج الخلفية الاستجابات بمتوسط 91 ms (مقياس الدراسة لجهد الاستماع)، بينما لم يغير الارتداد الصوتي الجهد تغييرا ذا دلالة، مع أن كل درجة زيادة في الارتداد الصوتي خفضت التعرف على الكلمات بنحو 8 RAU (وحدات الأركسين المعقلنة، وهي درجة نسبة الصواب بعد تحويلها) (Picou وGordon وRicketts، Ear and Hearing 2016). بعبارة أخرى، صدى الغرفة يكلف كلمات؛ وضجيج الغرفة يكلف طاقة. وهذا مهم لأن الميكروفون البعيد يلتقط من الاثنين أكثر. وبالنسبة إلى المصابين بفقدان السمع، وجدت المختبرات الصوتية الوطنية في أستراليا (National Acoustic Laboratories) أن متابعة محادثات مؤتمرات الفيديو تتطلب جهدا أكبر بكثير مما تتطلبه لدى ذوي السمع الطبيعي، وأن المعينات السمعية لم تعد المستويات إلى ما هي عليه في الحديث وجها لوجه. أما الجانب الفسيولوجي لإرهاق المكالمات فنتناوله في إحصائيات المؤشرات الحيوية لإرهاق اجتماعات الفيديو لدينا.
| المقياس | القيمة | المصدر |
|---|---|---|
| زمن الارتداد الصوتي النموذجي لغرفة معيشة (اضمحلال حتى -60 dB) | من 0.3 إلى 0.7 s | Haeb-Umbach وآخرون، مراجعة Far-Field ASR 2020 |
| خسارة التعرف على الكلمات مع كل درجة زيادة في الارتداد الصوتي، عند نسبة إشارة إلى ضجيج ثابتة | نحو 8 RAU | Picou وآخرون، Ear and Hearing 2016 |
| تباطؤ زمن الاستجابة في الضجيج مقابل الهدوء (جهد الاستماع) | متوسط 91 ms | Picou وآخرون، Ear and Hearing 2016 |
| أثر الارتداد الصوتي في جهد الاستماع عند تقارب مستويات التعرف | غير دال (p = 0.18) | Picou وآخرون، Ear and Hearing 2016 |
| أزمنة الارتداد الصوتي المختبرة في تلك الدراسة | T30 أقل من 100 ms و475 ms و834 ms | Picou وآخرون، Ear and Hearing 2016 |
| غرف REVERB المحاكاة: أزمنة الارتداد الصوتي، والمسافة القريبة مقابل البعيدة للميكروفون | 0.3 و0.6 و0.7 s؛ 50 سم مقابل 200 سم | Kinoshita وآخرون، ملخص تحدي REVERB 2016 |
| WER للحقل البعيد في CHiME-5: خط الأساس مقابل واجهة خلفية قوية مقابل فصل متعدد الميكروفونات مع إزالة الارتداد الصوتي | أقل بقليل من 80% مقابل نحو 60% مقابل 43.2% | Haeb-Umbach وآخرون، مراجعة Far-Field ASR 2020 |
| كفاءة الاستماع لدى مستخدمي زراعة القوقعة في المحادثات عبر الإنترنت، صوت فقط مقابل مع التعليقات النصية (نسبة من متوسط ذوي السمع الطبيعي) | نحو 60% مقابل نحو 80% | Perea Pérez وآخرون، Ear and Hearing 2025 |
ملاحظة عن القيمة الشاذة: فاجأ غياب أثر الارتداد الصوتي في الجهد المؤلفين أنفسهم، ووصفوه بأنه لا يتسق مع النماذج الحالية لجهد الاستماع؛ وقد قيس لدى 18 بالغا شابا ذوي سمع طبيعي. أحدث بيانات متاحة: 2016. الضجيج هو النصف الذي تستطيع البرمجيات مهاجمته، راجع إحصائيات كتم الضجيج العصبي لدينا.
4. كيف يحكم المستمعون على المتحدث عبر ميكروفون ضعيف
أهم ما توصلت إليه الأبحاث خلال العامين الماضيين هو أن الصوت الرديء للميكروفون يغير الأحكام على الشخص، لا مجرد وضوح الكلام. ففي تجربة نشرت في PNAS شملت 600 مستمع، حصل مرشح لوظيفة سمع صوته بنبرة معدنية جوفاء من نوع ‘ميكروفون ضعيف’ على درجة جدارة بالتوظيف قدرها 68.50 مقابل 76.04 للتسجيل الواضح (d = 0.35, P < 0.001)، بينما كانت دقة النسخ النصي متطابقة: 98.07% مقابل 98.09% (Walter-Terrill وOngchoco وScholl، PNAS 2025). فهم المستمعون كل كلمة؛ لكنهم قدّروا المتحدث أقل.
ووجدت متابعة عام 2026 شملت 299 مشاركا ومقابلات عمل بالصورة الرمزية (avatar) أن الصوت منخفض معدل البت ومحدود النطاق الترددي خفض تقييمات القابلية للتوظيف (p < 0.001)، بينما لم يُحدث الانتقال من الجودة المتوسطة إلى العالية أي فرق (p = 0.813) (Schütze وBiberger وReber، Forum Acusticum 2026). وهذا يوحي بوجود عتبة: يعاقب المستمعون الصوت المتدهور بوضوح، لا الصوت العادي فحسب. وقد وجدت أبحاث سابقة التحيز نفسه في مقابلات Skype محاكاة، حيث استمر حتى بعد أن طُلب من المقيّمين تجاهل جودة المكالمة (Fiechter وآخرون، Cognitive Research 2018).
| المقياس | القيمة | المصدر |
|---|---|---|
| درجة الجدارة بالتوظيف (من 0 إلى 100)، التسجيل الواضح مقابل نسخة ‘الميكروفون الضعيف’ ذات النبرة المعدنية | 76.04 مقابل 68.50 (d = 0.35) | Walter-Terrill وآخرون، PNAS 2025 |
| دقة النسخ النصي، التسجيل الواضح مقابل المشوه | 98.09% مقابل 98.07% (P = 0.915) | Walter-Terrill وآخرون، PNAS 2025 |
| المستمعون في التجربة 1 | 600 (300 لكل حالة) | Walter-Terrill وآخرون، PNAS 2025 |
| فجوة تقييم القابلية للتوظيف، جودة الصوت العالية مقابل المنخفضة (مقياس من 0 إلى 100) | 6.4 نقاط؛ المنخفضة مقابل العالية p < 0.001؛ المتوسطة مقابل العالية p = 0.813 | Schütze وآخرون، Forum Acusticum 2026 |
| الجودة الموضوعية (ViSQOL MOS) للصوت منخفض الجودة مقابل متوسط الجودة | 2.13 مقابل 4.68 | Schütze وآخرون، Forum Acusticum 2026 |
| درجة الجدارة بالتوظيف (من 1 إلى 10)، الصوت والصورة السلسان مقابل المتدهورين، التجربتان معا | 6.91 مقابل 6.33 (d لكوهين = 0.44) | Fiechter وآخرون، Cognitive Research 2018 |
| المستمعون الذين قيّموا محاضرات أو مقابلات إذاعية متطابقة سمعوها بصوت جيد مقابل رديء | 97 (التجربة 1) و99 (التجربة 2) | Newman وSchwarz، Science Communication 2018 |
ملاحظة سياقية: في دراسة Newman وSchwarz (DOI 10.1177/1075547018759345)، خفض الصوت الرديء تقييمات المحاضرة وذكاء المتحدث وأهمية البحث، كما لخصت ذلك USC. والمقياس MOS (متوسط درجات الرأي) هو المقياس المعياري لجودة الاستماع، حيث الأعلى أفضل؛ أما ViSQOL فهو نموذج برمجي يتنبأ به. أحدث بيانات متاحة لدراستي Fiechter وNewman: 2018.
5. قواعد الاعتماد: ما الذي تختبره Teams وZoom وITU فعلا
تكشف برامج الاعتماد أين تضع الجهات المصنعة معيار الصوت، وكاميرات الويب تقع في معظمها خارجه. تقول صفحة الأجهزة المعتمدة لـ Teams إن الأجهزة الصوتية مثل سماعات الرأس وهواتف مكبر الصوت يجب أن توفر صوتا عريض النطاق بلا صدى أو تشويه أو انقطاعات مفرطة، بينما المعايير المدرجة لأجهزة الفيديو كلها مقاييس للصورة (Microsoft Learn، أجهزة USB المعتمدة لـ Teams، نوفمبر 2026). من بين 22 جهاز USB في تلك القائمة اعتمدت في 2026، هناك جهازان من كاميرات الويب و20 من سماعات الرأس أو أنظمة سماعات الرأس (إحصاؤنا لجدول نوفمبر 2026).
ولمعيار سماعات الرأس أيضا مستوى متميز. فتوثيق مختبرات الاختبار لمواصفة اختبار الصوت في Teams يصف وحدة اختيارية للمكتب المفتوح تقيّم MOS للكلام والضجيج في ضجيج المكاتب إضافة إلى ‘إضعاف المشتتات’، أي مقدار ما ترفضه السماعة من صوت الجار (ورقة بيانات HEAD acoustics، مواصفة اختبار الصوت في Teams 60026). وقد وحدت Zoom معايير الاختبار الموضوعية لفئاتها الصوتية في 2022 (Zoom، تحديث اعتماد الأجهزة 2022)، ويستند إعداد مختبر Teams إلى طرق ITU-T مثل P.502 والفم الاصطناعي P.51 (مكبر صوت يحاكي متحدثا بشريا). والمرجع الأوسع لتقييم الكلام الملتقط هو ITU-T P.863 (POLQA)، وهو النموذج المعياري الذي يتنبأ بجودة الاستماع على مقياس MOS.
| المقياس | القيمة | المصدر |
|---|---|---|
| المتطلب الصوتي لسماعات الرأس وهواتف مكبر الصوت المعتمدة لدى Teams | صوت عريض النطاق بلا صدى أو تشويه أو انقطاعات مفرطة؛ دعم إلغاء الصدى | Microsoft Learn، أجهزة USB المعتمدة لـ Teams 2026 |
| المعايير المدرجة لأجهزة الفيديو المعتمدة لدى Teams مثل كاميرات الويب | الضجيج، اللون، تفاصيل الصورة، الارتعاش، زمن الاستجابة، معدل الإطارات، زاوية الرؤية (مقاييس الصورة) | Microsoft Learn، أجهزة USB المعتمدة لـ Teams 2026 |
| أجهزة USB المؤهلة في 2026 (حتى جدول نوفمبر 2026): كاميرات الويب مقابل سماعات الرأس أو أنظمة سماعات الرأس | 2 مقابل 20 (من أصل 22) | Microsoft Learn، إحصاؤنا لجدول نوفمبر 2026 |
| إصدار مواصفة اختبار الصوت في Teams الذي تستخدمه مختبرات الاختبار، وفئات الأجهزة | V5.0 بما فيه الملحق A؛ 4 فئات (سماعات الرأس، هواتف المكتب الشخصية، هواتف مكبر الصوت الشخصية، هواتف مكبر الصوت المشتركة) | ورقة بيانات مختبر الاختبار HEAD acoustics 2026 |
| مقاييس إضافية في اختبار سماعات الرأس الاختياري للمكتب المفتوح | MOS للكلام والضجيج وفق 3QUEST؛ إضعاف المشتتات (المتوسط والحد الأدنى) | ورقة بيانات مختبر الاختبار HEAD acoustics 2026 |
| فئات الصوت وما يتصل بها لدى Zoom التي حُدّثت ووُحدت معايير اختبارها الموضوعية | 7 | تحديث اعتماد أجهزة Zoom، 16 مارس 2022 |
| مدى تكرار إعادة اعتماد الأجهزة المعتمدة لدى Zoom | مرة كل عامين على الأقل | تحديث اعتماد أجهزة Zoom، 16 مارس 2022 |
| إصدار ITU-T P.863 (POLQA) الساري، مع تعديله | P.863 (03/18)؛ التعديل 1 (04/20) بشأن التنبؤ بالكلام الضيق النطاق المسجل صوتيا | توصية ITU-T P.863 |
ملاحظة سياقية: مصطلح ‘عريض النطاق’ هنا مصطلح هاتفي يشير إلى صوت يحتفظ بمدى أوسع من الترددات مقارنة بالصوت الهاتفي التقليدي ضيق النطاق؛ وهو ليس مقياسا لشدة الصوت. أحدث بيانات متاحة لمعايير Zoom: 2022، إذ لم تنشر Zoom عتبات أحدث.
6. كيف يجهز الناس أنفسهم وما الذي يتغير في الاجتماعات الفعلية
بيانات الاستبيانات حول المعدات شحيحة وتجريها الجهات المصنعة في معظمها، لكنها تشير إلى اتجاه واحد: ما زال معظم الناس يتحدثون عبر ما هو مدمج في أجهزتهم. 30% فقط من العاملين في مجال المعرفة يستخدمون سماعة رأس احترافية في العمل، و8% يعدونها جهازهم الرئيسي، مع أن 91% يستخدمون منصة اجتماعات عبر الإنترنت (دراسة Jabra للعاملين في مجال المعرفة 2023، استبيان جهة مصنعة). ووجد استبيان أجرته Logitech عام 2022 على أكثر من 3,000 عامل عن بعد في الولايات المتحدة وألمانيا والصين أن 85% يعانون من مشكلات الصوت (Logitech، استبيان جهة مصنعة).
وتضيف البيانات المستقلة جانب النتائج. ففي دراسة لنحو 7,330 استجابة صالحة لاستبيانات ما بعد الاجتماعات من خمس منظمات كبرى، رفع استخدام سماعة الرأس أرجحية تقييم ‘المشاركة’ (OR = 1.16)، وكانت أرجحية تقييم المكالمات التي شابتها مشكلات في جودة الصوت بأنها فعالة أقل بكثير (OR = 0.14) (Hosseinkashi وآخرون، Microsoft Research، دراسة فعالية الاجتماعات 2024). نسبة الأرجحية (OR) التي تقل عن 1 تعني أرجحية أقل؛ و0.14 أثر كبير. وبقراءة ذلك مع فجوة المستوى في القسم 1، يتضح أن حجة الالتقاط القريب من الفم تتعلق بأن يُنظر إليك على أنك حاضر بالكامل، لا بمجرد أن يُسمع صوتك.
| المقياس | القيمة | المصدر |
|---|---|---|
| العاملون في مجال المعرفة الذين يستخدمون سماعة رأس احترافية في العمل | 30% | دراسة Jabra للعاملين في مجال المعرفة 2023 (استبيان جهة مصنعة، أكثر من 7,000 موظف) |
| العاملون في مجال المعرفة الذين يقولون إن سماعة الرأس الاحترافية هي جهازهم الرئيسي | 8% | دراسة Jabra للعاملين في مجال المعرفة 2023 (استبيان جهة مصنعة) |
| العاملون عن بعد الذين يعانون من مشكلات الصوت في المكالمات | 85% | استبيان Logitech للمستخدمين النهائيين، مايو 2022 (استبيان جهة مصنعة، أكثر من 3,000 عامل) |
| دراسة المحادثات عبر الإنترنت، مجموعة السمع المعتاد: الاستماع عبر مكبرات الصوت مقابل سماعات الأذن | 72% مقابل 28% | Perea Pérez وآخرون، Ear and Hearing 2025 |
| الدراسة نفسها، مجموعة زراعة القوقعة: مكبرات الصوت مقابل سماعات الأذن مقابل البث المباشر | 68% مقابل 12% مقابل 20% | Perea Pérez وآخرون، Ear and Hearing 2025 |
| نسبة الأرجحية المعدلة لتقييم ‘المشاركة’ عندما يرتدي المستخدم سماعة رأس | 1.16 | Hosseinkashi وآخرون، Microsoft Research 2024 |
| معدل المشاركة، المكالمات الصوتية فقط بسماعة رأس مقابل دونها | أعلى بنحو 5% | Hosseinkashi وآخرون، Microsoft Research 2024 |
| نسبة الأرجحية المعدلة لتقييم الاجتماع بأنه ‘فعال’ عندما كانت في المكالمة مشكلات جودة (صدى، ضجيج، تشويه) | 0.14 | Hosseinkashi وآخرون، Microsoft Research 2024 |
ملاحظة عن القيمة الشاذة: يقول نص دراسة الاجتماعات إن أرجحية المشاركة ترتفع ‘بنسبة 20%’ مع سماعة الرأس، بينما يعطي جدولها نفسه نسبة أرجحية قدرها 1.16؛ ونحن نورد قيمة الجدول. ويحذر المؤلفون أيضا من أن الكشف عن سماعة الرأس من بيانات القياس عن بعد غير موثوق لأن كثيرا من الأجهزة تبلغ عنه خطأ. أحدث بيانات متاحة لاستبيان Logitech: مايو 2022.
الخلاصة: جودة الكلام بين ميكروفون كاميرا الويب المدمج وسماعة الرأس بالأرقام
| المقياس | القيمة | المصدر |
|---|---|---|
| WER لنموذج Whisper large-v2، ميكروفونات سماعات AMI مقابل ميكروفون بعيد واحد | 16.9% مقابل 36.4% | Radford وآخرون، ورقة OpenAI Whisper 2022 |
| WER في DiPCo، الميكروفون القريب من الفم مقابل مصفوفة الحقل البعيد | 42.10% مقابل 77.52% | Van Segbroeck وآخرون، DiPCo 2019 |
| CER في AliMeeting، السماعات مقابل الحقل البعيد | 9.9% مقابل 49.0% | Yu وآخرون، M2MeT 2022 |
| تسجيلات REVERB الحقيقية: WER للمرجع النظيف أو سماعة الرأس مقابل خط أساس الحقل البعيد مقابل أفضل نظام من 8 ميكروفونات | 6.9% مقابل 49.2% مقابل 9.0% | Kinoshita وآخرون، ملخص تحدي REVERB 2016 |
| مستوى الكلام، ميكروفون الحاسوب المحمول على بعد نحو 60 سم مقابل ميكروفون سماعة الرأس على بعد 15 إلى 20 سم | 46.91 dB مقابل 59.73 dB | Busquet وآخرون، Behavior Research Methods 2023 |
| نطاق WER لستة ميكروفونات على بعد 5 أقدام، النص المقروء مقابل المحادثة الحرة | من 10.7% إلى 12.0% مقابل من 52.7% إلى 61.3% | Bradford وآخرون، EDM 2022 |
| زمن الارتداد الصوتي النموذجي لغرفة معيشة | من 0.3 إلى 0.7 s | Haeb-Umbach وآخرون، مراجعة Far-Field ASR 2020 |
| تباطؤ الاستجابة بسبب ضجيج الخلفية | متوسط 91 ms | Picou وآخرون، Ear and Hearing 2016 |
| كفاءة الاستماع لدى مستخدمي زراعة القوقعة عبر الإنترنت، صوت فقط مقابل مع التعليقات النصية | نحو 60% مقابل نحو 80% من المعتاد | Perea Pérez وآخرون، Ear and Hearing 2025 |
| الجدارة بالتوظيف، الصوت الواضح مقابل صوت الميكروفون الضعيف (من 0 إلى 100) | 76.04 مقابل 68.50 | Walter-Terrill وآخرون، PNAS 2025 |
| ViSQOL MOS، جودة الصوت المنخفضة مقابل المتوسطة | 2.13 مقابل 4.68 | Schütze وآخرون، Forum Acusticum 2026 |
| الجدارة بالتوظيف (من 1 إلى 10)، الصوت والصورة السلسان مقابل المتدهورين | 6.91 مقابل 6.33 | Fiechter وآخرون، Cognitive Research 2018 |
| استخدام سماعة رأس احترافية في العمل | 30% | دراسة Jabra للعاملين في مجال المعرفة 2023 (استبيان جهة مصنعة) |
| سماعة الرأس الاحترافية بوصفها الجهاز الرئيسي | 8% | دراسة Jabra للعاملين في مجال المعرفة 2023 (استبيان جهة مصنعة) |
| المستمعون ذوو السمع المعتاد في المحادثات عبر الإنترنت عبر مكبرات الصوت مقابل سماعات الأذن | 72% مقابل 28% | Perea Pérez وآخرون، Ear and Hearing 2025 |
| المسافة بين الميكروفون والمتحدث في قاعات AliMeeting | من 0.3 إلى 5.0 م | Yu وآخرون، M2MeT 2022 |
| العاملون عن بعد الذين يعانون من مشكلات الصوت | 85% | استبيان Logitech للمستخدمين النهائيين 2022 (استبيان جهة مصنعة) |
| فترة إعادة اعتماد Zoom | مرة كل عامين على الأقل | تحديث اعتماد أجهزة Zoom 2022 |
المنهجية والمصادر
- Busquet, Efthymiou and Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford et al., A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck et al. (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu et al., M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita et al., A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe et al., CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach et al., Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon and Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez et al., Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- المختبرات الصوتية الوطنية في أستراليا (National Acoustic Laboratories)، تقييم منظم للتواصل عبر مؤتمرات الفيديو، 2022
- Walter-Terrill, Ongchoco and Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger and Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (ورقة أولية)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman and Schwarz, Good Sound, Good Research, Science Communication 2018، كما أوردته USC
- Microsoft Learn، جدول أجهزة USB المعتمدة لـ Teams، نوفمبر 2026
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings، المراجعة المحدثة لعام 2024
- HEAD acoustics، ورقة بيانات ACQUA Standards لمواصفة اختبار الصوت في Teams 60026، 2026
- Zoom، تحديثات جديدة لبرنامج اعتماد أجهزة Zoom، 16 مارس 2022
- ITU-T Recommendation P.863, Perceptual objective listening quality prediction
- Jabra، دراسة LSE ودراسة العاملين في مجال المعرفة 2023 (بحث جهة مصنعة)
- Logitech, Your Remote Employees are Underequipped (استبيان جهة مصنعة)، والعمل الميداني أجرته 2CV Research في مايو 2022 بحسب ملف PDF لدراسة Logitech الكاملة
- ملاحظة حول البيانات: لم تقس أي دراسة عامة حتى الآن ميكروفون كاميرا ويب حديثة مدمجا مقابل سماعة رأس على المتحدثين أنفسهم باستخدام POLQA أو التعرف الآلي على الكلام، ولذلك يجمع هذا الاستعراض بيانات ميكروفونات الحواسيب المحمولة والميكروفونات البعيدة والمصفوفات بوصفها أقرب دليل متاح للحقل البعيد. وبعض مجموعات البيانات الرئيسية أقدم من ثلاث سنوات (REVERB 2016، ودراسة الضجيج والارتداد الصوتي لعام 2016، وFiechter وNewman 2018، وDiPCo 2019، وWhisper وM2MeT 2022، ومعايير Zoom 2022) وقد أشرنا إليها في أقسامها. التعارضات وأوجه عدم الاتساق: يعطي نص دراسة الاجتماعات ارتفاعا بنسبة 20% في أرجحية المشاركة لمستخدمي سماعة الرأس بينما يعطي جدولها نسبة أرجحية قدرها 1.16 (نعتمد قيمة الجدول)؛ وتذكر ورقة DiPCo أن مدة الجلسات من 15 إلى 45 دقيقة في ملخصها ومن 15 إلى 47 دقيقة في متنها؛ وتطبع ورقة M2MeT نسبتي تداخل مختلفتين لمجموعة التقييم (لا نستخدم أيا منهما). وفجوة القابلية للتوظيف البالغة 6.4 نقاط مصدرها ورقة أولية في Forum Acusticum لم تنشر بعد في مجلة. أما أرقام Jabra وLogitech فهي استبيانات أجرتها جهات مصنعة وقد وُسمت على هذا النحو. والأرقام 12.82 dB و10.76 dB والنسب هي من حسابنا بطرح أو قسمة القيم المنشورة، مع إظهار العملية الحسابية في النص.
آخر تحديث: 7 نوفمبر 2026. نحدّث هذا الاستعراض كل ثلاثة أشهر، ومن المتوقع أن يأتي التحديث التالي عند نشر الوقائع النهائية لمؤتمر Forum Acusticum 2026 (المؤتمر الثاني عشر للجمعية الأوروبية للصوتيات).