Whisper large-v2, model pengenalan ucapan yang banyak dipakai, membuat 36,4% kesalahan kata pada audio rapat yang ditangkap satu mikrofon jauh, dibandingkan 16,9% pada rapat yang sama yang direkam lewat mikrofon headset (OpenAI, makalah Whisper 2022). Kesenjangan itu dimulai sejak penangkapan suara: dalam studi 30 orang, mikrofon bawaan laptop pada jarak sekitar 60 cm merekam ucapan 12,82 dB lebih rendah daripada mikrofon headset pada jarak 15 hingga 20 cm (Busquet dkk., Behavior Research Methods 2023). Dan dampaknya tidak berhenti di sisi teknis: 600 pendengar menilai seorang kandidat kerja yang terdengar melalui suara mikrofon buruk yang tipis dengan 68,50 dari 100 untuk peluang direkrut, dibandingkan 76,04 untuk rekaman yang jernih (Walter-Terrill dkk., PNAS 2025). Kami menggabungkan data dari Amazon, Yale University, tantangan REVERB dan CHiME, Ear and Hearing, studi rapat di lima organisasi, ITU-T dan Zoom, ditambah dua survei vendor yang diberi label sebagai demikian. Untuk pasar perangkat kerasnya sendiri, lihat statistik pasar webcam kami; halaman ini membahas apa yang dilakukan mikrofon terhadap suara.
TL;DR
- Tingkat kesalahan kata Whisper large-v2 pada rapat AMI: 16,9% dengan mikrofon headset individual berbanding 36,4% dengan satu mikrofon jauh (OpenAI, makalah Whisper 2022).
- Mikrofon bawaan laptop pada jarak sekitar 60 cm menangkap ucapan pada 46,91 dB, berbanding 59,73 dB untuk mikrofon headset pada jarak 15 hingga 20 cm (Busquet dkk., Behavior Research Methods 2023).
- Pada rekaman pesta makan malam DiPCo milik Amazon, WER jarak dekat adalah 42,10% berbanding 77,52% untuk susunan mikrofon medan jauh (Van Segbroeck dkk., DiPCo 2019).
- Rapat bahasa Mandarin AliMeeting: 9,9% kesalahan karakter pada audio headset berbanding 49,0% pada audio susunan mikrofon medan jauh (Yu dkk., M2MeT 2022).
- Peluang direkrut turun dari 76,04 menjadi 68,50 dari 100 ketika suara yang sama terdengar seperti mikrofon buruk, dengan akurasi transkripsi tidak berubah (98,09% berbanding 98,07%) (Walter-Terrill dkk., PNAS 2025).
- Audio berkualitas rendah memperoleh MOS ViSQOL 2,13 berbanding 4,68 untuk kualitas sedang, dan menurunkan penilaian employabilitas (Schütze dkk., Forum Acusticum 2026).
- Bising latar memperlambat respons pendengar rata-rata 91 ms, sebuah ukuran upaya mendengarkan (Picou dkk., Ear and Hearing 2016).
- Orang dewasa dengan implan koklea mencapai sekitar 60% dari efisiensi mendengarkan yang lazim dalam percakapan online hanya-audio, naik menjadi sekitar 80% dengan teks (Perea Pérez dkk., Ear and Hearing 2025).
- Hanya 30% pekerja pengetahuan yang memakai headset profesional untuk bekerja dan 8% menyebutnya perangkat utama mereka (Jabra 2023 Knowledge Worker Study, survei vendor).
1. Jarak Mikrofon dan Level Ucapan yang Tertangkap
Mikrofon webcam atau laptop adalah mikrofon medan jauh (far-field): ia berada kira-kira sejauh lengan dari mulut atau lebih jauh, sehingga merekam ruangan bersama suara. Mikrofon headset adalah mikrofon jarak dekat (close-talk), beberapa sentimeter dari bibir. Perbandingan terukur yang paling bersih berasal dari studi 2023 yang merekam pembicara yang sama pada beberapa perangkat. Mikrofon bawaan laptop pada jarak sekitar 60 cm menangkap ucapan pada 46,91 dB, sedangkan mikrofon headset pada jarak 15 hingga 20 cm menangkap 59,73 dB, selisih 12,82 dB (59,73 dikurangi 46,91) (Busquet, Efthymiou, dan Hildebrand, Behavior Research Methods 2023).
Dua detail penting bagi pembeli. Pertama, bahkan mikrofon studio pada jarak 60 cm yang sama menangkap 10,76 dB lebih tinggi daripada laptop (57,67 dikurangi 46,91), jadi mikrofon bawaan kalah baik karena jarak maupun perangkat kerasnya. Kedua, laptop dan mikrofon studio mengukur nada suara rata-rata hampir identik, yang berarti mikrofon yang jauh tidak mengubah siapa yang terdengar seperti Anda; ia mengubah seberapa banyak diri Anda yang sampai ke seberang dibandingkan dengan ruangan. Uji terpisah atas rekaman kerja kelompok menunjukkan separuh cerita lainnya: dengan enam mikrofon berbeda yang semuanya diletakkan 5 feet (sekitar 1,5 m) dari pembicara, pilihan model nyaris tidak menggeser tingkat kesalahan (Bradford dkk., EDM 2022).
| Metrik | Nilai | Sumber |
|---|---|---|
| Level ucapan, mikrofon bawaan laptop pada jarak sekitar 60 cm berbanding mikrofon headset pada jarak 15 hingga 20 cm | 46,91 dB berbanding 59,73 dB | Busquet dkk., Behavior Research Methods 2023 |
| Level ucapan, mikrofon studio pada jarak sekitar 60 cm berbanding mikrofon lavalier (jepit) pada jarak 15 hingga 20 cm | 57,67 dB berbanding 63,68 dB | Busquet dkk., Behavior Research Methods 2023 |
| Nada suara rata-rata yang diukur mikrofon laptop berbanding mikrofon studio | 168,42 Hz berbanding 169,31 Hz (t = -0,89, p = 0,99) | Busquet dkk., Behavior Research Methods 2023 |
| Ukuran studi perbandingan perangkat | 30 peserta, 1.800 sampel suara | Busquet dkk., Behavior Research Methods 2023 |
| Tingkat kesalahan kata, enam mikrofon pada jarak 5 feet dari pembicara, membaca naskah dengan lantang | 10,7% hingga 12,0% | Bradford dkk., EDM 2022 |
| Tingkat kesalahan kata, enam mikrofon yang sama, percakapan kelompok bebas | 52,7% hingga 61,3% | Bradford dkk., EDM 2022 |
| Jarak dari setiap pembicara ke susunan mikrofon medan jauh dalam rekaman DiPCo | 1.120 mm hingga 3.950 mm | Van Segbroeck dkk., DiPCo 2019 |
| Jarak mikrofon ke pembicara di ruang rapat AliMeeting | 0,3 hingga 5,0 m | Yu dkk., M2MeT 2022 |
Catatan konteks: nilai desibel dalam studi itu adalah ukuran amplitudo dari rekaman, bukan level tekanan suara terkalibrasi, sehingga selisih 12,82 dB membandingkan perangkat dalam satu pengaturan dan bukan memprediksi apa yang akan dihasilkan webcam mana pun. Data terbaru yang tersedia untuk perbandingan EDM: 2022.
2. Kesalahan Pengenalan Ucapan: Jarak Dekat vs Medan Jauh
Pengenalan ucapan adalah pendengar yang paling terukur, dan ia mengatakan hal yang sama di setiap korpus: jauhkan mikrofon dan kesalahan kira-kira berlipat dua atau lebih. Whisper large-v2 naik dari WER 16,9% (tingkat kesalahan kata, yakni porsi kata yang ditranskripsikan keliru) pada rapat AMI yang direkam dengan mikrofon headset individual menjadi 36,4% pada rapat yang sama dari satu mikrofon jauh, sekitar 2,2 kali lebih tinggi (36,4 dibagi 16,9) (Radford dkk., makalah OpenAI Whisper 2022). Model wav2vec 2.0 yang lebih lama menunjukkan arah yang sama, 37,0% berbanding 67,6%.
Pola ini berlaku di rumah dan dalam bahasa lain. Korpus DiPCo milik Amazon merekam empat orang di meja makan dengan headset dan lima susunan mikrofon medan jauh sekaligus: penyiapan evaluasi terbaik mencapai WER 42,10% pada jarak dekat dan 77,52% pada medan jauh, sekitar 1,8 kali lebih tinggi (77,52 dibagi 42,10) (Van Segbroeck dkk., DiPCo 2019). Pada rapat bahasa Mandarin kesenjangannya lebih curam, 9,9% berbanding 49,0% CER (tingkat kesalahan karakter, padanan WER untuk bahasa Mandarin), sekitar 5 kali (49,0 dibagi 9,9) (Yu dkk., M2MeT 2022). Pelatihan dengan audio medan jauh mempersempitnya menjadi 8,2% berbanding 33,3% tetapi tidak menutupnya. Ruangan dengan susunan mikrofon di langit-langit punya datanya sendiri, yang dibahas dalam statistik mikrofon beamforming ruang konferensi kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| WER Whisper large-v2, rapat AMI: mikrofon headset individual berbanding satu mikrofon jauh | 16,9% berbanding 36,4% | Radford dkk., makalah OpenAI Whisper 2022 |
| WER wav2vec 2.0 Large (tanpa model bahasa), AMI: mikrofon headset berbanding satu mikrofon jauh | 37,0% berbanding 67,6% | Radford dkk., makalah OpenAI Whisper 2022 |
| WER rekaman nyata REVERB, sistem delapan mikrofon terbaik | 9,0% | Kinoshita dkk., ringkasan tantangan REVERB 2016 |
| WER evaluasi DiPCo, headset jarak dekat berbanding susunan medan jauh (model bahasa terbaik) | 42,10% berbanding 77,52% | Van Segbroeck dkk., DiPCo 2019 |
| CER AliMeeting, model yang dilatih dengan audio headset: pengujian headset berbanding pengujian medan jauh | 9,9% berbanding 49,0% | Yu dkk., M2MeT 2022 |
| CER AliMeeting, model yang menambahkan data medan jauh, eksternal, dan simulasi: headset berbanding medan jauh | 8,2% berbanding 33,3% | Yu dkk., M2MeT 2022 |
| WER rekaman nyata REVERB: acuan bersih/headset berbanding garis dasar medan jauh | 6,9% berbanding 49,2% | Kinoshita dkk., ringkasan tantangan REVERB 2016 |
| WER garis dasar resmi CHiME-6 pada susunan medan jauh, set pengembangan berbanding set evaluasi | 51,8% berbanding 51,3% | Watanabe dkk., tantangan CHiME-6 2020 |
Data terbaru yang tersedia: makalah Whisper (2022) masih menjadi perbandingan berdampingan publik terbesar atas WER headset vs mikrofon jauh pada rapat yang sama; model yang lebih baru belum mempublikasikan pemisahan headset vs mikrofon jauh pada AMI dalam format yang sama. Makalah garis dasar CHiME-6 hanya mengizinkan susunan mikrofon medan jauh pada saat pengujian, itulah sebabnya tidak ada kolom jarak dekat.
3. Ruangan, Bising, dan Upaya Mendengarkan
Jarak penting karena apa yang mengisi celahnya: pantulan dan bising. Ruang tamu yang umum membutuhkan 0,3 hingga 0,7 s agar responsnya meluruh sebesar 60 dB (waktu dengung), menurut sebuah tinjauan tentang pengenalan medan jauh (Haeb-Umbach dkk., Far-Field Automatic Speech Recognition 2020). Mikrofon headset yang dekat dengan mulut mendengar jauh lebih sedikit ekor itu daripada mikrofon webcam di atas monitor.
Bagi pendengar manusia, bukti terbagi dengan cara yang berguna. Dalam studi Ear and Hearing yang terkendali, bising latar memperlambat respons rata-rata 91 ms (ukuran upaya mendengarkan dalam studi tersebut), sedangkan dengung tidak mengubah upaya secara signifikan, meskipun setiap peningkatan satu tingkat dengung menurunkan pengenalan kata sekitar 8 RAU (unit arcsin terrasionalisasi, skor persen-benar yang ditransformasi) (Picou, Gordon, dan Ricketts, Ear and Hearing 2016). Dengan kata lain, gema ruangan menghabiskan kata; bising ruangan menghabiskan tenaga. Itu penting karena mikrofon yang jauh menangkap lebih banyak dari keduanya. Bagi orang dengan gangguan pendengaran, National Acoustic Laboratories Australia menemukan bahwa mengikuti percakapan konferensi video membutuhkan upaya yang jauh lebih besar daripada bagi orang dengan pendengaran normal, dan alat bantu dengar tidak memulihkan tingkat tatap muka. Sisi fisiologis kelelahan panggilan dibahas dalam statistik biomarker kelelahan rapat video kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Waktu dengung ruang tamu yang umum (meluruh hingga -60 dB) | 0,3 hingga 0,7 s | Haeb-Umbach dkk., tinjauan ASR medan jauh 2020 |
| Kehilangan pengenalan kata per peningkatan satu tingkat dengung, pada rasio sinyal terhadap bising yang tetap | sekitar 8 RAU | Picou dkk., Ear and Hearing 2016 |
| Perlambatan waktu respons dalam bising berbanding hening (upaya mendengarkan) | rata-rata 91 ms | Picou dkk., Ear and Hearing 2016 |
| Pengaruh dengung terhadap upaya mendengarkan ketika pengenalan sebanding | tidak signifikan (p = 0,18) | Picou dkk., Ear and Hearing 2016 |
| Waktu dengung yang diuji dalam studi itu | T30 di bawah 100 ms, 475 ms, dan 834 ms | Picou dkk., Ear and Hearing 2016 |
| Ruangan simulasi REVERB: waktu dengung, serta jarak mikrofon dekat berbanding jauh | 0,3, 0,6, dan 0,7 s; 50 cm berbanding 200 cm | Kinoshita dkk., ringkasan tantangan REVERB 2016 |
| WER medan jauh CHiME-5: garis dasar berbanding sistem pengenalan yang kuat berbanding pemisahan multi-mikrofon dan penghilangan dengung | sedikit di bawah 80% berbanding sekitar 60% berbanding 43,2% | Haeb-Umbach dkk., tinjauan ASR medan jauh 2020 |
| Efisiensi mendengarkan pengguna implan koklea dalam percakapan online, hanya-audio berbanding dengan teks (porsi dari rata-rata pendengaran lazim) | sekitar 60% berbanding sekitar 80% | Perea Pérez dkk., Ear and Hearing 2025 |
Catatan data pencilan: efek nol dari dengung terhadap upaya mengejutkan para penulisnya sendiri, yang menyebutnya tidak konsisten dengan model upaya mendengarkan saat ini; hal itu diukur pada 18 orang dewasa muda dengan pendengaran normal. Data terbaru yang tersedia: 2016. Bising adalah separuh yang bisa diserang oleh perangkat lunak, lihat statistik peredam bising neural kami.
4. Bagaimana Pendengar Menilai Pembicara Melalui Mikrofon yang Buruk
Temuan paling berdampak dalam dua tahun terakhir adalah bahwa suara mikrofon yang buruk mengubah penilaian terhadap orangnya, bukan hanya kejelasan ucapan. Dalam eksperimen PNAS dengan 600 pendengar, seorang kandidat kerja yang terdengar melalui suara ‘mikrofon buruk’ yang tipis dan hampa memperoleh skor peluang direkrut 68,50 berbanding 76,04 untuk rekaman yang jernih (d = 0,35, P < 0,001), sementara akurasi transkripsi identik pada 98,07% berbanding 98,09% (Walter-Terrill, Ongchoco, dan Scholl, PNAS 2025). Pendengar memahami setiap kata; mereka hanya menganggap pembicaranya kurang baik.
Studi lanjutan 2026 dengan 299 peserta dan wawancara kerja berbasis avatar menemukan bahwa audio berbitrate rendah dan terbatas pita menurunkan penilaian employabilitas (p < 0,001), sementara peningkatan dari kualitas sedang ke tinggi tidak membuat perbedaan (p = 0,813) (Schütze, Biberger, dan Reber, Forum Acusticum 2026). Itu menunjukkan adanya ambang: pendengar menghukum audio yang jelas-jelas terdegradasi, bukan sekadar audio yang biasa saja. Penelitian sebelumnya menemukan bias yang sama dalam wawancara Skype simulasi, yang tetap bertahan bahkan setelah para penilai diminta mengabaikan kualitas panggilan (Fiechter dkk., Cognitive Research 2018).
| Metrik | Nilai | Sumber |
|---|---|---|
| Skor peluang direkrut (0 hingga 100), rekaman jernih berbanding versi ‘mikrofon buruk’ yang tipis | 76,04 berbanding 68,50 (d = 0,35) | Walter-Terrill dkk., PNAS 2025 |
| Akurasi transkripsi, rekaman jernih berbanding rekaman terdistorsi | 98,09% berbanding 98,07% (P = 0,915) | Walter-Terrill dkk., PNAS 2025 |
| Pendengar pada Eksperimen 1 | 600 (300 per kondisi) | Walter-Terrill dkk., PNAS 2025 |
| Selisih penilaian employabilitas, kualitas audio tinggi berbanding rendah (skala 0 hingga 100) | 6,4 poin; rendah berbanding tinggi p < 0,001; sedang berbanding tinggi p = 0,813 | Schütze dkk., Forum Acusticum 2026 |
| Kualitas objektif (MOS ViSQOL) audio berkualitas rendah berbanding sedang | 2,13 berbanding 4,68 | Schütze dkk., Forum Acusticum 2026 |
| Skor peluang direkrut (1 hingga 10), audio dan video lancar berbanding terdegradasi, kedua eksperimen digabungkan | 6,91 berbanding 6,33 (d Cohen = 0,44) | Fiechter dkk., Cognitive Research 2018 |
| Pendengar yang menilai ceramah atau wawancara radio yang identik dengan audio baik berbanding buruk | 97 (Eksperimen 1) dan 99 (Eksperimen 2) | Newman dan Schwarz, Science Communication 2018 |
Catatan konteks: dalam studi Newman dan Schwarz (DOI 10.1177/1075547018759345), audio yang buruk menurunkan penilaian terhadap ceramah, kecerdasan pembicara, dan pentingnya penelitian, sebagaimana diringkas oleh USC. MOS (skor opini rata-rata) adalah skala standar kualitas mendengarkan, di mana nilai yang lebih tinggi lebih baik; ViSQOL adalah model perangkat lunak yang memprediksinya. Data terbaru yang tersedia untuk studi Fiechter dan Newman: 2018.
5. Aturan Sertifikasi: Apa yang Sebenarnya Diuji Teams, Zoom, dan ITU
Program sertifikasi memperlihatkan di mana vendor menempatkan standar audio, dan webcam sebagian besar berada di luarnya. Halaman perangkat bersertifikat Teams menyebutkan bahwa perangkat audio seperti headset dan speakerphone harus menawarkan audio pita lebar tanpa gema, distorsi, atau gangguan berlebihan, sementara kriteria yang dicantumkannya untuk perangkat video semuanya adalah metrik gambar (Microsoft Learn, Teams certified USB devices, November 2026). Dari 22 perangkat USB pada daftar itu yang memenuhi syarat pada 2026, 2 adalah webcam dan 20 adalah headset atau sistem headset (hitungan kami atas tabel November 2026).
Standar headset juga memiliki tingkat premium. Dokumentasi laboratorium uji untuk Teams Audio Test Specification menjelaskan modul kantor terbuka opsional yang menilai MOS ucapan dan bising di bawah bising kantor ditambah ‘peredaman gangguan suara’ (distractor attenuation), yaitu seberapa banyak suara tetangga yang ditolak headset (lembar data HEAD acoustics, Teams Audio Test Specification 60026). Zoom menyatukan standar pengujian objektif untuk kategori audionya pada 2022 (Zoom, pembaruan sertifikasi perangkat keras 2022), dan pengaturan laboratorium Teams dibangun di atas metode ITU-T seperti P.502 dan mulut buatan P.51 (pengeras suara yang meniru pembicara manusia). Acuan yang lebih luas untuk menilai ucapan yang tertangkap adalah ITU-T P.863 (POLQA), model standar yang memprediksi kualitas mendengarkan pada skala MOS.
| Metrik | Nilai | Sumber |
|---|---|---|
| Persyaratan audio untuk headset dan speakerphone bersertifikat Teams | audio pita lebar tanpa gema, distorsi, atau gangguan berlebihan; pembatalan gema didukung | Microsoft Learn, Teams certified USB devices 2026 |
| Kriteria yang dicantumkan untuk perangkat video bersertifikat Teams seperti webcam | derau, warna, detail gambar, jitter, latensi, kecepatan bingkai, bidang pandang (metrik gambar) | Microsoft Learn, Teams certified USB devices 2026 |
| Perangkat USB yang memenuhi syarat pada 2026 (hingga tabel November 2026): webcam berbanding headset atau sistem headset | 2 berbanding 20 (dari 22) | Microsoft Learn, hitungan kami atas tabel November 2026 |
| Versi Teams Audio Test Specification yang dipakai laboratorium uji, dan kategori perangkat | V5.0 termasuk Addendum A; 4 kategori (headset, telepon meja pribadi, speakerphone pribadi, speakerphone bersama) | Lembar data laboratorium uji HEAD acoustics 2026 |
| Metrik tambahan dalam uji headset kantor terbuka opsional | MOS ucapan dan bising 3QUEST; peredaman gangguan suara (rata-rata dan minimum) | Lembar data laboratorium uji HEAD acoustics 2026 |
| Kategori audio dan terkait Zoom dengan standar uji objektif yang diperbarui dan disatukan | 7 | Pembaruan sertifikasi perangkat keras Zoom, 16 Maret 2022 |
| Seberapa sering perangkat bersertifikat Zoom harus disertifikasi ulang | setidaknya setiap dua tahun | Pembaruan sertifikasi perangkat keras Zoom, 16 Maret 2022 |
| Edisi ITU-T P.863 (POLQA) yang berlaku, beserta amandemennya | P.863 (03/18); Amandemen 1 (04/20) tentang prediksi ucapan pita sempit yang direkam secara akustik | Rekomendasi ITU-T P.863 |
Catatan konteks: ‘pita lebar’ di sini adalah istilah telepon untuk audio yang mempertahankan rentang frekuensi lebih lebar daripada audio telepon pita sempit tradisional; itu bukan ukuran kenyaringan. Data terbaru yang tersedia untuk kriteria Zoom: 2022, karena Zoom belum mempublikasikan ambang yang lebih baru.
6. Bagaimana Orang Memperlengkapi Diri dan Apa yang Berubah dalam Rapat Nyata
Data survei tentang perlengkapan masih tipis dan sebagian besar dijalankan vendor, tetapi mengarah ke satu hal: kebanyakan orang masih berbicara lewat apa pun yang sudah terpasang di perangkatnya. Hanya 30% pekerja pengetahuan yang memakai headset profesional untuk bekerja, dan 8% menyebutnya perangkat utama mereka, padahal 91% menggunakan platform rapat online (Jabra 2023 Knowledge Worker Study, survei vendor). Survei Logitech 2022 terhadap lebih dari 3.000 pekerja jarak jauh di AS, Jerman, dan Tiongkok menemukan bahwa 85% kesulitan dengan masalah suara (Logitech, survei vendor).
Data independen menambahkan sisi hasilnya. Studi atas sekitar 7.330 respons survei pasca-rapat yang dapat digunakan dari lima organisasi besar menemukan bahwa memakai headset meningkatkan peluang penilaian ‘Partisipasi’ (OR = 1,16), dan panggilan dengan masalah kualitas audio memiliki peluang jauh lebih rendah untuk dinilai efektif (OR = 0,14) (Hosseinkashi dkk., Microsoft Research, studi efektivitas rapat 2024). Rasio odds (OR) di bawah 1 berarti peluang yang lebih rendah; 0,14 adalah efek yang besar. Dibaca bersama selisih level pada bagian 1, alasan untuk penangkapan suara jarak dekat adalah soal dianggap hadir sepenuhnya, bukan sekadar terdengar.
| Metrik | Nilai | Sumber |
|---|---|---|
| Pekerja pengetahuan yang memakai headset profesional untuk bekerja | 30% | Jabra 2023 Knowledge Worker Study (survei vendor, 7.000+ karyawan) |
| Pekerja pengetahuan yang menyebut headset profesional sebagai perangkat utama mereka | 8% | Jabra 2023 Knowledge Worker Study (survei vendor) |
| Pekerja jarak jauh yang kesulitan dengan masalah suara dalam panggilan | 85% | Survei pengguna akhir Logitech, Mei 2022 (survei vendor, 3.000+ pekerja) |
| Studi percakapan online, kelompok pendengaran lazim: mendengarkan lewat pengeras suara berbanding headphone | 72% berbanding 28% | Perea Pérez dkk., Ear and Hearing 2025 |
| Studi yang sama, kelompok implan koklea: pengeras suara berbanding headphone berbanding streaming langsung | 68% berbanding 12% berbanding 20% | Perea Pérez dkk., Ear and Hearing 2025 |
| Rasio odds yang disesuaikan untuk penilaian ‘Partisipasi’ ketika pengguna memakai headset | 1,16 | Hosseinkashi dkk., Microsoft Research 2024 |
| Tingkat partisipasi, panggilan hanya-audio dengan headset berbanding tanpa headset | sekitar 5% lebih tinggi | Hosseinkashi dkk., Microsoft Research 2024 |
| Rasio odds yang disesuaikan untuk penilaian rapat ‘Efektif’ ketika panggilan memiliki masalah kualitas (gema, bising, distorsi) | 0,14 | Hosseinkashi dkk., Microsoft Research 2024 |
Catatan data pencilan: teks studi rapat itu menyebut peluang Partisipasi naik ‘sebesar 20%’ dengan headset, sementara tabelnya sendiri memberikan rasio odds 1,16; kami melaporkan nilai tabel. Para penulis juga memperingatkan bahwa deteksi headset dari telemetri tidak andal karena banyak perangkat melaporkannya secara keliru. Data terbaru yang tersedia untuk survei Logitech: Mei 2022.
Ringkasan: Kualitas Suara Mikrofon Bawaan Webcam vs Headset dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| WER Whisper large-v2, mikrofon headset AMI berbanding satu mikrofon jauh | 16,9% berbanding 36,4% | Radford dkk., makalah OpenAI Whisper 2022 |
| WER DiPCo, jarak dekat berbanding susunan medan jauh | 42,10% berbanding 77,52% | Van Segbroeck dkk., DiPCo 2019 |
| CER AliMeeting, headset berbanding medan jauh | 9,9% berbanding 49,0% | Yu dkk., M2MeT 2022 |
| Rekaman nyata REVERB: WER bersih/headset berbanding garis dasar medan jauh berbanding sistem 8 mikrofon terbaik | 6,9% berbanding 49,2% berbanding 9,0% | Kinoshita dkk., ringkasan tantangan REVERB 2016 |
| Level ucapan, mikrofon laptop pada jarak sekitar 60 cm berbanding mikrofon headset pada jarak 15 hingga 20 cm | 46,91 dB berbanding 59,73 dB | Busquet dkk., Behavior Research Methods 2023 |
| Rentang WER enam mikrofon pada 5 feet, naskah berbanding percakapan bebas | 10,7% hingga 12,0% berbanding 52,7% hingga 61,3% | Bradford dkk., EDM 2022 |
| Waktu dengung ruang tamu yang umum | 0,3 hingga 0,7 s | Haeb-Umbach dkk., tinjauan ASR medan jauh 2020 |
| Perlambatan respons akibat bising latar | rata-rata 91 ms | Picou dkk., Ear and Hearing 2016 |
| Efisiensi mendengarkan implan koklea secara online, hanya-audio berbanding dengan teks | sekitar 60% berbanding sekitar 80% dari tingkat lazim | Perea Pérez dkk., Ear and Hearing 2025 |
| Peluang direkrut, suara jernih berbanding suara mikrofon buruk (0 hingga 100) | 76,04 berbanding 68,50 | Walter-Terrill dkk., PNAS 2025 |
| MOS ViSQOL, kualitas audio rendah berbanding sedang | 2,13 berbanding 4,68 | Schütze dkk., Forum Acusticum 2026 |
| Peluang direkrut (1 hingga 10), audio dan video lancar berbanding terdegradasi | 6,91 berbanding 6,33 | Fiechter dkk., Cognitive Research 2018 |
| Pemakaian headset profesional untuk bekerja | 30% | Jabra 2023 Knowledge Worker Study (survei vendor) |
| Headset profesional disebut sebagai perangkat utama | 8% | Jabra 2023 Knowledge Worker Study (survei vendor) |
| Pendengar percakapan online dengan pendengaran lazim, lewat pengeras suara berbanding headphone | 72% berbanding 28% | Perea Pérez dkk., Ear and Hearing 2025 |
| Jarak mikrofon ke pembicara di ruang AliMeeting | 0,3 hingga 5,0 m | Yu dkk., M2MeT 2022 |
| Pekerja jarak jauh yang kesulitan dengan masalah suara | 85% | Survei pengguna akhir Logitech 2022 (survei vendor) |
| Interval sertifikasi ulang Zoom | setidaknya setiap dua tahun | Pembaruan sertifikasi perangkat keras Zoom 2022 |
Metodologi dan Sumber
- Busquet, Efthymiou, dan Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford dkk., A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford dkk. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck dkk. (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu dkk., M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita dkk., A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe dkk., CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach dkk., Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon, dan Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez dkk., Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- National Acoustic Laboratories, penilaian terstruktur komunikasi melalui konferensi video, 2022
- Walter-Terrill, Ongchoco, dan Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger, dan Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (makalah pendahuluan)
- Fiechter dkk., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman dan Schwarz, Good Sound, Good Research, Science Communication 2018, sebagaimana dilaporkan oleh USC
- Microsoft Learn, tabel Teams certified USB devices, November 2026
- Hosseinkashi dkk. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, revisi 2024
- HEAD acoustics, lembar data ACQUA Standards untuk Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 Maret 2022
- Rekomendasi ITU-T P.863, Perceptual objective listening quality prediction
- Jabra, studi keterlibatan LSE dan 2023 Knowledge Worker Study (riset vendor)
- Logitech, Your Remote Employees are Underequipped (survei vendor), dengan pekerjaan lapangan oleh 2CV Research pada Mei 2022 menurut PDF lengkap studi Logitech
- Catatan data: belum ada studi publik yang mengukur mikrofon bawaan webcam masa kini terhadap headset pada pembicara yang sama dengan POLQA atau ASR, sehingga rangkuman ini menggabungkan data mikrofon laptop, mikrofon jauh, dan susunan mikrofon sebagai bukti medan jauh yang paling dekat. Beberapa dataset kunci berusia lebih dari tiga tahun (REVERB 2016, studi bising dan dengung 2016, Fiechter dan Newman 2018, DiPCo 2019, Whisper dan M2MeT 2022, kriteria Zoom 2022) dan ditandai di bagian masing-masing. Konflik dan ketidakkonsistenan: teks studi rapat memberikan kenaikan 20% pada peluang Partisipasi bagi pengguna headset, sedangkan tabelnya memberikan rasio odds 1,16 (kami memakai tabel); makalah DiPCo memberikan durasi sesi 15 hingga 45 menit dalam abstraknya dan 15 hingga 47 menit di bagian isi; makalah M2MeT mencetak dua rasio tumpang tindih yang berbeda untuk set evaluasinya (kami tidak memakai keduanya). Selisih employabilitas 6,4 poin berasal dari makalah pendahuluan Forum Acusticum yang belum terbit di jurnal. Angka Jabra dan Logitech adalah survei vendor dan diberi label demikian. Angka 12,82 dB, 10,76 dB, dan rasio adalah hasil pengurangan atau pembagian kami sendiri atas nilai yang dipublikasikan, dengan perhitungan yang diperlihatkan dalam teks.
Terakhir diperbarui: 7 November 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika prosiding akhir Forum Acusticum 2026 (Konvensi ke-12 Asosiasi Akustik Eropa) dipublikasikan.