広く使われている音声認識モデルのWhisper large-v2は、遠距離マイク1本で収録した会議音声で36.4%の単語誤りを出したが、同じ会議をヘッドセットマイクで収録した場合は16.9%だった(OpenAI、Whisper論文 2022年)。この差は収録の段階から始まっている。30人を対象とした研究では、約60 cmの位置にあるノートPC内蔵マイクが捉えた音声は、15〜20 cmの位置にあるヘッドセットマイクより12.82 dB低かった(Busquetら、Behavior Research Methods 2023年)。しかも、これは技術上の話にとどまらない。600人のリスナーは、金属的でこもった粗悪なマイクの音で聞いた求職者の採用適性を100点満点で68.50と評価し、クリアな録音の76.04を下回った(Walter-Terrillら、PNAS 2025年)。本稿では、Amazon、イェール大学、REVERBとCHiMEの各チャレンジ、Ear and Hearing、5組織を対象とした会議研究、ITU-TとZoom、さらにその旨を明記した2件のベンダー調査のデータを集約した。ハードウェア市場そのものについては、当社のウェブカメラ市場統計をご覧ください。このページが扱うのは、マイクが声に何をもたらすかである。
主なポイント
- AMI会議でのWhisper large-v2の単語誤り率:個別のヘッドセットマイクで16.9%、遠距離マイク1本で36.4%(OpenAI、Whisper論文 2022年)。
- 約60 cmの位置にあるノートPC内蔵マイクは音声を46.91 dBで捉え、15〜20 cmの位置にあるヘッドセットマイクは59.73 dBだった(Busquetら、Behavior Research Methods 2023年)。
- Amazonのディナーパーティー録音DiPCoでは、近接マイクのWERが42.10%、遠距離マイクアレイでは77.52%だった(Van Segbroeckら、DiPCo 2019年)。
- AliMeetingの中国語会議:ヘッドセット音声の文字誤り率は9.9%、遠距離マイクアレイ音声では49.0%だった(Yuら、M2MeT 2022年)。
- 同じ声が粗悪なマイクのように聞こえると、採用適性は100点満点で76.04から68.50に下がったが、書き起こし精度は変わらなかった(98.09%対98.07%)(Walter-Terrillら、PNAS 2025年)。
- 低品質の音声はViSQOL MOSが2.13で、中品質の4.68を下回り、就業適性の評価も下げた(Schützeら、Forum Acusticum 2026年)。
- 背景ノイズはリスナーの反応を平均91 ms遅らせた。これは聴取努力の指標である(Picouら、Ear and Hearing 2016年)。
- 人工内耳を使用する成人は、音声のみのオンライン会話で通常の聴取効率の約60%に達し、字幕があると約80%に上昇した(Perea Pérezら、Ear and Hearing 2025年)。
- 業務でプロ用ヘッドセットを使うナレッジワーカーはわずか30%で、メインのデバイスと答えたのは8%だった(Jabra 2023年ナレッジワーカー調査、ベンダー調査)。
1. マイク距離と収録される音声レベル
ウェブカメラやノートPCのマイクは遠距離マイクである。口から腕の長さほど、あるいはそれ以上離れているため、声と一緒に部屋の音も収録する。ヘッドセットのマイクは、唇から数センチの位置にある近接マイク(close-talk)だ。最も明確な実測比較は、同じ話者を複数のデバイスで収録した2023年の研究から得られた。約60 cmの位置にあるノートPC内蔵マイクは音声を46.91 dBで捉え、15〜20 cmの位置にあるヘッドセットマイクは59.73 dBで、差は12.82 dB(59.73から46.91を引いた値)だった(Busquet、Efthymiou、Hildebrand、Behavior Research Methods 2023年)。
購入者にとって重要な点が2つある。第一に、同じ60 cmの位置にあるスタジオマイクでさえ、ノートPCを10.76 dB上回った(57.67から46.91を引いた値)。つまり内蔵マイクは、距離とハードウェアの両方で不利になっている。第二に、ノートPCとスタジオマイクはほぼ同じ平均の声の高さを測定した。遠くのマイクは「誰の声に聞こえるか」を変えるのではなく、部屋に比べてどれだけ多くの自分の声が相手側に届くかを変える。グループワークの録音を対象とした別のテストは、もう一方の側面を示している。6種類の異なるマイクをすべて5フィート(約1.5 m)の位置に置いた場合、モデルの選択は誤り率をほとんど動かさなかった(Bradfordら、EDM 2022年)。
| 指標 | 値 | 出典 |
|---|---|---|
| 音声レベル、約60 cmの位置のノートPC内蔵マイク対15〜20 cmの位置のヘッドセットマイク | 46.91 dB対59.73 dB | Busquetら、Behavior Research Methods 2023年 |
| 音声レベル、約60 cmの位置のスタジオマイク対15〜20 cmの位置のラベリア(クリップ式)マイク | 57.67 dB対63.68 dB | Busquetら、Behavior Research Methods 2023年 |
| ノートPCマイク対スタジオマイクが測定した平均の声の高さ | 168.42 Hz対169.31 Hz(t = -.89, p = .99) | Busquetら、Behavior Research Methods 2023年 |
| デバイス比較研究の規模 | 参加者30人、音声サンプル1,800件 | Busquetら、Behavior Research Methods 2023年 |
| 単語誤り率、話者から5フィートの位置の6本のマイク、台本の読み上げ | 10.7%〜12.0% | Bradfordら、EDM 2022年 |
| 単語誤り率、同じ6本のマイク、自由なグループ会話 | 52.7%〜61.3% | Bradfordら、EDM 2022年 |
| DiPCo録音における各話者から遠距離マイクアレイまでの距離 | 1,120 mm〜3,950 mm | Van Segbroeckら、DiPCo 2019年 |
| AliMeetingの会議室におけるマイクと話者の距離 | 0.3〜5.0 m | Yuら、M2MeT 2022年 |
補足:この研究のデシベル値は録音から得た振幅の指標であり、較正された音圧レベルではない。そのため、12.82 dBの差は1つの環境内でデバイスを比較したものであり、個々のウェブカメラが実際に出す性能を予測するものではない。EDM比較の入手可能な最新データ:2022年。
2. 音声認識エラー:近接マイクと遠距離マイク
音声認識は最も測定しやすいリスナーであり、どのコーパスでも同じことを示している。マイクを遠ざけると、エラーはおおよそ2倍かそれ以上になる。Whisper large-v2のWER(単語誤り率、誤って書き起こされた単語の割合)は、個別のヘッドセットマイクで収録したAMI会議では16.9%だったが、同じ会議を遠距離マイク1本で収録した場合は36.4%になり、約2.2倍高かった(36.4を16.9で割った値)(Radfordら、OpenAI Whisper論文 2022年)。より古いwav2vec 2.0モデルも同じ方向を示しており、37.0%対67.6%だった。
このパターンは家庭環境でも他の言語でも当てはまる。AmazonのDiPCoコーパスは、ダイニングテーブルを囲む4人を、ヘッドセットと5台の遠距離マイクアレイで同時に収録した。最良の評価設定では、近接マイクのWERが42.10%、遠距離が77.52%で、約1.8倍高かった(77.52を42.10で割った値)(Van Segbroeckら、DiPCo 2019年)。中国語の会議では差がさらに大きく、CER(文字誤り率、中国語におけるWERに相当する指標)は9.9%対49.0%で、約5倍だった(49.0を9.9で割った値)(Yuら、M2MeT 2022年)。遠距離音声で学習させると8.2%対33.3%まで縮まったが、差は解消しなかった。天井アレイのある部屋には独自のデータがあり、当社の会議室の天井ビームフォーミングマイク統計で扱っている。
| 指標 | 値 | 出典 |
|---|---|---|
| Whisper large-v2のWER、AMI会議:個別のヘッドセットマイク対遠距離マイク1本 | 16.9%対36.4% | Radfordら、OpenAI Whisper論文 2022年 |
| wav2vec 2.0 Large(言語モデルなし)のWER、AMI:ヘッドセットマイク対遠距離マイク1本 | 37.0%対67.6% | Radfordら、OpenAI Whisper論文 2022年 |
| REVERB実録音のWER、最良の8マイクのシステム | 9.0% | Kinoshitaら、REVERBチャレンジ概要 2016年 |
| DiPCo評価のWER、近接ヘッドセット対遠距離アレイ(最良の言語モデル) | 42.10%対77.52% | Van Segbroeckら、DiPCo 2019年 |
| AliMeetingのCER、ヘッドセット音声で学習したモデル:ヘッドセットのテスト対遠距離のテスト | 9.9%対49.0% | Yuら、M2MeT 2022年 |
| AliMeetingのCER、遠距離・外部・シミュレーションのデータを追加したモデル:ヘッドセット対遠距離 | 8.2%対33.3% | Yuら、M2MeT 2022年 |
| REVERB実録音のWER:クリーン音声またはヘッドセットの基準対遠距離のベースライン | 6.9%対49.2% | Kinoshitaら、REVERBチャレンジ概要 2016年 |
| 遠距離アレイでのCHiME-6公式ベースラインのWER、開発セット対評価セット | 51.8%対51.3% | Watanabeら、CHiME-6チャレンジ 2020年 |
入手可能な最新データ:Whisper論文(2022年)は、同じ会議でのヘッドセットと遠距離マイクのWERを並べた公開データとして、今なお最大である。より新しいモデルは、同じ形式でのAMIのヘッドセット対遠距離マイクの内訳を公表していない。CHiME-6のベースライン論文はテスト時に遠距離アレイのみを認めていたため、近接マイクの列がない。
3. 部屋、ノイズ、聴取努力
距離が重要なのは、その間を埋めるもののせいだ。反射とノイズである。遠距離音声認識のレビューによれば、典型的なリビングルームでは、応答が60 dB減衰するまでに0.3〜0.7 s(残響時間)かかる(Haeb-Umbachら、Far-Field Automatic Speech Recognition 2020年)。口の近くにあるヘッドセットマイクは、モニターの上に置かれたウェブカメラのマイクよりも、この残響の尾をはるかに少なくしか拾わない。
人間のリスナーについては、証拠が有益な形で分かれる。Ear and Hearingに掲載された統制実験では、背景ノイズは反応を平均91 ms遅らせた(この研究における聴取努力の指標)が、残響は聴取努力を有意には変えなかった。それでも、残響が1段階強まるごとに単語認識は約8 RAU低下した(RAUとは合理化アークサイン単位で、正答率を変換したスコア)(Picou、Gordon、Ricketts、Ear and Hearing 2016年)。言い換えれば、部屋のエコーは単語を失わせ、部屋のノイズはエネルギーを消耗させる。遠距離マイクはその両方をより多く拾うため、この点は重要だ。難聴の人については、オーストラリアのNational Acoustic Laboratoriesが、ビデオ会議での会話についていくには、聴力が正常な人よりもはるかに大きな努力が必要であり、補聴器を使っても対面での水準には戻らなかったことを明らかにした。通話疲労の生理学的な側面は、当社のビデオ会議疲労バイオマーカー統計で扱っている。
| 指標 | 値 | 出典 |
|---|---|---|
| 典型的なリビングルームの残響時間(-60 dBまで減衰) | 0.3〜0.7 s | Haeb-Umbachら、Far-Field ASRレビュー 2020年 |
| 信号対雑音比を固定した場合の、残響1段階増あたりの単語認識の低下 | 約8 RAU | Picouら、Ear and Hearing 2016年 |
| 静かな環境に対するノイズ下での反応時間の遅れ(聴取努力) | 平均91 ms | Picouら、Ear and Hearing 2016年 |
| 認識率が同程度だった場合の、残響が聴取努力に与える影響 | 有意でない(p = 0.18) | Picouら、Ear and Hearing 2016年 |
| この研究でテストされた残響時間 | T30が100 ms未満、475 ms、834 ms | Picouら、Ear and Hearing 2016年 |
| REVERBのシミュレーション室:残響時間、およびマイクの近い距離対遠い距離 | 0.3、0.6、0.7 s;50 cm対200 cm | Kinoshitaら、REVERBチャレンジ概要 2016年 |
| CHiME-5の遠距離WER:ベースライン対強力なバックエンド対マルチマイクによる分離と残響除去 | 80%をわずかに下回る対約60%対43.2% | Haeb-Umbachら、Far-Field ASRレビュー 2020年 |
| 人工内耳ユーザーのオンライン会話における聴取効率、音声のみ対字幕あり(聴力正常者の平均に対する割合) | 約60%対約80% | Perea Pérezら、Ear and Hearing 2025年 |
外れ値に関する注記:残響が聴取努力に影響しなかったという結果は、著者自身にとっても意外で、現在の聴取努力のモデルと整合しないと述べている。この結果は、聴力が正常な若年成人18人で測定された。入手可能な最新データ:2016年。ノイズはソフトウェアで対処できる側であり、当社のニューラルノイズ抑制統計をご覧ください。
4. 粗悪なマイクを通した話し手をリスナーはどう評価するか
この2年間で最も重要な発見は、マイクの音質の悪さが、聞き取りやすさだけでなく、人物への評価も変えるという点だ。PNASに掲載された600人のリスナーによる実験では、金属的で空洞感のある「粗悪なマイク」の音で聞いた求職者の採用適性スコアは68.50で、クリアな録音の76.04を下回った(d = 0.35, P < 0.001)。一方、書き起こし精度は98.07%対98.09%で同一だった(Walter-Terrill、Ongchoco、Scholl、PNAS 2025年)。リスナーはすべての単語を理解していた。ただ、話し手への評価が下がっただけだ。
299人の参加者とアバターによる採用面接を用いた2026年の追試では、低ビットレートで帯域が制限された音声が就業適性の評価を下げた(p < 0.001)一方、中品質から高品質への向上では差が出なかった(p = 0.813)(Schütze、Biberger、Reber、Forum Acusticum 2026年)。これはしきい値の存在を示唆する。リスナーが罰するのは、単に普通の音声ではなく、明らかに劣化した音声である。以前の研究では、模擬のSkype面接でも同じバイアスが確認されており、評価者に通話品質を無視するよう指示した後でも残っていた(Fiechterら、Cognitive Research 2018年)。
| 指標 | 値 | 出典 |
|---|---|---|
| 採用適性スコア(0〜100)、クリアな録音対金属的な「粗悪なマイク」版 | 76.04対68.50(d = 0.35) | Walter-Terrillら、PNAS 2025年 |
| 書き起こし精度、クリアな録音対歪んだ録音 | 98.09%対98.07%(P = 0.915) | Walter-Terrillら、PNAS 2025年 |
| 実験1のリスナー | 600人(各条件300人) | Walter-Terrillら、PNAS 2025年 |
| 就業適性評価の差、高音質対低音質(0〜100の尺度) | 6.4ポイント;低対高 p < 0.001;中対高 p = 0.813 | Schützeら、Forum Acusticum 2026年 |
| 低品質音声対中品質音声の客観品質(ViSQOL MOS) | 2.13対4.68 | Schützeら、Forum Acusticum 2026年 |
| 採用適性スコア(1〜10)、滑らかな音声・映像対劣化した音声・映像、2つの実験を合算 | 6.91対6.33(Cohenのd = 0.44) | Fiechterら、Cognitive Research 2018年 |
| 同一の講演またはラジオインタビューを良好な音質と粗悪な音質で聞いて評価したリスナー | 97人(実験1)と99人(実験2) | NewmanとSchwarz、Science Communication 2018年 |
補足:NewmanとSchwarzの研究(DOI 10.1177/1075547018759345)では、USCがまとめたとおり、粗悪な音声が講演の評価、話し手の知性、研究の重要性の評価を下げた。MOS(平均オピニオン評点)は聴取品質の標準的な尺度で、高いほど良い。ViSQOLはそれを予測するソフトウェアモデルである。FiechterおよびNewmanの研究の入手可能な最新データ:2018年。
5. 認定ルール:Teams、Zoom、ITUが実際にテストするもの
認定プログラムは、ベンダーが音声の基準をどこに置いているかを示しており、ウェブカメラはその大半の外側にある。Teamsの認定デバイスのページによると、ヘッドセットやスピーカーフォンなどのオーディオデバイスは、エコー、歪み、過度の音切れのない広帯域オーディオを提供しなければならず、ビデオデバイスについて挙げられている基準はすべて画像の指標である(Microsoft Learn、Teams認定USBデバイス、2026年11月)。2026年に認定された同リストの22台のUSBデバイスのうち、2台がウェブカメラ、20台がヘッドセットまたはヘッドセットシステムである(2026年11月の表を当社が集計した結果)。
ヘッドセットの基準には上位の段階もある。Teams Audio Test Specificationのテストラボ向け文書には、オフィスノイズ下での音声とノイズのMOSに加え、「妨害音の減衰」(隣の人の声をヘッドセットがどれだけ遮断するか)を採点する、任意のオープンオフィス用モジュールが記載されている(HEAD acousticsデータシート、Teams Audio Test Specification 60026)。Zoomは2022年に、自社のオーディオ関連カテゴリの客観的なテスト基準を統一した(Zoom、ハードウェア認定プログラムの更新 2022年)。Teamsのラボ環境は、P.502やP.51人工口(人間の話者を模したスピーカー)といったITU-Tの手法に基づいている。収録された音声を採点するためのより広い基準がITU-T P.863(POLQA)で、MOS尺度で聴取品質を予測する標準モデルである。
| 指標 | 値 | 出典 |
|---|---|---|
| Teams認定ヘッドセットおよびスピーカーフォンの音声要件 | エコー、歪み、過度の音切れのない広帯域オーディオ;エコーキャンセリング対応 | Microsoft Learn、Teams認定USBデバイス 2026年 |
| ウェブカメラなどTeams認定ビデオデバイスについて挙げられている基準 | ノイズ、色、画像の細部、ジッター、遅延、フレームレート、視野角(画像の指標) | Microsoft Learn、Teams認定USBデバイス 2026年 |
| 2026年に認定されたUSBデバイス(2026年11月の表まで):ウェブカメラ対ヘッドセットまたはヘッドセットシステム | 2対20(22台中) | Microsoft Learn、2026年11月の表の当社集計 |
| テストラボが使用するTeams Audio Test Specificationのバージョンとデバイスカテゴリ | V5.0(Addendum Aを含む);4カテゴリ(ヘッドセット、個人用デスクフォン、個人用スピーカーフォン、共用スピーカーフォン) | HEAD acousticsテストラボのデータシート 2026年 |
| 任意のオープンオフィス用ヘッドセットテストでの追加指標 | 3QUESTによる音声とノイズのMOS;妨害音の減衰(平均と最小) | HEAD acousticsテストラボのデータシート 2026年 |
| 客観的テスト基準が刷新・統一されたZoomのオーディオ関連カテゴリ | 7 | Zoomハードウェア認定の更新、2022年3月16日 |
| Zoom認定デバイスの再認定の頻度 | 少なくとも2年ごと | Zoomハードウェア認定の更新、2022年3月16日 |
| 現行のITU-T P.863(POLQA)の版と、その修正 | P.863(03/18);Amendment 1(04/20)(音響的に収録された狭帯域音声の予測について) | ITU-T勧告P.863 |
補足:ここでいう「広帯域」とは電話業界の用語で、従来の狭帯域の電話音声よりも広い周波数範囲を保持する音声を指す。音量の指標ではない。Zoomの基準の入手可能な最新データ:2022年。Zoomはそれより新しいしきい値を公表していない。
6. 人々はどう機材を揃えているか、そして実際の会議で何が変わるか
機材に関する調査データは乏しく、ほとんどがベンダーによるものだが、示す方向は一つである。ほとんどの人は今も、内蔵されているもので話している。業務でプロ用ヘッドセットを使うナレッジワーカーはわずか30%で、メインのデバイスと答えたのは8%にすぎないが、91%はオンライン会議プラットフォームを使っている(Jabra 2023年ナレッジワーカー調査、ベンダー調査)。米国、ドイツ、中国の3,000人超のリモートワーカーを対象とした2022年のLogitech調査では、85%が音の問題に苦労していることが分かった(Logitech、ベンダー調査)。
独立したデータは、結果の側面を補う。5つの大規模組織から得た約7,330件の有効な会議後アンケート回答を調べた研究では、ヘッドセットの使用が「参加」評価のオッズを高め(OR = 1.16)、音質に問題があった通話は「効果的」と評価されるオッズが大幅に低かった(OR = 0.14)(Hosseinkashiら、Microsoft Research、会議の有効性に関する研究 2024年)。オッズ比(OR)が1を下回るとオッズが低いことを意味し、0.14は大きな効果である。セクション1のレベル差と合わせて読むと、近接収録を支持する根拠は、単に声が聞こえることではなく、十分にその場にいると受け取られることにある。
| 指標 | 値 | 出典 |
|---|---|---|
| 業務でプロ用ヘッドセットを使うナレッジワーカー | 30% | Jabra 2023年ナレッジワーカー調査(ベンダー調査、7,000人超の従業員) |
| プロ用ヘッドセットがメインのデバイスだと答えるナレッジワーカー | 8% | Jabra 2023年ナレッジワーカー調査(ベンダー調査) |
| 通話中の音の問題に苦労しているリモートワーカー | 85% | Logitechエンドユーザー調査、2022年5月(ベンダー調査、3,000人超の従業員) |
| オンライン会話研究、聴力正常グループ:スピーカー対ヘッドホンでの聴取 | 72%対28% | Perea Pérezら、Ear and Hearing 2025年 |
| 同じ研究、人工内耳グループ:スピーカー対ヘッドホン対直接ストリーミング | 68%対12%対20% | Perea Pérezら、Ear and Hearing 2025年 |
| ユーザーがヘッドセットを着用している場合の「参加」評価の調整済みオッズ比 | 1.16 | Hosseinkashiら、Microsoft Research 2024年 |
| 参加率、音声のみの通話でヘッドセットあり対なし | 約5%高い | Hosseinkashiら、Microsoft Research 2024年 |
| 通話に品質の問題(エコー、ノイズ、歪み)があった場合の「効果的」な会議評価の調整済みオッズ比 | 0.14 | Hosseinkashiら、Microsoft Research 2024年 |
外れ値に関する注記:会議研究の本文では、ヘッドセットで「参加」のオッズが「20%」上がるとしているが、同研究自身の表ではオッズ比が1.16となっている。本稿では表の値を採用する。著者らはまた、多くのデバイスがヘッドセットを誤って報告するため、テレメトリからのヘッドセット検出は信頼できないと注意している。Logitech調査の入手可能な最新データ:2022年5月。
まとめ:ウェブカメラ内蔵マイクとヘッドセットの音声品質を数字で見る
| 指標 | 値 | 出典 |
|---|---|---|
| Whisper large-v2のWER、AMIのヘッドセットマイク対遠距離マイク1本 | 16.9%対36.4% | Radfordら、OpenAI Whisper論文 2022年 |
| DiPCoのWER、近接マイク対遠距離アレイ | 42.10%対77.52% | Van Segbroeckら、DiPCo 2019年 |
| AliMeetingのCER、ヘッドセット対遠距離 | 9.9%対49.0% | Yuら、M2MeT 2022年 |
| REVERB実録音:クリーン音声またはヘッドセットのWER対遠距離ベースライン対最良の8マイクのシステム | 6.9%対49.2%対9.0% | Kinoshitaら、REVERBチャレンジ概要 2016年 |
| 音声レベル、約60 cmの位置のノートPCマイク対15〜20 cmの位置のヘッドセットマイク | 46.91 dB対59.73 dB | Busquetら、Behavior Research Methods 2023年 |
| 5フィートの位置の6本のマイクのWER範囲、台本対自由会話 | 10.7%〜12.0%対52.7%〜61.3% | Bradfordら、EDM 2022年 |
| 典型的なリビングルームの残響時間 | 0.3〜0.7 s | Haeb-Umbachら、Far-Field ASRレビュー 2020年 |
| 背景ノイズによる反応の遅れ | 平均91 ms | Picouら、Ear and Hearing 2016年 |
| 人工内耳ユーザーのオンライン聴取効率、音声のみ対字幕あり | 通常の約60%対約80% | Perea Pérezら、Ear and Hearing 2025年 |
| 採用適性、クリアな音声対粗悪なマイクの音(0〜100) | 76.04対68.50 | Walter-Terrillら、PNAS 2025年 |
| ViSQOL MOS、低品質対中品質の音声 | 2.13対4.68 | Schützeら、Forum Acusticum 2026年 |
| 採用適性(1〜10)、滑らかな音声・映像対劣化した音声・映像 | 6.91対6.33 | Fiechterら、Cognitive Research 2018年 |
| 業務でのプロ用ヘッドセットの使用 | 30% | Jabra 2023年ナレッジワーカー調査(ベンダー調査) |
| プロ用ヘッドセットをメインのデバイスとする割合 | 8% | Jabra 2023年ナレッジワーカー調査(ベンダー調査) |
| オンライン会話で聴力正常のリスナーがスピーカー対ヘッドホンで聴く割合 | 72%対28% | Perea Pérezら、Ear and Hearing 2025年 |
| AliMeetingの部屋におけるマイクと話者の距離 | 0.3〜5.0 m | Yuら、M2MeT 2022年 |
| 音の問題に苦労しているリモートワーカー | 85% | Logitechエンドユーザー調査 2022年(ベンダー調査) |
| Zoomの再認定間隔 | 少なくとも2年ごと | Zoomハードウェア認定の更新 2022年 |
方法論と出典
- 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
- National Acoustic Laboratories、ビデオ会議を介したコミュニケーションの構造化評価、2022年
- 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(予備的な論文)
- 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(USCによる報道)
- Microsoft Learn、Teams認定USBデバイスの表、2026年11月
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings、2024年改訂版
- HEAD acoustics、Teams Audio Test Specification 60026向けACQUA Standardsデータシート、2026年
- Zoom、New updates to the Zoom hardware certification program、2022年3月16日
- ITU-T Recommendation P.863, Perceptual objective listening quality prediction
- Jabra、LSEエンゲージメント調査と2023年ナレッジワーカー調査(ベンダーの調査)
- Logitech, Your Remote Employees are Underequipped(ベンダー調査)。フィールドワークは2022年5月に2CV Researchが実施(出典:Logitech調査の全文PDF)
- データウォッチ:現行のウェブカメラ内蔵マイクをヘッドセットと同じ話者でPOLQAやASRにより比較した公開研究はまだなく、本稿ではノートPCマイク、遠距離マイク、アレイのデータを、遠距離収録に最も近い証拠として組み合わせている。主要なデータセットのいくつかは3年以上前のものであり(REVERB 2016年、2016年のノイズと残響の研究、FiechterとNewman 2018年、DiPCo 2019年、WhisperとM2MeT 2022年、Zoomの基準 2022年)、該当セクションで注記している。矛盾と不整合:会議研究の本文はヘッドセット利用者の「参加」オッズが20%上昇するとしているが、表ではオッズ比が1.16である(本稿は表の値を採用)。DiPCo論文はセッションの長さを、要旨では15〜45分、本文では15〜47分としている。M2MeT論文は評価セットについて2つの異なる重複率を掲載している(本稿はどちらも使用しない)。6.4ポイントの就業適性の差は、まだ学術誌に掲載されていないForum Acusticumの予備的な論文によるものだ。JabraとLogitechの数値はベンダー調査であり、その旨を明記している。12.82 dB、10.76 dB、および倍率の数値は、公表された値を当社が引き算または割り算したもので、計算式は本文に示している。
最終更新日:2026年11月7日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、Forum Acusticum 2026(欧州音響学会の第12回大会)の最終論文集が公開された時期を予定している。