Whisper large-v2, широко используемая модель распознавания речи, допустила 36,4% ошибок в словах на записи совещаний с одного удалённого микрофона против 16,9% на тех же совещаниях, записанных через микрофоны гарнитур (OpenAI, статья о Whisper 2022). Разрыв возникает уже при записи: встроенный микрофон ноутбука на расстоянии около 60 см записывал речь на 12,82 дБ тише, чем микрофон гарнитуры на расстоянии от 15 до 20 см, в исследовании с участием 30 человек (Busquet и др., Behavior Research Methods 2023). И дело не только в технике: 600 слушателей оценили кандидата на работу, которого слышали через жестяной звук плохого микрофона, по вероятности найма в 68,50 из 100 против 76,04 для чистой записи (Walter-Terrill и др., PNAS 2025). Мы собрали данные Amazon, Йельского университета, соревнований REVERB и CHiME, Ear and Hearing, исследования совещаний в пяти организациях, ITU-T и Zoom, а также двух опросов производителей, помеченных как таковые. О самом рынке оборудования читайте в нашей статистике рынка веб-камер; эта страница о том, что микрофон делает с голосом.
Кратко (TL;DR)
- Доля ошибок в словах Whisper large-v2 на совещаниях AMI: 16,9% с индивидуальных микрофонов гарнитур против 36,4% с одного удалённого микрофона (OpenAI, статья о Whisper 2022).
- Встроенный микрофон ноутбука на расстоянии около 60 см записал речь с уровнем 46,91 дБ против 59,73 дБ у микрофона гарнитуры на расстоянии от 15 до 20 см (Busquet и др., Behavior Research Methods 2023).
- На записях ужинов DiPCo от Amazon WER ближнего поля составила 42,10% против 77,52% у решёток дальнего поля (Van Segbroeck и др., DiPCo 2019).
- Совещания AliMeeting на мандаринском: 9,9% ошибок в символах на звуке гарнитур против 49,0% на звуке решёток дальнего поля (Yu и др., M2MeT 2022).
- Вероятность найма упала с 76,04 до 68,50 из 100, когда тот же голос звучал как через плохой микрофон, при неизменной точности транскрипции (98,09% против 98,07%) (Walter-Terrill и др., PNAS 2025).
- Звук низкого качества получил MOS ViSQOL 2,13 против 4,68 у среднего качества и снизил оценки трудоустраиваемости (Schütze и др., Forum Acusticum 2026).
- Фоновый шум замедлил ответы слушателей в среднем на 91 мс, это мера усилия при слушании (Picou и др., Ear and Hearing 2016).
- Взрослые с кохлеарными имплантами достигли около 60% типичной эффективности слушания в онлайн-разговорах только со звуком и около 80% с субтитрами (Perea Pérez и др., Ear and Hearing 2025).
- Лишь 30% работников умственного труда используют профессиональную гарнитуру для работы, и 8% называют её основным устройством (исследование Jabra о работниках умственного труда 2023, опрос производителя).
1. Расстояние до микрофона и уровень записанной речи
Микрофон веб-камеры или ноутбука относится к микрофонам дальнего поля: он находится примерно на расстоянии вытянутой руки от рта или дальше, поэтому записывает комнату вместе с голосом. Микрофон гарнитуры относится к микрофонам ближнего поля, он расположен в нескольких сантиметрах от губ. Самое чистое измеренное сравнение даёт исследование 2023 года, в котором одних и тех же говорящих записывали на нескольких устройствах. Встроенный микрофон ноутбука на расстоянии около 60 см записал речь с уровнем 46,91 дБ, тогда как микрофон гарнитуры на расстоянии от 15 до 20 см записал 59,73 дБ, разница 12,82 дБ (59,73 минус 46,91) (Busquet, Efthymiou и Hildebrand, Behavior Research Methods 2023).
Для покупателей важны две детали. Во-первых, даже студийный микрофон на тех же 60 см записал на 10,76 дБ больше, чем ноутбук (57,67 минус 46,91), так что встроенный микрофон проигрывает и из-за расстояния, и из-за оборудования. Во-вторых, ноутбук и студийный микрофон измерили среднюю высоту голоса почти одинаково, а значит, удалённый микрофон не меняет, на кого вы похожи; он меняет, какая часть вас доходит до собеседника по сравнению с комнатой. Отдельный тест записей групповой работы показывает вторую половину картины: при шести разных микрофонах, расположенных на расстоянии 5 футов (около 1,5 м), выбор модели почти не менял долю ошибок (Bradford и др., EDM 2022).
| Показатель | Значение | Источник |
|---|---|---|
| Уровень речи, встроенный микрофон ноутбука на расстоянии около 60 см против микрофона гарнитуры на расстоянии от 15 до 20 см | 46,91 дБ против 59,73 дБ | Busquet и др., Behavior Research Methods 2023 |
| Уровень речи, студийный микрофон на расстоянии около 60 см против петличного микрофона (с клипсой) на расстоянии от 15 до 20 см | 57,67 дБ против 63,68 дБ | Busquet и др., Behavior Research Methods 2023 |
| Средняя высота голоса по измерению микрофона ноутбука против студийного микрофона | 168,42 Гц против 169,31 Гц (t = -0,89; p = 0,99) | Busquet и др., Behavior Research Methods 2023 |
| Размер исследования сравнения устройств | 30 участников, 1 800 образцов голоса | Busquet и др., Behavior Research Methods 2023 |
| Доля ошибок в словах, шесть микрофонов на расстоянии 5 футов от говорящих, чтение сценария вслух | от 10,7% до 12,0% | Bradford и др., EDM 2022 |
| Доля ошибок в словах, те же шесть микрофонов, свободный групповой разговор | от 52,7% до 61,3% | Bradford и др., EDM 2022 |
| Расстояние от каждого говорящего до решёток дальнего поля в записях DiPCo | от 1 120 мм до 3 950 мм | Van Segbroeck и др., DiPCo 2019 |
| Расстояние от микрофона до говорящего в переговорных AliMeeting | от 0,3 до 5,0 м | Yu и др., M2MeT 2022 |
Примечание о контексте: значения в децибелах в этом исследовании являются амплитудными измерениями записей, а не калиброванными уровнями звукового давления, поэтому разница в 12,82 дБ сопоставляет устройства в рамках одной установки, а не предсказывает, что покажет любая веб-камера. Самые свежие доступные данные для сравнения EDM: 2022 год.
2. Ошибки распознавания речи: ближнее поле против дальнего поля
Распознавание речи - самый измеримый слушатель из существующих, и во всех корпусах оно говорит одно и то же: уберите микрофон подальше, и ошибки примерно удваиваются или растут ещё сильнее. Whisper large-v2 показал 16,9% WER (доля ошибок в словах, то есть доля неверно расшифрованных слов) на совещаниях AMI, записанных индивидуальными микрофонами гарнитур, и 36,4% на тех же совещаниях с одного удалённого микрофона, примерно в 2,2 раза больше (36,4 делить на 16,9) (Radford и др., статья OpenAI о Whisper 2022). Более старая модель wav2vec 2.0 показывает ту же картину, 37,0% против 67,6%.
Закономерность сохраняется в домах и на других языках. Корпус DiPCo от Amazon записал четырёх человек за обеденным столом одновременно через гарнитуры и пять решёток дальнего поля: лучшая оценочная конфигурация дала 42,10% WER для ближнего поля и 77,52% для дальнего, примерно в 1,8 раза больше (77,52 делить на 42,10) (Van Segbroeck и др., DiPCo 2019). На совещаниях на мандаринском разрыв оказался круче: 9,9% против 49,0% CER (доля ошибок в символах, аналог WER для мандаринского), примерно в 5 раз (49,0 делить на 9,9) (Yu и др., M2MeT 2022). Обучение на звуке дальнего поля сократило его до 8,2% против 33,3%, но не устранило. У помещений с потолочными решётками собственные данные, они разобраны в нашей статистике микрофонов с формированием диаграммы направленности для конференц-залов.
| Показатель | Значение | Источник |
|---|---|---|
| WER Whisper large-v2, совещания AMI: индивидуальные микрофоны гарнитур против одного удалённого микрофона | 16,9% против 36,4% | Radford и др., статья OpenAI о Whisper 2022 |
| WER wav2vec 2.0 Large (без языковой модели), AMI: микрофоны гарнитур против одного удалённого микрофона | 37,0% против 67,6% | Radford и др., статья OpenAI о Whisper 2022 |
| WER на реальных записях REVERB, лучшая система из восьми микрофонов | 9,0% | Kinoshita и др., обзор соревнования REVERB 2016 |
| WER в оценке DiPCo, гарнитура ближнего поля против решётки дальнего поля (лучшая языковая модель) | 42,10% против 77,52% | Van Segbroeck и др., DiPCo 2019 |
| CER AliMeeting, модель обучена на звуке гарнитур: тест с гарнитурой против теста дальнего поля | 9,9% против 49,0% | Yu и др., M2MeT 2022 |
| CER AliMeeting, модель с добавлением данных дальнего поля, внешних и смоделированных: гарнитура против дальнего поля | 8,2% против 33,3% | Yu и др., M2MeT 2022 |
| WER на реальных записях REVERB: чистый эталон гарнитуры против базового уровня дальнего поля | 6,9% против 49,2% | Kinoshita и др., обзор соревнования REVERB 2016 |
| WER официального базового уровня CHiME-6 на решётках дальнего поля, набор для разработки против набора для оценки | 51,8% против 51,3% | Watanabe и др., соревнование CHiME-6 2020 |
Самые свежие доступные данные: статья о Whisper (2022) остаётся крупнейшим публичным прямым сравнением WER для гарнитуры и удалённого микрофона на одних и тех же совещаниях; более новые модели не публиковали разбивку AMI по гарнитуре и удалённому микрофону в том же формате. Статья о базовом уровне CHiME-6 допускала на этапе тестирования только решётки дальнего поля, поэтому в ней нет столбца ближнего поля.
3. Помещения, шум и усилие при слушании
Расстояние важно из-за того, что заполняет промежуток: отражений и шума. Типичной гостиной требуется от 0,3 до 0,7 с, чтобы её отклик затух на 60 дБ (время реверберации), согласно обзору распознавания в дальнем поле (Haeb-Umbach и др., Far-Field Automatic Speech Recognition 2020). Микрофон гарнитуры возле рта слышит гораздо меньше этого хвоста, чем микрофон веб-камеры на мониторе.
Для слушателей-людей данные разделяются полезным образом. В контролируемом исследовании Ear and Hearing фоновый шум замедлил ответы в среднем на 91 мс (мера усилия при слушании в этом исследовании), тогда как реверберация существенно не изменила усилие, хотя каждая ступень роста реверберации снижала распознавание слов примерно на 8 RAU (рационализированные арксинусные единицы, преобразованный процент верных ответов) (Picou, Gordon и Ricketts, Ear and Hearing 2016). Иначе говоря, эхо комнаты стоит слов; шум комнаты стоит сил. Это важно, потому что удалённый микрофон захватывает больше и того и другого. Для людей с потерей слуха австралийская National Acoustic Laboratories обнаружила, что следить за разговором по видеоконференции требовало гораздо больше усилий, чем людям с нормальным слухом, а слуховые аппараты не возвращали уровень личного общения. Физиологическая сторона усталости от звонков разобрана в нашей статистике биомаркеров усталости от видеовстреч.
| Показатель | Значение | Источник |
|---|---|---|
| Типичное время реверберации гостиной (затухание до -60 дБ) | от 0,3 до 0,7 с | Haeb-Umbach и др., обзор ASR дальнего поля 2020 |
| Потеря распознавания слов на каждую ступень роста реверберации при фиксированном отношении сигнал/шум | около 8 RAU | Picou и др., Ear and Hearing 2016 |
| Замедление времени ответа при шуме против тишины (усилие при слушании) | в среднем 91 мс | Picou и др., Ear and Hearing 2016 |
| Влияние реверберации на усилие при слушании при сопоставимом распознавании | не значимо (p = 0,18) | Picou и др., Ear and Hearing 2016 |
| Времена реверберации, проверенные в этом исследовании | T30 менее 100 мс, 475 мс и 834 мс | Picou и др., Ear and Hearing 2016 |
| Смоделированные помещения REVERB: времена реверберации и расстояние до ближнего и дальнего микрофона | 0,3, 0,6 и 0,7 с; 50 см против 200 см | Kinoshita и др., обзор соревнования REVERB 2016 |
| WER дальнего поля в CHiME-5: базовый уровень против мощного блока распознавания против разделения и подавления реверберации по нескольким микрофонам | чуть меньше 80% против примерно 60% против 43,2% | Haeb-Umbach и др., обзор ASR дальнего поля 2020 |
| Эффективность слушания пользователей кохлеарных имплантов в онлайн-разговорах, только звук против с субтитрами (доля от среднего значения при типичном слухе) | около 60% против около 80% | Perea Pérez и др., Ear and Hearing 2025 |
Примечание о выбросах: нулевой эффект реверберации на усилие удивил самих авторов, которые назвали его не согласующимся с современными моделями усилия при слушании; он был измерен у 18 молодых взрослых с нормальным слухом. Самые свежие доступные данные: 2016 год. Шум - та половина, с которой может справиться программное обеспечение, см. нашу статистику нейросетевого шумоподавления.
4. Как слушатели оценивают говорящего через плохой микрофон
Самый значимый вывод последних двух лет в том, что плохой звук микрофона меняет оценку человека, а не только разборчивость. В эксперименте PNAS с 600 слушателями кандидат на работу, которого слышали через жестяной, гулкий звук «плохого микрофона», получил оценку вероятности найма 68,50 против 76,04 для чистой записи (d = 0,35, P < 0,001), тогда как точность транскрипции была одинаковой, 98,07% против 98,09% (Walter-Terrill, Ongchoco и Scholl, PNAS 2025). Слушатели понимали каждое слово; они просто хуже думали о говорящем.
Последующее исследование 2026 года с 299 участниками и собеседованиями с аватарами показало, что звук с низким битрейтом и ограниченной полосой снижал оценки трудоустраиваемости (p < 0,001), тогда как переход от среднего качества к высокому не давал разницы (p = 0,813) (Schütze, Biberger и Reber, Forum Acusticum 2026). Это говорит о пороге: слушатели наказывают заметно испорченный звук, а не просто обычный. Более ранние работы обнаружили то же смещение в имитированных собеседованиях по Skype, где оно сохранялось, даже когда оценщиков просили не учитывать качество связи (Fiechter и др., Cognitive Research 2018).
| Показатель | Значение | Источник |
|---|---|---|
| Оценка вероятности найма (от 0 до 100), чистая запись против жестяной версии «плохого микрофона» | 76,04 против 68,50 (d = 0,35) | Walter-Terrill и др., PNAS 2025 |
| Точность транскрипции, чистая запись против искажённой | 98,09% против 98,07% (P = 0,915) | Walter-Terrill и др., PNAS 2025 |
| Слушатели в эксперименте 1 | 600 (по 300 на условие) | Walter-Terrill и др., PNAS 2025 |
| Разница в оценке трудоустраиваемости, высокое против низкого качества звука (шкала от 0 до 100) | 6,4 балла; низкое против высокого p < 0,001; среднее против высокого p = 0,813 | Schütze и др., Forum Acusticum 2026 |
| Объективное качество (MOS ViSQOL) звука низкого качества против среднего | 2,13 против 4,68 | Schütze и др., Forum Acusticum 2026 |
| Оценка пригодности к найму (от 1 до 10), плавный против ухудшенного звука и видео, оба эксперимента вместе | 6,91 против 6,33 (d Коэна = 0,44) | Fiechter и др., Cognitive Research 2018 |
| Слушатели, оценивавшие одинаковые выступления или радиоинтервью при хорошем против плохого звука | 97 (эксперимент 1) и 99 (эксперимент 2) | Newman и Schwarz, Science Communication 2018 |
Примечание о контексте: в исследовании Newman и Schwarz (DOI 10.1177/1075547018759345) плохой звук снижал оценки выступления, интеллекта докладчика и важности исследования, как кратко излагает USC. MOS (средняя оценка мнений) - стандартная шкала качества прослушивания, где больше значит лучше; ViSQOL - программная модель, которая её предсказывает. Самые свежие доступные данные по исследованиям Fiechter и Newman: 2018 год.
5. Правила сертификации: что на самом деле проверяют Teams, Zoom и ITU
Программы сертификации показывают, где производители ставят планку для звука, и веб-камеры по большей части остаются за её пределами. На странице сертифицированных устройств Teams сказано, что аудиоустройства, такие как гарнитуры и спикерфоны, должны обеспечивать широкополосный звук без эха, искажений и чрезмерных сбоев, тогда как критерии, указанные для видеоустройств, целиком состоят из показателей изображения (Microsoft Learn, Teams certified USB devices, ноябрь 2026 года). Из 22 USB-устройств в этом списке, прошедших квалификацию в 2026 году, 2 являются веб-камерами, а 20 - гарнитурами или системами гарнитур (наш подсчёт по таблице за ноябрь 2026 года).
У планки для гарнитур есть и премиальный уровень. Документация тестовых лабораторий к Teams Audio Test Specification описывает необязательный модуль для открытого офиса, который оценивает MOS речи и шума при офисном шуме, а также «подавление отвлекающих голосов», то есть то, насколько гарнитура отсекает голос соседа (технический паспорт HEAD acoustics, Teams Audio Test Specification 60026). Zoom унифицировала объективные стандарты тестирования для своих аудиокатегорий в 2022 году (Zoom, обновление сертификации оборудования 2022), а лабораторная установка Teams опирается на методы ITU-T, такие как P.502 и искусственный рот P.51 (громкоговоритель, имитирующий говорящего человека). Более широкий эталон для оценки записанной речи - ITU-T P.863 (POLQA), стандартная модель, предсказывающая качество прослушивания по шкале MOS.
| Показатель | Значение | Источник |
|---|---|---|
| Требование к звуку для гарнитур и спикерфонов, сертифицированных для Teams | широкополосный звук без эха, искажений и чрезмерных сбоев; поддержка эхоподавления | Microsoft Learn, сертифицированные USB-устройства Teams 2026 |
| Критерии, указанные для видеоустройств, сертифицированных для Teams, таких как веб-камеры | шум, цвет, детализация изображения, джиттер, задержка, частота кадров, поле зрения (показатели изображения) | Microsoft Learn, сертифицированные USB-устройства Teams 2026 |
| USB-устройства, прошедшие квалификацию в 2026 году (по таблице за ноябрь 2026 года): веб-камеры против гарнитур или систем гарнитур | 2 против 20 (из 22) | Microsoft Learn, наш подсчёт по таблице за ноябрь 2026 года |
| Версия Teams Audio Test Specification, используемая тестовыми лабораториями, и категории устройств | V5.0 с приложением A; 4 категории (гарнитуры, персональные настольные телефоны, персональные спикерфоны, общие спикерфоны) | технический паспорт тестовой лаборатории HEAD acoustics 2026 |
| Дополнительные показатели в необязательном тесте гарнитур для открытого офиса | MOS речи и шума по 3QUEST; подавление отвлекающих голосов (среднее и минимальное) | технический паспорт тестовой лаборатории HEAD acoustics 2026 |
| Аудио и смежные категории Zoom с обновлёнными унифицированными объективными стандартами тестирования | 7 | обновление сертификации оборудования Zoom, 16 марта 2022 года |
| Как часто устройства, сертифицированные Zoom, должны проходить повторную сертификацию | не реже одного раза в два года | обновление сертификации оборудования Zoom, 16 марта 2022 года |
| Действующая редакция ITU-T P.863 (POLQA) и поправка к ней | P.863 (03/18); поправка 1 (04/20) о предсказании акустически записанной узкополосной речи | Рекомендация ITU-T P.863 |
Примечание о контексте: «широкополосный» звук здесь - телефонный термин для звука, сохраняющего более широкий диапазон частот, чем традиционный узкополосный телефонный звук; это не мера громкости. Самые свежие доступные данные по критериям Zoom: 2022 год, поскольку Zoom не публиковала более новых порогов.
6. Как люди оснащаются и что это меняет на реальных совещаниях
Данные опросов об оборудовании скудны и в основном исходят от производителей, но указывают в одну сторону: большинство людей по-прежнему говорит в то, что встроено. Только 30% работников умственного труда используют профессиональную гарнитуру для работы, и 8% называют её основным устройством, хотя 91% пользуются платформой онлайн-совещаний (исследование Jabra о работниках умственного труда 2023, опрос производителя). Опрос Logitech 2022 года среди более чем 3 000 удалённых сотрудников в США, Германии и Китае показал, что 85% сталкиваются с проблемами со звуком (Logitech, опрос производителя).
Независимые данные добавляют сторону результата. Исследование около 7 330 пригодных ответов на опросы после совещаний из пяти крупных организаций показало, что использование гарнитуры повышало шансы оценки «Участие» (OR = 1,16), а у звонков с проблемами качества звука шансы быть оценёнными как эффективные были намного ниже (OR = 0,14) (Hosseinkashi и др., Microsoft Research, исследование эффективности совещаний 2024). Отношение шансов (OR) ниже 1 означает меньшие шансы; 0,14 - большой эффект. Если читать это вместе с разницей уровней из раздела 1, довод в пользу записи ближнего поля состоит в том, чтобы выглядеть полностью присутствующим, а не просто быть услышанным.
| Показатель | Значение | Источник |
|---|---|---|
| Работники умственного труда, использующие профессиональную гарнитуру для работы | 30% | Исследование Jabra о работниках умственного труда 2023 (опрос производителя, более 7 000 сотрудников) |
| Работники умственного труда, называющие профессиональную гарнитуру основным устройством | 8% | Исследование Jabra о работниках умственного труда 2023 (опрос производителя) |
| Удалённые сотрудники, сталкивающиеся с проблемами со звуком на звонках | 85% | Опрос конечных пользователей Logitech, май 2022 года (опрос производителя, более 3 000 сотрудников) |
| Исследование онлайн-разговоров, группа с типичным слухом: слушали через динамики против наушников | 72% против 28% | Perea Pérez и др., Ear and Hearing 2025 |
| То же исследование, группа с кохлеарными имплантами: динамики против наушников против прямой передачи | 68% против 12% против 20% | Perea Pérez и др., Ear and Hearing 2025 |
| Скорректированное отношение шансов оценки «Участие», когда пользователь носит гарнитуру | 1,16 | Hosseinkashi и др., Microsoft Research 2024 |
| Доля участия, звонки только со звуком с гарнитурой против без неё | примерно на 5% выше | Hosseinkashi и др., Microsoft Research 2024 |
| Скорректированное отношение шансов оценки совещания «Эффективное», когда у звонка были проблемы с качеством (эхо, шум, искажения) | 0,14 | Hosseinkashi и др., Microsoft Research 2024 |
Примечание о выбросах: в тексте исследования совещаний сказано, что шансы на участие растут «на 20%» с гарнитурой, тогда как в его собственной таблице отношение шансов равно 1,16; мы приводим значение из таблицы. Авторы также предупреждают, что определение гарнитуры по телеметрии ненадёжно, поскольку многие устройства сообщают о ней неверно. Самые свежие доступные данные по опросу Logitech: май 2022 года.
Итоги: встроенный микрофон веб-камеры против гарнитуры по качеству речи в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| WER Whisper large-v2, микрофоны гарнитур AMI против одного удалённого микрофона | 16,9% против 36,4% | Radford и др., статья OpenAI о Whisper 2022 |
| WER DiPCo, ближнее поле против решётки дальнего поля | 42,10% против 77,52% | Van Segbroeck и др., DiPCo 2019 |
| CER AliMeeting, гарнитура против дальнего поля | 9,9% против 49,0% | Yu и др., M2MeT 2022 |
| Реальные записи REVERB: WER чистого эталона гарнитуры против базового уровня дальнего поля против лучшей системы из 8 микрофонов | 6,9% против 49,2% против 9,0% | Kinoshita и др., обзор соревнования REVERB 2016 |
| Уровень речи, микрофон ноутбука на расстоянии около 60 см против микрофона гарнитуры на расстоянии от 15 до 20 см | 46,91 дБ против 59,73 дБ | Busquet и др., Behavior Research Methods 2023 |
| Диапазон WER шести микрофонов на расстоянии 5 футов, сценарий против свободного разговора | от 10,7% до 12,0% против от 52,7% до 61,3% | Bradford и др., EDM 2022 |
| Типичное время реверберации гостиной | от 0,3 до 0,7 с | Haeb-Umbach и др., обзор ASR дальнего поля 2020 |
| Замедление ответа из-за фонового шума | в среднем 91 мс | Picou и др., Ear and Hearing 2016 |
| Эффективность слушания с кохлеарным имплантом онлайн, только звук против субтитров | около 60% против около 80% от типичной | Perea Pérez и др., Ear and Hearing 2025 |
| Вероятность найма, чистый звук против звука плохого микрофона (от 0 до 100) | 76,04 против 68,50 | Walter-Terrill и др., PNAS 2025 |
| MOS ViSQOL, низкое против среднего качества звука | 2,13 против 4,68 | Schütze и др., Forum Acusticum 2026 |
| Пригодность к найму (от 1 до 10), плавный против ухудшенного звука и видео | 6,91 против 6,33 | Fiechter и др., Cognitive Research 2018 |
| Использование профессиональной гарнитуры для работы | 30% | Исследование Jabra о работниках умственного труда 2023 (опрос производителя) |
| Профессиональная гарнитура названа основным устройством | 8% | Исследование Jabra о работниках умственного труда 2023 (опрос производителя) |
| Слушатели онлайн-разговоров с типичным слухом через динамики против наушников | 72% против 28% | Perea Pérez и др., Ear and Hearing 2025 |
| Расстояние от микрофона до говорящего в помещениях AliMeeting | от 0,3 до 5,0 м | Yu и др., M2MeT 2022 |
| Удалённые сотрудники с проблемами со звуком | 85% | Опрос конечных пользователей Logitech 2022 (опрос производителя) |
| Интервал повторной сертификации Zoom | не реже одного раза в два года | обновление сертификации оборудования Zoom 2022 |
Методология и источники
- Busquet, Efthymiou и Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford и др., A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford и др. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck и др. (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu и др., M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita и др., A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe и др., CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach и др., Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon и Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez и др., Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- National Acoustic Laboratories, структурированная оценка общения по видеоконференциям, 2022
- Walter-Terrill, Ongchoco и Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger и Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (предварительная статья)
- Fiechter и др., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman и Schwarz, Good Sound, Good Research, Science Communication 2018, по материалам USC
- Microsoft Learn, Teams certified USB devices, таблица за ноябрь 2026 года
- Hosseinkashi и др. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, редакция 2024 года
- HEAD acoustics, технический паспорт ACQUA Standards для Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 марта 2022 года
- Рекомендация ITU-T P.863, Perceptual objective listening quality prediction
- Jabra, исследование вовлечённости LSE и 2023 Knowledge Worker Study (исследование производителя)
- Logitech, Your Remote Employees are Underequipped (опрос производителя), с полевой работой 2CV Research в мае 2022 года согласно полному PDF исследования Logitech
- Наблюдение по данным: ни одно публичное исследование пока не измеряло встроенный микрофон современной веб-камеры против гарнитуры на одних и тех же говорящих с помощью POLQA или автоматического распознавания речи, поэтому этот обзор объединяет данные по микрофонам ноутбуков, удалённым микрофонам и решёткам как наиболее близкое свидетельство для дальнего поля. Несколько ключевых наборов данных старше трёх лет (REVERB 2016, исследование шума и реверберации 2016 года, Fiechter и Newman 2018, DiPCo 2019, Whisper и M2MeT 2022, критерии Zoom 2022) и отмечены в своих разделах. Противоречия и несоответствия: текст исследования совещаний указывает рост шансов на участие на 20% для пользователей гарнитуры, тогда как его таблица даёт отношение шансов 1,16 (мы используем таблицу); статья DiPCo указывает длительность сессий от 15 до 45 минут в аннотации и от 15 до 47 минут в основном тексте; статья M2MeT приводит две разные доли перекрытия речи для своего оценочного набора (мы не используем ни одну). Разница в 6,4 балла по трудоустраиваемости взята из предварительной статьи Forum Acusticum, которая ещё не вышла в журнале. Цифры Jabra и Logitech - это опросы производителей, и они помечены как таковые. Значения 12,82 дБ, 10,76 дБ и кратности - наши собственные вычитания или деления опубликованных значений, расчёт показан в тексте.
Последнее обновление: 7 ноября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается после публикации итоговых материалов Forum Acusticum 2026 (12-й конвенции European Acoustics Association).