Kinect wurde 35 Millionen Mal verkauft, und seine Fertigung endete dennoch 2017 (MCV, Microsoft officially ceases Kinect production 2017), der deutlichste Beleg dafür, dass ein Mikrofon in der Verpackung Sprache noch nicht zur Standardsteuerung in Spielen macht. Steam liefert heute 190 Ergebnisse für den Tag Sprachsteuerung (Steam-Store-Suche, 31. Oktober 2026), und mehr als 95 Millionen PS5-Konsolen wurden an den Handel verkauft, für eine Plattform, deren DualSense-Controller ein eingebautes Mikrofon hat (Sony Interactive Entertainment, Business Data and Sales 2026). Die Erkennung bleibt ungleichmäßig: Englischsprecher mit Englisch als Zweitsprache stehen bei aktuellen Modellen vor Fehlerlücken vom 2,6- bis 5,9-Fachen (Roll und Graham, SLaTE 2025), ein Muster, das wir auch in unseren Statistiken zur Akzent-Verzerrung bei der Spracherkennung verfolgen. Wir haben Daten aus der Spieleforschung der University of Melbourne, von Disney Research, Sony, Nintendo und aus begutachteten Fachartikeln der Sprachwissenschaft zusammengeführt, um zu trennen, was Spieler tatsächlich mit ihrer Stimme tun, und was die Plattformbetreiber behauptet haben.
TL;DR
- Kinect wurde 35 Millionen Mal verkauft, bevor die Fertigung 2017 endete (MCV 2017).
- Microsoft behauptete 2014 durchschnittlich 120 Sprachbefehle pro Monat (Shacknews 2014).
- Phasmophobia, bei dem Spieler mit den Geistern sprechen können, überschritt 25 Millionen Verkäufe auf allen Plattformen (Kinetic Games über WorthPlaying 2025).
- Englischsprecher mit Englisch als Zweitsprache sahen bei 10 Erkennungsmodellen Fehlerlücken vom 2,6- bis 5,9-Fachen (Roll und Graham, SLaTE 2025).
- Akzentbehaftete Sprache erreichte bei Wav2Vec 2.0 eine Wortfehlerrate von 30-50%, gegenüber 2-8% bei Muttersprachlern (Bandodkar et al., AAAI 2024).
- Ein vollständiger gesprochener Austausch mit einer KI-Spielfigur dauerte im Schnitt 6,909 Sekunden, im ungünstigsten Fall 24,362 Sekunden (Korkiakoski et al. 2025).
- Englisches Diktieren war 2,93-mal schneller als Tippen auf der Handytastatur, 153 gegenüber 52 Wörtern pro Minute (Ruan et al. 2017).
- Ein für Kinder gebauter Schlüsselworterkenner erreichte 85% Genauigkeit, und ein kommerzieller Erkenner war 35% ungenauer (Disney Research 2016).
- PS5 Voice Command bleibt eine Vorschau, beschränkt auf zwei Länder und eine Sprache (PlayStation Support 2026).
1. Vierzig Jahre schwankendes Interesse
106 neue Videospiele mit Sprachinteraktion erschienen allein 2017 (Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018), was nach einem Durchbruch klingt, bis man die Geschichte dahinter liest. Dieselbe Forschungsgruppe stellte fest, dass Sprache »nie einen anhaltenden, breiten Erfolg erzielt« hat und stattdessen sieben Phasen durchlief, die an neue Plattformen und Basistechnologien gekoppelt waren (Allison, Carter and Gibbs, Word Play, Games and Culture 2020).
Karaoke ist der aufschlussreiche Höhepunkt. Es verlangte von den Spielern, mit der Stimme aufzutreten, nicht Wort für Wort verstanden zu werden. Der Zweig der Audiospiele auf Smart Speakern folgt einer verwandten Logik: Die Entwickler reduzierten Sprache meist auf die Auswahl aus einer kurzen Liste, was das Erkennungsproblem klein hält.
| Metrik | Wert | Quelle |
|---|---|---|
| Spiele in der größten veröffentlichten Untersuchung zu Sprachspielen, 1973 bis 2018 | 449 Videospiele plus 22 Audiospiele | Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018 |
| Neue Videospiele mit Sprachinteraktion, die in einem Jahr erschienen | 106 im Jahr 2017 | Allison et al., CHI PLAY 2018 |
| Karaoke-Spiele, die von 2003 bis 2012 erschienen, plattformübergreifende Veröffentlichungen einfach gezählt | Mehr als 120, davon mehr als 70 in den Jahren 2008 bis 2010 | Allison et al., Word Play, Games and Culture 2020 |
| Spiele, die die Voice Recognition Unit des Nintendo 64 nutzten, 1998 bis 1999 | 2 | Allison et al., Word Play 2020 |
| Große Veröffentlichungen mit Kinect-Spracherkennung zum Zeitpunkt der Studie | Mehr als 30 | Allison et al., Word Play 2020 |
| Alexa-Audiospiele, deren Kerninteraktion die Auswahl aus gesprochenen Optionen war | 17 von 22 untersuchten | Allison et al., CHI PLAY 2018 |
Aktuellste verfügbare Daten: Allison et al., 2018 und 2020. Wir haben keine neuere Erhebung zu Sprachspielen gefunden, daher beschreiben diese Zahlen das Feld bis Anfang 2018.
2. Überall Mikrofone, nirgends Sprachbefehle
Mehr als 95 Millionen PS5-Konsolen wurden an den Handel verkauft (Sony Interactive Entertainment, Business Data and Sales, 30. Juni 2026), und der DualSense-Controller hat ein internes Mikrofon. Diese Nutzerbasis hat keine sprachzentrierte Plattform hervorgebracht. PlayStation Support beschreibt Voice Command weiterhin als Vorschau für Konten in den USA und im Vereinigten Königreich, nur auf Englisch und ausgerichtet auf Systemaufgaben wie das Öffnen von Spielen und das Aufnehmen von Clips statt auf das Gameplay.
Der Kontrast zum Zuhause ist hier die nützliche Zahl. 57% der Nutzer von Sprachbefehlen verwenden sie täglich (NPR und Edison Research, Smart Audio Report 2022). Menschen sprechen gern mit Geräten, also ist die Hürde bei Spielen nicht die Gewohnheit, mit Maschinen zu reden. Tasten sind lautlos, privat und unmittelbar, und Sprache muss das übertreffen.
| Metrik | Wert | Quelle |
|---|---|---|
| In den ersten 60 Tagen am Markt verkaufte Kinect-Einheiten | 8 Millionen | MCV, Microsoft officially ceases Kinect production 2017 |
| Kinect-Verkäufe über die gesamte Lebensdauer | 35 Millionen | MCV 2017 |
| Anteil der Kinect-Besitzer, die es nutzen, laut Microsoft (Angabe des Unternehmens, nicht unabhängig überprüft) | 80% | Shacknews, berichtet über Yusuf Mehdi von Microsoft, 16. Mai 2014 |
| Durchschnittliche Sprachbefehle pro Monat, laut Microsoft (Angabe des Unternehmens) | 120 | Shacknews, berichtet über Microsoft, 2014 |
| Insgesamt abgesetzte Sprachbefehle, laut Microsoft (Angabe des Unternehmens) | Mehr als 1 Milliarde | Shacknews, berichtet über Microsoft, 2014 |
| An den Handel verkaufte PS5-Einheiten, kumuliert bis 30. Juni 2026 | Mehr als 95 Millionen | Sony Interactive Entertainment, Business Data and Sales 2026 |
| Verkaufte Nintendo-Switch-2-Einheiten, kumuliert bis 30. Juni 2026 (eingebautes Mikrofon für GameChat) | 23,68 Millionen | Nintendo, Consolidated Hardware Sales 2026 |
| US-Amerikaner ab 18 Jahren, die auf einem beliebigen Gerät einen Sprachassistenten nutzen | 62% | NPR und Edison Research, Smart Audio Report 2022 |
Aktuellste verfügbare Daten: Shacknews, 2014 für die Kinect-Nutzung und der Smart Audio Report, 2022 für Sprachassistenten. Wir haben keine Zahl von Sony oder Nintendo dazu gefunden, wie viele Spieler ein Mikrofon für Spielbefehle nutzen, und MCV liefert die einzige Kinect-Verkaufsentwicklung, die wir überprüfen konnten. Das Mikrofon der Switch 2 filtert zudem den Spielton heraus und passt sich dem Abstand des Spielers zur Konsole an (Nintendo, GameChat features), und sein Voice-Chat ist auf 12 Teilnehmer begrenzt.
3. Der heutige Katalog an Sprachspielen
25 der ersten 30 Ergebnisse beim Steam-Tag Sprachsteuerung stammten aus 2025 oder 2026 (unsere Zählung der Steam-Store-Suche, 31. Oktober 2026), 15 davon allein aus 2026. Das ist eine Seite einer Store-Liste, keine Erhebung aller Veröffentlichungen, es belegt also für sich genommen keinen Boom. Es zeigt aber, dass das Mikrofon von neuen Titeln weiterhin als Designelement genutzt wird.
Phasmophobia ist der Fall mit Reichweite. Es erschien auf Konsolen ohne Erkennung, dann ergänzte der Entwickler Kinetic Games nach mehreren Monaten ein Sprach-Update für Konsolen für PlayStation 5, PS VR2 und Xbox Series X|S, mit einem Erkenner namens VOSK. Ein Studio, das diese Arbeit an einem bereits ausgelieferten Spiel leistet, behandelt Sprache als Teil des Produkts, nicht als Zugabe.
| Metrik | Wert | Quelle |
|---|---|---|
| Steam-Store-Ergebnisse für den Tag Sprachsteuerung, einschließlich Demos und Hilfssoftware | 190 | Steam-Store-Suche, 31. Oktober 2026 |
| Von einem Drittanbieter-Tracker unter demselben Tag gezählte Steam-Titel (Momentaufnahme ohne Datum) | 113 | DataHumble, Voice Control Games 2026 |
| Phasmophobia-Verkäufe auf allen Plattformen | Mehr als 25 Millionen | Kinetic Games über WorthPlaying, 1. Juli 2025 |
| Phasmophobia-Verkäufe auf Konsolen | Mehr als 3 Millionen | Kinetic Games über WorthPlaying, 23. April 2025 |
| Vom Konsolen-Spracherkennungsmodul von Phasmophobia zum Start unterstützte Sprachen | 7 | Kinetic Games, Patch Notes zu Console Voice Recognition 2025 |
Die Verkäufe von Phasmophobia erfassen alle Käufer, nicht alle Spieler, die mit einem Geist gesprochen haben. Wir haben keine Quelle gefunden, die angibt, welcher Anteil seiner Spieler das Mikrofon aktiviert.
4. Erkennungsgenauigkeit ist nicht gleich verteilt
Englischsprecher mit Englisch als Zweitsprache sahen sich Fehlerlücken vom 2,6- bis 5,9-Fachen gegenüber, verglichen mit Erstsprachlern, über 10 Modelle und mehr als 300 Varietäten des Englischen hinweg (Roll and Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025). Die Wortfehlerrate (WER) ist der Anteil gesprochener Wörter, den ein Erkenner falsch versteht, ein niedrigerer Wert ist also besser. Der unbequeme Befund der Arbeit: Eine allgemeine Verbesserung schließt die Lücke nicht, denn die relative Ungleichheit wuchs, als die Modelle für Erstsprachler besser wurden.
Für ein weltweit ausgeliefertes Spiel macht das aus einer technischen Kennzahl eine Frage, wer spielen kann. Die Store-Seite von Radio General selbst sagt, es funktioniere nur auf Englisch und am besten mit nordamerikanischem Akzent. Kontext ist ein vorgeschlagenes Gegenmittel: Ein Sony-Patent, eingereicht am 28. Mai 2022 und erteilt am 13. Mai 2025, nutzt den aktuellen Spielzustand, um zu entscheiden, was der Spieler gesagt hat.
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlere WER des besten getesteten Gesamtmodells, Whisper-large | 6,9% | Roll und Graham, SLaTE 2025 |
| Mittlere WER des kleinsten Whisper-Modells, Whisper-tiny | 13,6% | Roll und Graham, SLaTE 2025 |
| WER-Lücke zwischen Englischsprechern mit Englisch als Zweitsprache und als Erstsprache über die Modelle hinweg | 2,6- bis 5,9-Faches | Roll und Graham, SLaTE 2025 |
| WER von Sprechern tonaler Erstsprachen gegenüber Sprechern indoeuropäischer Erstsprachen | 2- bis 3-mal höher | Roll und Graham, SLaTE 2025 |
| WER von Whisper-large in einem Korpus (Speech Accent Archive), Erstsprachler gegenüber Zweitsprachlern | 0,8% gegenüber 3,7% | Roll und Graham, SLaTE 2025 |
| WER von Wav2Vec 2.0, akzentbehaftete Sprache gegenüber Muttersprachlern | 30-50% gegenüber 2-8% | Bandodkar et al., AAAI 2024 |
| Relative Verbesserung der makrogemittelten WER durch ein auf Fairness ausgerichtetes Nachtrainieren gegenüber dem vortrainierten Whisper-Modell (26 analysierte Akzentgruppen) | 58,7% | Swain et al., arXiv 2025 |
Keiner dieser Tests nutzte Aufnahmen aus dem Spielgeschehen. Spielton bringt Aufregung, Rufen und Übersprechen aus Lautsprechern mit sich, deshalb sind diese Fehlerraten als Untergrenze der Schwierigkeit zu verstehen, nicht als Prognose.
5. Sprache ist schnell, Erkennung nicht
Sprache schlug die Handytastatur um das 2,93-Fache, mit 153 gegenüber 52 Wörtern pro Minute (Ruan et al., 2017). Dieser Vorteil erklärt, warum Sprache immer wieder in Spiele zurückkehrt, aber Diktieren und Spielsteuerung sind unterschiedliche Aufgaben. Ein diktierter Satz kann eine Sekunde später ankommen, ohne zu schaden, ein Ausweichmanöver nicht. Aktuellste verfügbare Daten: Ruan et al., Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017.
Große Sprachmodelle vergrößern die Lücke. In einem VR-Test mit 18 Teilnehmern wurde die Wartezeit auf die Antwort einer KI-Figur vom Modell und der Sprachausgabe bestimmt, nicht von der Zuhörphase. Das rückt freie Konversation weit außerhalb der Latenzbudgets von Actionspielen und ist der Grund, warum sprachgesteuerte Figuren bisher zu langsameren Genres passen. Unsere Statistiken zu KI in Spielen behandeln das größere Branchenbild, während sich die Zahlen hier nur auf die gesprochene Eingabe des Spielers beziehen.
| Metrik | Wert | Quelle |
|---|---|---|
| Texteingabegeschwindigkeit, englische Sprache gegenüber Handytastatur | 153 gegenüber 52 Wörtern pro Minute | Ruan et al., 2017 |
| Korrigierte Fehlerrate, Sprache gegenüber Handytastatur | 5,30% gegenüber 11,22% | Ruan et al., 2017 |
| Unkorrigierte Fehlerrate, Sprache gegenüber Handytastatur | 1,30% gegenüber 0,79% | Ruan et al., 2017 |
| Typische gesprochene Dauer eines Ein-Wort-Spielbefehls (»los« oder »spring«) | Etwa 300 Millisekunden | Disney Research über Phys.org, 2016 |
| Stufe Sprache-zu-Text in einem Test mit KI-Figur, Mittelwert gegenüber ungünstigstem Fall | 1,365 gegenüber 3,475 Sekunden | Korkiakoski et al., arXiv 2025 |
| Stufe Sprachmodell (GPT-4 Turbo) im selben Test, Mittelwert gegenüber ungünstigstem Fall | 3,113 gegenüber 14,918 Sekunden | Korkiakoski et al., arXiv 2025 |
| Stufe Text-zu-Sprache im selben Test, Mittelwert gegenüber ungünstigstem Fall | 2,376 gegenüber 12,404 Sekunden | Korkiakoski et al., arXiv 2025 |
| Vollständiger Austausch, von der Sprache des Spielers bis zur Antwort der Figur, Mittelwert gegenüber ungünstigstem Fall | 6,909 gegenüber 24,362 Sekunden | Korkiakoski et al., arXiv 2025 |
Ein Hybriddesign verengt die Aufgabe, die das Modell leisten muss. In einer Studie von 2025 sollten Spieler vordefinierte Dialogoptionen laut umschreiben, während ein Sprachmodell sie zuordnete, und ihre 14 Teilnehmer berichteten von mehr Spaß und einem größeren Gefühl von Freiheit als beim Zeigen und Klicken (Wevelsiep et al., IWSDS 2025). Die Autoren nennen die Latenz dennoch als Priorität für künftige Arbeiten.
6. Kinder, Sprachtherapie und Zugang
Ein auf Kinder abgestimmter Schlüsselworterkenner erreichte 85% Genauigkeit, während ein kommerzieller Erkenner 35% ungenauer war, in einem Zwei-Spieler-Spiel namens Mole Madness (Disney Research, 2016, berichtet von Phys.org). Die Lehre ist, dass die Verengung des Vokabulars auf zwei Wörter mehr brachte, als eine Allzweck-Engine leisten konnte. Das deckt sich mit den Game Accessibility Guidelines, die eine Erkennung auf Basis eines kleinen Vokabulars empfehlen, und auf fortgeschrittener Stufe einfach das Überschreiten einer Lautstärkeschwelle.
Sprachtherapie-Spiele zeigen die Grenze deutlich. Ihre Erkenner beurteilen genau die Sprache, die schwer zu erkennen ist, und in einem Versuch stimmte die Maschine bei weniger als der Hälfte der korrekten Äußerungen von Kindern mit kindlicher Sprechapraxie, einer motorischen Sprechstörung, mit Menschen überein (Ahmed et al., International Journal of Speech-Language Pathology 2018). Dieselben Guidelines nennen »Spracheingabe ist nicht erforderlich« als Grundregel, und die Xbox Accessibility Guideline 107 verlangt, dass spielentscheidende Sprache eine digitale Alternative hat. Sprache kann ein Spiel für manche Spieler öffnen und für andere schließen, was unsere Statistiken zu Barrierefreiheitsfunktionen in Spielen über alle Eingabearten hinweg untersuchen.
| Metrik | Wert | Quelle |
|---|---|---|
| Genauigkeit der Schlüsselworterkennung in Mole Madness | 85% | Disney Research über Phys.org, 2016 |
| Um wie viel ungenauer ein kommerzieller Erkenner als die Schlüsselworterkennung war | 35% | Disney Research über Phys.org, 2016 |
| Übereinstimmung von Erkenner und Menschen bei falschen Äußerungen, Kinder mit typischer Entwicklung gegenüber Kindern mit kindlicher Sprechapraxie | 77% gegenüber 75% | Ahmed et al., 2018 |
| Übereinstimmung von Erkenner und Menschen bei korrekten Äußerungen, nach Sprecher: Kinder mit typischer Entwicklung gegenüber Kindern mit Apraxie gegenüber Logopäden | 51% gegenüber 47% gegenüber 71% | Ahmed et al., 2018 |
| Genauigkeit von PocketSphinx bei Audio aus der Sprachtherapie mit Kindern, Standard gegenüber angepasst mit Maximum-a-posteriori-Training (MAP) | 59,4% gegenüber 80,0% | Hair et al., ASSETS 2019 |
| Mittlere Genauigkeit eines eigens gebauten Erkenners mit Mustervergleich in derselben Auswertung | 75,8% | Hair et al., ASSETS 2019 |
| Grundschüler, die einen niederländischen Prototyp eines sprachbasierten Leselernspiels testeten | Mehr als 40 | Radboud University, 2023 |
| Identifizierte gegenüber einbezogenen Studien in einem Review von 2026 zu 3D-Audiospielen für sehbehinderte Spieler | 975 gegenüber 56 | Kaka and Juhana, JoMMiT 2026 |
Aktuellste verfügbare Daten: Disney Research, 2016; Ahmed et al., 2018; Hair et al., 2019. Das sind klinische oder Forschungsumgebungen mit kleinen Stichproben, und sie berichten nur über die Leistung des Systems.
7. Wie Spieler tatsächlich reagieren
Phasmophobia hat 94% positive Bewertungen bei 360.726 englischen Bewertungen, während Suck Up! bei 61% liegt (Steam-Store-Seiten, 31. Oktober 2026). Beide verlangen, dass man mit dem Spiel spricht, aber auf unterschiedliche Weise. Bei dem einen ist Sprache eine einzelne Funktion innerhalb einer größeren Geisterjagd. Beim anderen ist das Sprechen, um an KI-Figuren vorbeizukommen, die Kernschleife, und das gemischte Ergebnis wiederholt sich bei DON’T SCREAM, wo zu viel Lärm den Durchgang beendet.
Bewertungen können Sprache nicht von allem anderen in einem Spiel trennen, lesen Sie das also als Muster, nicht als Messung. Die akademische Arbeit weist in dieselbe Richtung. Eine Studie von CHI PLAY 2015 fand, dass das Verständnis der Identität des Spielers im Spiel neben der Erkennungsgenauigkeit eine Rolle spielt. Eine kleine Studie von 2018 ging weiter: 5 Teilnehmer zeigten mit Sprache höheres Engagement, aber geringeres Glücksempfinden als mit der Tastatur (p = 2,005e-14 und p = 1e-3, gepaarter t-Test, Mattey and Yuksel, OverVoice). Bei einer so kleinen Stichprobe ist das als Hypothese zu behandeln.
| Metrik | Wert | Quelle |
|---|---|---|
| Analysierte Beiträge zur Aufnahme von Sprachspielen (166 + 2.951 + 84 + 69) | 3.270 Bewertungen, Diskussionsfäden und Videos | Carter et al., CHI PLAY 2015 |
| Positiver Anteil von Phasmophobia an den englischen Steam-Bewertungen | 94% von 360.726 | Steam-Store-Seite, 2026 |
| Positiver Anteil von Mage Arena an den englischen Steam-Bewertungen (Zauber werden per Sprache gewirkt) | 90% von 11.561 | Steam-Store-Seite, 2026 |
| Positiver Anteil von Tom Clancy’s EndWar an den Steam-Bewertungen (Strategiespiel von 2009 mit Sprachbefehlen) | 80% von 1.035 | Steam-Store-Seite, 2026 |
| Positiver Anteil von DON’T SCREAM an den englischen Steam-Bewertungen | 68% von 1.795 | Steam-Store-Seite, 2026 |
| Positiver Anteil von Suck Up! an den Steam-Bewertungen (Spieler sprechen mit KI-Figuren) | 61% von 226 | Steam-Store-Seite, 2026 |
| System Usability Scale für gesprochene KI-Figuren in VR (Skala von 0 bis 100) | 79,44 | Korkiakoski et al., arXiv 2025 |
| Glaubwürdigkeit gesprochener KI-Figuren in VR (von 10) | 6,67 | Korkiakoski et al., arXiv 2025 |
Aktuellste verfügbare Daten zu den Einstellungen der Spieler: Carter et al., 2015. Wir haben keine große Spielerbefragung zur Präferenz für Sprachbefehle gefunden, daher erscheint in dieser Zusammenstellung kein Anteil von Spielern, die Sprachsteuerung bevorzugen.
Zusammenfassung: Sprachbefehle und Spracherkennung in Videospielen in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Neue Videospiele mit Sprachinteraktion, die in einem Jahr erschienen | 106 im Jahr 2017 | Allison et al., CHI PLAY 2018 |
| Kinect-Verkäufe über die gesamte Lebensdauer | 35 Millionen | MCV 2017 |
| Durchschnittliche Sprachbefehle pro Monat, laut Microsoft (Angabe des Unternehmens) | 120 | Shacknews 2014 |
| An den Handel verkaufte PS5-Einheiten, kumuliert bis 30. Juni 2026 | Mehr als 95 Millionen | Sony Interactive Entertainment 2026 |
| Verkaufte Nintendo-Switch-2-Einheiten, kumuliert bis 30. Juni 2026 | 23,68 Millionen | Nintendo 2026 |
| US-Amerikaner ab 18 Jahren, die auf einem beliebigen Gerät einen Sprachassistenten nutzen | 62% | NPR und Edison Research 2022 |
| Steam-Store-Ergebnisse für den Tag Sprachsteuerung | 190 | Steam-Store-Suche, 31. Oktober 2026 |
| Phasmophobia-Verkäufe auf allen Plattformen | Mehr als 25 Millionen | Kinetic Games über WorthPlaying 2025 |
| Mittlere WER des besten getesteten Gesamtmodells | 6,9% | Roll und Graham, SLaTE 2025 |
| WER-Lücke zwischen Englischsprechern mit Englisch als Zweitsprache und als Erstsprache | 2,6- bis 5,9-Faches | Roll und Graham, SLaTE 2025 |
| WER von Wav2Vec 2.0, akzentbehaftete Sprache gegenüber Muttersprachlern | 30-50% gegenüber 2-8% | Bandodkar et al., AAAI 2024 |
| Texteingabegeschwindigkeit, englische Sprache gegenüber Handytastatur | 153 gegenüber 52 Wörtern pro Minute | Ruan et al., 2017 |
| Vollständiger gesprochener Austausch mit einer KI-Figur, Mittelwert gegenüber ungünstigstem Fall | 6,909 gegenüber 24,362 Sekunden | Korkiakoski et al., arXiv 2025 |
| Genauigkeit der Schlüsselworterkennung in Mole Madness | 85% | Disney Research über Phys.org, 2016 |
| Übereinstimmung von Erkenner und Menschen bei korrekten Äußerungen, Kinder mit kindlicher Sprechapraxie | 47% | Ahmed et al., 2018 |
Methodik und Quellen
Wir haben jede Zahl in den folgenden Quellen bei dieser Aktualisierung gelesen und Unternehmenszahlen auf das Unternehmen zurückgeführt, das sie veröffentlicht hat. Presseberichte sind benannt, wo die ursprüngliche Aussage nicht direkt einsehbar war.
- Allison, Carter, Gibbs and Smith, Design Patterns for Voice Interaction in Games, CHI PLAY 2018
- Allison, Carter and Gibbs, Word Play: A History of Voice Interaction in Digital Games, Games and Culture 2020
- Allison, Carter and Gibbs, A History of Voice Interaction in Games, DiGRA and FDG 2016
- Carter, Allison, Downs and Gibbs, Player Identity Dissonance and Voice Interaction in Games, CHI PLAY 2015
- MCV, Microsoft officially ceases Kinect production, 26. Oktober 2017
- Shacknews, Including Kinect was ‘the right call,’ says Microsoft exec, 16. Mai 2014
- Sony Interactive Entertainment, Business Data and Sales, Stand 30. Juni 2026
- PlayStation Support, Voice Command (Preview) on PS5
- Sony Interactive Entertainment, US-Patent 12300221, erteilt am 13. Mai 2025
- Nintendo, Consolidated Hardware and Software Sales Units, Stand 30. Juni 2026
- Nintendo, GameChat features for Nintendo Switch 2
- NPR und Edison Research, Smart Audio Report 2022
- Steam-Store-Suche, Tag Sprachsteuerung, 31. Oktober 2026
- DataHumble, Voice Control Games
- Kinetic Games, Console Voice Recognition, Phasmophobia v0.11.1.2
- Rely on Horror, Phasmophobia on PS5 and Xbox now supports voice recognition, 28. Februar 2025
- WorthPlaying, Phasmophobia surpasses 25 million sales, 1. Juli 2025
- WorthPlaying, Phasmophobia surpasses 3 million sales on consoles, 23. April 2025
- Roll and Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025
- Bandodkar et al., “Allot?” Is “a Lot!”, AAAI 2024
- Swain et al., Towards Fair ASR For Second Language Speakers Using Fairness Prompted Finetuning, arXiv 2025
- Ruan et al., Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, 2017
- Korkiakoski et al., An Empirical Evaluation of AI-Powered Non-Player Characters’ Perceived Realism and Performance in Virtual Reality Environments, arXiv 2025
- Wevelsiep et al., A Voice-Controlled Dialogue System for NPC Interaction using Large Language Models, IWSDS 2025
- Disney Research (Lehman, Wolfe, Pereira und Hodgins), berichtet von Phys.org, 2016
- Ahmed et al., Speech-driven mobile games for speech therapy, International Journal of Speech-Language Pathology 2018
- Hair et al., Evaluating Automatic Speech Recognition for Child Speech Therapy Applications, ASSETS 2019, aufgeführt vom Texas A&M PSI Lab
- Radboud University, Playfully practicing speaking and reading, 28. Juni 2023
- Kaka and Juhana, 3D Audio Games for Visually Impaired Players: A Systematic Literature Review, JoMMiT 2026
- Game Accessibility Guidelines, vollständige Liste
- Microsoft, Xbox Accessibility Guideline 107
- Mattey and Yuksel, OverVoice: Voice Controlled Games Engagement Study, University of San Francisco, 2018
- Steam-Store-Seiten, gelesen am 31. Oktober 2026: Phasmophobia, Mage Arena, Tom Clancy’s EndWar, DON’T SCREAM, Suck Up!, Radio General
- Daten-Hinweis: Wir haben keine Zahl eines Plattformbetreibers zum Anteil der Spieler gefunden, die Sprachbefehle nutzen, und die Kinect-Zahlen von 80%, 120 Befehlen und 1 Milliarde Befehlen sind ungeprüfte Microsoft-Angaben aus dem Jahr 2014. Die Zahl von 190 Steam-Ergebnissen schließt Demos und Hilfssoftware ein und beruht auf von Nutzern vergebenen Tags, was einer der Gründe ist, warum sie von der undatierten Zahl 113 von DataHumble abweicht. Allison et al. beschrieben 2016 sechs Phasen und 2020 sieben, und wir verwenden die spätere Zahl. Die Spanne von 2-8% für Muttersprachler bei AAAI 2024 wird von den Autoren aus früheren Arbeiten zitiert und wurde in jenem Artikel nicht gemessen, und die Akzentstudien nutzten keinen Spielton. Die Lücke vom 2,6- bis 5,9-Fachen ist die von den Autoren genannte Spanne, und die durchschnittliche WER über die Korpora lag in jenem Artikel zwischen 2,3% und 26,9%, sodass eine einzelne Schlagzeilenrate stark von den verwendeten Aufnahmen abhängt. Die Zahlen der Steam-Bewertungen ändern sich täglich, und manche Seiten geben nicht an, ob eine Zahl nur englische Bewertungen umfasst. Die Moderation von Voice-Chat ist nicht abgedeckt, weil die Fortschrittsberichte zu Call of Duty bei dieser Aktualisierung nicht erreichbar waren. Sony und Nintendo aktualisieren ihre Hardwarezahlen mit jedem Quartalsbericht.
Zuletzt aktualisiert: 31. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn Nintendo sein nächstes Update zu Consolidated Hardware and Software Sales Units veröffentlicht.