Kinect vendió 35 millones de unidades y aun así su fabricación terminó en 2017 (MCV, Microsoft officially ceases Kinect production 2017), la prueba más clara de que un micrófono en la caja no convierte la voz en un control estándar de los juegos. Steam ahora devuelve 190 resultados para su etiqueta Control por voz (búsqueda en la tienda de Steam, 31 de octubre de 2026), y se han distribuido a los minoristas más de 95 millones de consolas PS5 para una plataforma cuyo mando DualSense tiene un micrófono integrado (Sony Interactive Entertainment, Business Data and Sales 2026). El reconocimiento sigue siendo desigual: los hablantes de inglés como segunda lengua enfrentan brechas de error de 2,6 a 5,9 veces en los modelos actuales (Roll y Graham, SLaTE 2025), un patrón que también seguimos en nuestras estadísticas de sesgo de acento en el reconocimiento de voz. Reunimos datos de investigaciones sobre juegos de la Universidad de Melbourne, Disney Research, Sony, Nintendo y artículos revisados por pares sobre ciencia del habla para separar lo que los jugadores realmente hacen con la voz de lo que afirmaron los dueños de las plataformas.
TL;DR
- Kinect vendió 35 millones de unidades antes de que su fabricación terminara en 2017 (MCV 2017).
- Microsoft afirmó un promedio de 120 comandos de voz al mes en 2014 (Shacknews 2014).
- Phasmophobia, que permite hablar con sus fantasmas, superó los 25 millones de ventas en todas las plataformas (Kinetic Games vía WorthPlaying 2025).
- Los hablantes de inglés como segunda lengua tuvieron brechas de error de 2,6 a 5,9 veces en 10 modelos de reconocimiento (Roll y Graham, SLaTE 2025).
- El habla con acento obtuvo una tasa de error de palabras del 30-50% en Wav2Vec 2.0, frente al 2-8% de los hablantes nativos (Bandodkar et al., AAAI 2024).
- Un intercambio hablado completo con un personaje de IA de un juego tardó en promedio 6,909 segundos, con un peor caso de 24,362 segundos (Korkiakoski et al. 2025).
- El dictado en inglés fue 2,93 veces más rápido que escribir en el teclado del teléfono, 153 frente a 52 palabras por minuto (Ruan et al. 2017).
- Un reconocedor de palabras clave diseñado para niños alcanzó un 85% de precisión, y un reconocedor comercial fue un 35% menos preciso (Disney Research 2016).
- Voice Command de PS5 sigue siendo una versión preliminar limitada a dos países y un idioma (PlayStation Support 2026).
1. Cuarenta Años de Interés que Sube y Baja
106 nuevos videojuegos de interacción por voz salieron solo en 2017 (Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018), lo que suena a avance decisivo hasta que se lee la historia que hay detrás. El mismo grupo de investigación concluyó que la voz «nunca ha logrado un éxito sostenido y generalizado» y que pasó por siete fases ligadas a nuevas plataformas y tecnologías habilitadoras (Allison, Carter and Gibbs, Word Play, Games and Culture 2020).
El karaoke es el pico instructivo. Pedía a los jugadores actuar con la voz, no ser entendidos palabra por palabra. La rama de audiojuegos en altavoces inteligentes sigue una lógica parecida: los diseñadores redujeron en su mayoría el habla a elegir de una lista corta, lo que mantiene pequeño el problema del reconocimiento.
| Métrica | Valor | Fuente |
|---|---|---|
| Juegos en la mayor encuesta publicada sobre juegos de voz, de 1973 a 2018 | 449 videojuegos más 22 audiojuegos | Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018 |
| Nuevos videojuegos de interacción por voz lanzados en un año | 106 en 2017 | Allison et al., CHI PLAY 2018 |
| Juegos de karaoke lanzados de 2003 a 2012, contando una sola vez los lanzamientos multiplataforma | Más de 120, de los cuales más de 70 salieron entre 2008 y 2010 | Allison et al., Word Play, Games and Culture 2020 |
| Juegos que usaron la Voice Recognition Unit de Nintendo 64, de 1998 a 1999 | 2 | Allison et al., Word Play 2020 |
| Grandes lanzamientos que usaban el reconocimiento de voz de Kinect en el momento del estudio | Más de 30 | Allison et al., Word Play 2020 |
| Audiojuegos de Alexa cuya interacción central era elegir entre opciones habladas | 17 de 22 analizados | Allison et al., CHI PLAY 2018 |
Datos más recientes disponibles: Allison et al., 2018 y 2020. No encontramos un censo más reciente de juegos de voz, así que estos recuentos describen el sector hasta principios de 2018.
2. Micrófonos por Todas Partes, Comandos de Voz en Ninguna
Más de 95 millones de consolas PS5 se han distribuido a los minoristas (Sony Interactive Entertainment, Business Data and Sales, 30 de junio de 2026), y el mando DualSense tiene un micrófono interno. Esa base instalada no ha producido una plataforma centrada en la voz. PlayStation Support sigue describiendo Voice Command como una versión preliminar para cuentas de Estados Unidos y Reino Unido, solo en inglés y orientada a tareas del sistema, como abrir juegos y capturar clips, y no a la jugabilidad.
El contraste con el hogar es la cifra útil aquí. El 57% de los usuarios de comandos de voz los usa a diario (NPR y Edison Research, Smart Audio Report 2022). La gente se siente cómoda hablándole a los dispositivos, así que la barrera en los juegos no es el hábito de hablar con las máquinas. Los botones son silenciosos, privados e inmediatos, y la voz tiene que superar eso.
| Métrica | Valor | Fuente |
|---|---|---|
| Unidades de Kinect vendidas en los primeros 60 días en el mercado | 8 millones | MCV, Microsoft officially ceases Kinect production 2017 |
| Ventas totales de unidades de Kinect a lo largo de su vida | 35 millones | MCV 2017 |
| Proporción de propietarios de Kinect que lo usan, según Microsoft (afirmación de la empresa, no verificada de forma independiente) | 80% | Shacknews, citando a Yusuf Mehdi, de Microsoft, 16 de mayo de 2014 |
| Promedio de comandos de voz al mes, según Microsoft (afirmación de la empresa) | 120 | Shacknews, citando a Microsoft, 2014 |
| Total de comandos de voz emitidos, según Microsoft (afirmación de la empresa) | Más de 1.000 millones | Shacknews, citando a Microsoft, 2014 |
| Unidades de PS5 distribuidas a los minoristas, acumulado al 30 de junio de 2026 | Más de 95 millones | Sony Interactive Entertainment, Business Data and Sales 2026 |
| Unidades de Nintendo Switch 2 vendidas, acumulado al 30 de junio de 2026 (micrófono integrado para GameChat) | 23,68 millones | Nintendo, Consolidated Hardware Sales 2026 |
| Estadounidenses de 18 años o más que usan un asistente de voz en cualquier dispositivo | 62% | NPR y Edison Research, Smart Audio Report 2022 |
Datos más recientes disponibles: Shacknews, 2014 para el uso de Kinect, y el Smart Audio Report, 2022 para los asistentes de voz. No encontramos ninguna cifra de Sony o Nintendo sobre cuántos jugadores usan un micrófono para comandos de juego, y MCV aporta el único historial de ventas de Kinect que pudimos verificar. El micrófono de la Switch 2 también filtra el sonido del juego y se adapta a la distancia del jugador respecto a la consola (Nintendo, GameChat features), y su chat de voz admite como máximo 12 participantes.
3. El Catálogo Actual de Juegos de Voz
25 de los primeros 30 resultados de la etiqueta Control por voz de Steam tenían fecha de 2025 o 2026 (nuestro recuento de la búsqueda en la tienda de Steam, 31 de octubre de 2026), 15 de ellos solo en 2026. Eso es una página de un listado de tienda, no un censo de lanzamientos, así que por sí solo no demuestra un auge. Sí muestra que el micrófono sigue usándose como gancho de diseño en los títulos nuevos.
Phasmophobia es el caso de escala. Salió en consolas sin reconocimiento, y luego el desarrollador Kinetic Games añadió una actualización de voz para consolas para PlayStation 5, PS VR2 y Xbox Series X|S varios meses después, usando un reconocedor llamado VOSK. Un estudio que hace ese trabajo en un juego ya lanzado trata la voz como parte del producto, no como un extra.
| Métrica | Valor | Fuente |
|---|---|---|
| Resultados en la tienda de Steam para la etiqueta Control por voz, incluidos demos y software de utilidad | 190 | Búsqueda en la tienda de Steam, 31 de octubre de 2026 |
| Títulos de Steam contados bajo la misma etiqueta por un rastreador de terceros (captura sin fecha) | 113 | DataHumble, Voice Control Games 2026 |
| Ventas de Phasmophobia en todas las plataformas | Más de 25 millones | Kinetic Games vía WorthPlaying, 1 de julio de 2025 |
| Ventas de Phasmophobia en consolas | Más de 3 millones | Kinetic Games vía WorthPlaying, 23 de abril de 2025 |
| Idiomas admitidos por el reconocimiento de voz de Phasmophobia en consolas en el lanzamiento | 7 | Kinetic Games, notas del parche Console Voice Recognition 2025 |
Las ventas de Phasmophobia cubren a todos los compradores, no a todos los jugadores que hablaron con un fantasma. No encontramos ninguna fuente que indique qué proporción de sus jugadores activa el micrófono.
4. La Precisión del Reconocimiento No Se Reparte por Igual
Los hablantes de inglés como segunda lengua enfrentaron brechas de error de 2,6 a 5,9 veces en comparación con los hablantes de primera lengua, en 10 modelos y más de 300 variedades del inglés (Roll and Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025). La tasa de error de palabras (WER) es la proporción de palabras habladas que un reconocedor interpreta mal, por lo que una cifra más baja es mejor. El hallazgo incómodo del artículo es que la mejora general no cierra la brecha, ya que la disparidad relativa creció a medida que los modelos mejoraban para los hablantes de primera lengua.
Para un juego lanzado en todo el mundo, esto convierte una métrica técnica en una cuestión de quién puede jugar. La propia página de Radio General en la tienda dice que solo funciona en inglés y funciona mejor con acento norteamericano. El contexto es un remedio propuesto: una patente de Sony presentada el 28 de mayo de 2022 y concedida el 13 de mayo de 2025 usa el estado actual del juego para ayudar a decidir qué dijo el jugador.
| Métrica | Valor | Fuente |
|---|---|---|
| WER media del mejor modelo general probado, Whisper-large | 6,9% | Roll y Graham, SLaTE 2025 |
| WER media del modelo Whisper más pequeño, Whisper-tiny | 13,6% | Roll y Graham, SLaTE 2025 |
| Brecha de WER entre hablantes de inglés como segunda lengua y como primera lengua en los distintos modelos | 2,6 a 5,9 veces | Roll y Graham, SLaTE 2025 |
| WER de hablantes de primeras lenguas tonales frente a hablantes de primeras lenguas indoeuropeas | 2 a 3 veces mayor | Roll y Graham, SLaTE 2025 |
| WER de Whisper-large en un corpus (Speech Accent Archive), hablantes de primera lengua frente a segunda lengua | 0,8% frente a 3,7% | Roll y Graham, SLaTE 2025 |
| WER de Wav2Vec 2.0, habla con acento frente a hablantes nativos | 30-50% frente a 2-8% | Bandodkar et al., AAAI 2024 |
| Mejora relativa de la WER con promedio macro por un reentrenamiento centrado en la equidad frente al modelo Whisper preentrenado (26 grupos de acento analizados) | 58,7% | Swain et al., arXiv 2025 |
Ninguna de estas pruebas usó grabaciones de partidas. El audio de los juegos añade emoción, gritos y fugas desde los altavoces, así que trate estas tasas de error como un mínimo de la dificultad, no como un pronóstico.
5. El Habla Es Rápida, el Reconocimiento No
El habla superó al teclado del teléfono por 2,93 veces, con 153 frente a 52 palabras por minuto (Ruan et al., 2017). Esa ventaja explica por qué la voz vuelve una y otra vez a los juegos, pero dictar y controlar un juego son tareas distintas. Una frase dictada puede llegar un segundo más tarde sin consecuencias, mientras que una esquiva no. Datos más recientes disponibles: Ruan et al., Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017.
Los grandes modelos de lenguaje amplían la brecha. En una prueba de realidad virtual con 18 participantes, la espera por la respuesta de un personaje de IA estuvo dominada por el modelo y la salida de voz, no por la etapa de escucha. Eso deja la conversación libre muy fuera de los presupuestos de latencia de los juegos de acción, y es la razón por la que los personajes controlados por voz hasta ahora encajan en géneros más lentos. Nuestras estadísticas de IA en los videojuegos cubren el panorama más amplio del sector, mientras que las cifras de aquí se refieren solo a la entrada hablada del jugador.
| Métrica | Valor | Fuente |
|---|---|---|
| Velocidad de entrada de texto, habla en inglés frente a teclado del teléfono | 153 frente a 52 palabras por minuto | Ruan et al., 2017 |
| Tasa de error corregido, habla frente a teclado del teléfono | 5,30% frente a 11,22% | Ruan et al., 2017 |
| Tasa de error no corregido, habla frente a teclado del teléfono | 1,30% frente a 0,79% | Ruan et al., 2017 |
| Duración hablada típica de un comando de juego de una palabra («ve» o «salta») | Unos 300 milisegundos | Disney Research vía Phys.org, 2016 |
| Etapa de voz a texto en una prueba con un personaje de IA, media frente a peor caso | 1,365 frente a 3,475 segundos | Korkiakoski et al., arXiv 2025 |
| Etapa del modelo de lenguaje (GPT-4 Turbo) en la misma prueba, media frente a peor caso | 3,113 frente a 14,918 segundos | Korkiakoski et al., arXiv 2025 |
| Etapa de texto a voz en la misma prueba, media frente a peor caso | 2,376 frente a 12,404 segundos | Korkiakoski et al., arXiv 2025 |
| Intercambio completo, desde el habla del jugador hasta la respuesta del personaje, media frente a peor caso | 6,909 frente a 24,362 segundos | Korkiakoski et al., arXiv 2025 |
Un diseño híbrido reduce el trabajo que debe hacer el modelo. Un estudio de 2025 pidió a los jugadores parafrasear en voz alta opciones de diálogo predefinidas mientras un modelo de lenguaje las hacía coincidir, y sus 14 participantes informaron más disfrute y más sensación de libertad que con señalar y hacer clic (Wevelsiep et al., IWSDS 2025). Sus autores siguen incluyendo la latencia como prioridad para trabajos futuros.
6. Niños, Terapia del Habla y Acceso
Un reconocedor de palabras clave ajustado para niños alcanzó un 85% de precisión, mientras que un reconocedor comercial fue un 35% menos preciso en un juego para dos jugadores llamado Mole Madness (Disney Research, 2016, citado por Phys.org). La lección es que reducir el vocabulario a dos palabras rindió más de lo que podía un motor de uso general. Esto concuerda con las Game Accessibility Guidelines, que recomiendan un reconocimiento basado en un vocabulario pequeño y, en el nivel avanzado, simplemente en alcanzar un umbral de volumen.
Los juegos de terapia del habla muestran el límite con claridad. Sus reconocedores juzgan justamente el habla que es difícil de reconocer, y en un ensayo la máquina coincidió con los humanos en menos de la mitad de las producciones correctas de niños con apraxia del habla infantil, un trastorno motor del habla (Ahmed et al., International Journal of Speech-Language Pathology 2018). Las mismas Guidelines incluyen «no se requiere entrada de voz» como regla básica, y la Xbox Accessibility Guideline 107 pide que el habla indispensable para la jugabilidad tenga una alternativa digital. La voz puede abrir un juego a algunos jugadores y cerrarlo a otros, algo que nuestras estadísticas de funciones de accesibilidad en los juegos exploran en todos los tipos de entrada.
| Métrica | Valor | Fuente |
|---|---|---|
| Precisión del reconocimiento de palabras clave en Mole Madness | 85% | Disney Research vía Phys.org, 2016 |
| Cuánto menos preciso fue un reconocedor comercial que el detector de palabras clave | 35% | Disney Research vía Phys.org, 2016 |
| Coincidencia entre reconocedor y humanos en producciones incorrectas, niños con desarrollo típico frente a niños con apraxia del habla infantil | 77% frente a 75% | Ahmed et al., 2018 |
| Coincidencia entre reconocedor y humanos en producciones correctas, por hablante: niños con desarrollo típico frente a niños con apraxia frente a logopedas | 51% frente a 47% frente a 71% | Ahmed et al., 2018 |
| Precisión de PocketSphinx con audio de terapia del habla infantil, predeterminado frente a adaptado con entrenamiento de máxima a posteriori (MAP) | 59,4% frente a 80,0% | Hair et al., ASSETS 2019 |
| Precisión media de un reconocedor personalizado por coincidencia de plantillas en la misma evaluación | 75,8% | Hair et al., ASSETS 2019 |
| Alumnos de primaria que probaron un prototipo neerlandés de juego de lectura basado en el habla | Más de 40 | Radboud University, 2023 |
| Estudios identificados frente a incluidos en una revisión de 2026 sobre juegos de audio 3D para jugadores con discapacidad visual | 975 frente a 56 | Kaka and Juhana, JoMMiT 2026 |
Datos más recientes disponibles: Disney Research, 2016; Ahmed et al., 2018; Hair et al., 2019. Son entornos clínicos o de investigación con muestras pequeñas, y solo informan del rendimiento del sistema.
7. Cómo Responden Realmente los Jugadores
Phasmophobia tiene un 94% de reseñas positivas en 360.726 reseñas en inglés, mientras que Suck Up! está en el 61% (páginas de la tienda de Steam, 31 de octubre de 2026). Ambos te piden hablarle al juego, pero lo piden de forma distinta. En uno, la voz es una función más dentro de una cacería de fantasmas más amplia. En el otro, hablar para pasar entre personajes de IA es el bucle central, y el resultado mixto se repite en DON’T SCREAM, donde hacer demasiado ruido termina la partida.
Las reseñas no pueden aislar la voz de todo lo demás en un juego, así que léalo como un patrón, no como una medición. El trabajo académico apunta en la misma dirección. Un estudio de CHI PLAY 2015 encontró que entender la identidad del jugador en el juego importa tanto como la precisión del reconocimiento. Un pequeño estudio de 2018 fue más allá: 5 participantes mostraron mayor interacción pero menor felicidad con la voz que con el teclado (p = 2,005e-14 y p = 1e-3, prueba t pareada, Mattey and Yuksel, OverVoice). Con una muestra tan pequeña, trátelo como una hipótesis.
| Métrica | Valor | Fuente |
|---|---|---|
| Elementos analizados sobre la recepción de los juegos de voz (166 + 2.951 + 84 + 69) | 3.270 reseñas, hilos y videos | Carter et al., CHI PLAY 2015 |
| Proporción positiva de Phasmophobia en las reseñas en inglés de Steam | 94% de 360.726 | Página de la tienda de Steam, 2026 |
| Proporción positiva de Mage Arena en las reseñas en inglés de Steam (hechizos lanzados con la voz) | 90% de 11.561 | Página de la tienda de Steam, 2026 |
| Proporción positiva de Tom Clancy’s EndWar en las reseñas de Steam (juego de estrategia de 2009 con órdenes por voz) | 80% de 1.035 | Página de la tienda de Steam, 2026 |
| Proporción positiva de DON’T SCREAM en las reseñas en inglés de Steam | 68% de 1.795 | Página de la tienda de Steam, 2026 |
| Proporción positiva de Suck Up! en las reseñas de Steam (los jugadores hablan con personajes de IA) | 61% de 226 | Página de la tienda de Steam, 2026 |
| Puntuación en la System Usability Scale para personajes de IA hablados en realidad virtual (escala de 0 a 100) | 79,44 | Korkiakoski et al., arXiv 2025 |
| Credibilidad de los personajes de IA hablados en realidad virtual (sobre 10) | 6,67 | Korkiakoski et al., arXiv 2025 |
Datos más recientes disponibles sobre las actitudes de los jugadores: Carter et al., 2015. No encontramos ninguna encuesta amplia a jugadores sobre la preferencia por los comandos de voz, así que en este informe no aparece ninguna proporción de jugadores que prefieran el control por voz.
Resumen: Comandos de Voz y Reconocimiento de Voz en Videojuegos en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Nuevos videojuegos de interacción por voz lanzados en un año | 106 en 2017 | Allison et al., CHI PLAY 2018 |
| Ventas totales de unidades de Kinect a lo largo de su vida | 35 millones | MCV 2017 |
| Promedio de comandos de voz al mes, según Microsoft (afirmación de la empresa) | 120 | Shacknews 2014 |
| Unidades de PS5 distribuidas a los minoristas, acumulado al 30 de junio de 2026 | Más de 95 millones | Sony Interactive Entertainment 2026 |
| Unidades de Nintendo Switch 2 vendidas, acumulado al 30 de junio de 2026 | 23,68 millones | Nintendo 2026 |
| Estadounidenses de 18 años o más que usan un asistente de voz en cualquier dispositivo | 62% | NPR y Edison Research 2022 |
| Resultados en la tienda de Steam para la etiqueta Control por voz | 190 | Búsqueda en la tienda de Steam, 31 de octubre de 2026 |
| Ventas de Phasmophobia en todas las plataformas | Más de 25 millones | Kinetic Games vía WorthPlaying 2025 |
| WER media del mejor modelo general probado | 6,9% | Roll y Graham, SLaTE 2025 |
| Brecha de WER entre hablantes de inglés como segunda lengua y como primera lengua | 2,6 a 5,9 veces | Roll y Graham, SLaTE 2025 |
| WER de Wav2Vec 2.0, habla con acento frente a hablantes nativos | 30-50% frente a 2-8% | Bandodkar et al., AAAI 2024 |
| Velocidad de entrada de texto, habla en inglés frente a teclado del teléfono | 153 frente a 52 palabras por minuto | Ruan et al., 2017 |
| Intercambio hablado completo con un personaje de IA, media frente a peor caso | 6,909 frente a 24,362 segundos | Korkiakoski et al., arXiv 2025 |
| Precisión del reconocimiento de palabras clave en Mole Madness | 85% | Disney Research vía Phys.org, 2016 |
| Coincidencia entre reconocedor y humanos en producciones correctas, niños con apraxia del habla infantil | 47% | Ahmed et al., 2018 |
Metodología y Fuentes
Leímos cada cifra de las fuentes siguientes durante esta actualización y rastreamos las cifras de las empresas hasta la empresa que las publicó. Se nombran los reportes de prensa cuando la declaración original no estaba disponible para su lectura directa.
- 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 de octubre de 2017
- Shacknews, Including Kinect was ‘the right call,’ says Microsoft exec, 16 de mayo de 2014
- Sony Interactive Entertainment, Business Data and Sales, al 30 de junio de 2026
- PlayStation Support, Voice Command (Preview) on PS5
- Sony Interactive Entertainment, patente de EE. UU. 12300221, concedida el 13 de mayo de 2025
- Nintendo, Consolidated Hardware and Software Sales Units, al 30 de junio de 2026
- Nintendo, GameChat features for Nintendo Switch 2
- NPR y Edison Research, Smart Audio Report 2022
- Búsqueda en la tienda de Steam, etiqueta Control por voz, 31 de octubre de 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 de febrero de 2025
- WorthPlaying, Phasmophobia surpasses 25 million sales, 1 de julio de 2025
- WorthPlaying, Phasmophobia surpasses 3 million sales on consoles, 23 de abril de 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 y Hodgins), según 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, listado por Texas A&M PSI Lab
- Radboud University, Playfully practicing speaking and reading, 28 de junio de 2023
- Kaka and Juhana, 3D Audio Games for Visually Impaired Players: A Systematic Literature Review, JoMMiT 2026
- Game Accessibility Guidelines, lista completa
- Microsoft, Xbox Accessibility Guideline 107
- Mattey and Yuksel, OverVoice: Voice Controlled Games Engagement Study, University of San Francisco, 2018
- Páginas de la tienda de Steam, leídas el 31 de octubre de 2026: Phasmophobia, Mage Arena, Tom Clancy’s EndWar, DON’T SCREAM, Suck Up!, Radio General
- Nota sobre los datos: No encontramos ninguna cifra de los dueños de plataformas sobre la proporción de jugadores que usan comandos de voz, y las cifras de Kinect de 80%, 120 comandos y 1.000 millones de comandos son afirmaciones no auditadas de Microsoft de 2014. El recuento de 190 resultados de Steam incluye demos y software de utilidad y se basa en etiquetas aplicadas por los usuarios, lo que es una de las razones por las que difiere del recuento sin fecha de 113 de DataHumble. Allison et al. describieron seis fases en 2016 y siete en 2020, y usamos el recuento más reciente. El rango de 2-8% para hablantes nativos en AAAI 2024 lo citan sus autores a partir de trabajos anteriores, no se midió en ese artículo, y los estudios de acento no usaron audio de juegos. La brecha de 2,6 a 5,9 veces es el rango indicado por los autores, y la WER promedio entre corpus en ese artículo fue de 2,3% a 26,9%, así que una única tasa destacada depende en gran medida de las grabaciones usadas. Los recuentos de reseñas de Steam cambian a diario, y algunas páginas no indican si un recuento abarca solo reseñas en inglés. No se cubre la moderación del chat de voz porque no se pudo acceder a los informes de progreso de Call of Duty durante esta actualización. Sony y Nintendo actualizan sus cifras de hardware con cada informe trimestral.
Última actualización: 31 de octubre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando Nintendo publique su próxima actualización de Consolidated Hardware and Software Sales Units.