Whisper large-v2, un modelo de reconocimiento de voz muy utilizado, cometió un 36,4% de errores de palabras en audio de reuniones captado por un único micrófono distante, frente al 16,9% en las mismas reuniones grabadas con micrófonos de headset (OpenAI, artículo de Whisper 2022). La brecha empieza en la captación: el micrófono integrado de un portátil a unos 60 cm registró la voz 12,82 dB más baja que el micrófono de un headset a 15 a 20 cm en un estudio con 30 personas (Busquet et al., Behavior Research Methods 2023). Y no se queda en lo técnico: 600 oyentes puntuaron con 68,50 sobre 100 la probabilidad de contratación de un candidato escuchado con un sonido metálico de micrófono deficiente, frente a 76,04 de la grabación clara (Walter-Terrill et al., PNAS 2025). Reunimos datos de Amazon, la Yale University, los desafíos REVERB y CHiME, Ear and Hearing, un estudio de reuniones en cinco organizaciones, la ITU-T y Zoom, además de dos encuestas de proveedores identificadas como tales. Para el mercado de hardware en sí, consulta nuestras estadísticas del mercado de webcams; esta página trata de lo que el micrófono le hace a la voz.
TL;DR
- Tasa de error de palabras de Whisper large-v2 en reuniones AMI: 16,9% con micrófonos individuales de headset frente a 36,4% con un micrófono distante (OpenAI, artículo de Whisper 2022).
- El micrófono integrado de un portátil a unos 60 cm captó la voz a 46,91 dB frente a 59,73 dB del micrófono de un headset a 15 a 20 cm (Busquet et al., Behavior Research Methods 2023).
- En las grabaciones de cenas DiPCo de Amazon, la WER de campo cercano fue del 42,10% frente al 77,52% de los arreglos de campo lejano (Van Segbroeck et al., DiPCo 2019).
- Reuniones en mandarín de AliMeeting: 9,9% de errores de caracteres con audio de headset frente a 49,0% con audio de arreglos de campo lejano (Yu et al., M2MeT 2022).
- La probabilidad de contratación cayó de 76,04 a 68,50 sobre 100 cuando la misma voz sonaba como un micrófono deficiente, sin cambio en la precisión de la transcripción (98,09% frente a 98,07%) (Walter-Terrill et al., PNAS 2025).
- El audio de baja calidad obtuvo un MOS ViSQOL de 2,13 frente a 4,68 de calidad media, y redujo las valoraciones de empleabilidad (Schütze et al., Forum Acusticum 2026).
- El ruido de fondo ralentizó las respuestas de los oyentes en una media de 91 ms, una medida del esfuerzo de escucha (Picou et al., Ear and Hearing 2016).
- Los adultos con implante coclear alcanzaron cerca del 60% de la eficiencia de escucha típica en conversaciones en línea solo de audio, y cerca del 80% con subtítulos (Perea Pérez et al., Ear and Hearing 2025).
- Solo el 30% de los trabajadores del conocimiento usa un headset profesional para trabajar y el 8% lo considera su dispositivo principal (Jabra 2023 Knowledge Worker Study, encuesta de proveedor).
1. Distancia del Micrófono y Nivel de Voz Captado
El micrófono de una webcam o de un portátil es un micrófono de campo lejano (far-field): queda más o menos a un brazo de distancia de la boca, o más lejos, así que graba la sala junto con la voz. El micrófono de un headset es un micrófono de campo cercano (close-talk), a unos pocos centímetros de los labios. La comparación medida más limpia procede de un estudio de 2023 que grabó a los mismos hablantes en varios dispositivos. El micrófono integrado del portátil a unos 60 cm captó la voz a 46,91 dB, mientras que el micrófono de un headset a 15 a 20 cm captó 59,73 dB, una diferencia de 12,82 dB (59,73 menos 46,91) (Busquet, Efthymiou y Hildebrand, Behavior Research Methods 2023).
Dos detalles importan a quien compra. Primero, incluso un micrófono de estudio a esos mismos 60 cm captó 10,76 dB más que el portátil (57,67 menos 46,91), así que el micrófono integrado pierde terreno tanto por la distancia como por el hardware. Segundo, el portátil y el micrófono de estudio midieron el tono medio casi igual, lo que significa que un micrófono lejano no cambia a quién te pareces; cambia cuánto de ti llega al otro lado en comparación con la sala. Una prueba aparte con grabaciones de trabajo en grupo muestra la otra mitad de la historia: con seis micrófonos distintos, todos colocados a 5 pies (unos 1,5 m), el modelo elegido apenas movió la tasa de error (Bradford et al., EDM 2022).
| Métrica | Valor | Fuente |
|---|---|---|
| Nivel de voz, micrófono integrado del portátil a unos 60 cm frente a micrófono de headset a 15 a 20 cm | 46,91 dB frente a 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Nivel de voz, micrófono de estudio a unos 60 cm frente a micrófono de solapa (clip-on) a 15 a 20 cm | 57,67 dB frente a 63,68 dB | Busquet et al., Behavior Research Methods 2023 |
| Tono medio de la voz medido por el micrófono del portátil frente al micrófono de estudio | 168,42 Hz frente a 169,31 Hz (t = -0,89; p = 0,99) | Busquet et al., Behavior Research Methods 2023 |
| Tamaño del estudio de comparación de dispositivos | 30 participantes, 1.800 muestras de voz | Busquet et al., Behavior Research Methods 2023 |
| Tasa de error de palabras, seis micrófonos a 5 pies de los hablantes, lectura de un guion en voz alta | 10,7% a 12,0% | Bradford et al., EDM 2022 |
| Tasa de error de palabras, los mismos seis micrófonos, conversación libre en grupo | 52,7% a 61,3% | Bradford et al., EDM 2022 |
| Distancia de cada hablante a los arreglos de campo lejano en las grabaciones DiPCo | 1.120 mm a 3.950 mm | Van Segbroeck et al., DiPCo 2019 |
| Distancia entre micrófono y hablante en las salas de reuniones de AliMeeting | 0,3 a 5,0 m | Yu et al., M2MeT 2022 |
Nota de contexto: los valores en decibelios de ese estudio son medidas de amplitud de las grabaciones, no niveles de presión sonora calibrados, así que la brecha de 12,82 dB compara dispositivos dentro de una misma configuración en lugar de predecir lo que entregará cualquier webcam. Dato más reciente disponible para la comparación de EDM: 2022.
2. Errores de Reconocimiento de Voz: Campo Cercano vs Campo Lejano
El reconocimiento de voz es el oyente más medible que existe, y dice lo mismo en todos los corpus: aleja el micrófono y los errores más o menos se duplican, o peor. Whisper large-v2 pasó de un 16,9% de WER (tasa de error de palabras, la proporción de palabras transcritas incorrectamente) en reuniones AMI grabadas con micrófonos individuales de headset a un 36,4% en las mismas reuniones captadas por un único micrófono distante, unas 2,2 veces más (36,4 dividido entre 16,9) (Radford et al., artículo de Whisper de OpenAI 2022). Un modelo wav2vec 2.0 más antiguo muestra la misma dirección, 37,0% frente a 67,6%.
El patrón se repite en los hogares y en otros idiomas. El corpus DiPCo de Amazon grabó a cuatro personas alrededor de una mesa de comedor con headsets y cinco arreglos de campo lejano al mismo tiempo: la mejor configuración de evaluación alcanzó un 42,10% de WER en campo cercano y un 77,52% en campo lejano, unas 1,8 veces más (77,52 dividido entre 42,10) (Van Segbroeck et al., DiPCo 2019). En reuniones en mandarín la brecha fue más pronunciada, 9,9% frente a 49,0% de CER (tasa de error de caracteres, el equivalente de la WER en mandarín), unas 5 veces (49,0 dividido entre 9,9) (Yu et al., M2MeT 2022). Entrenar con audio de campo lejano la redujo a 8,2% frente a 33,3%, pero no la cerró. Las salas con arreglos en el techo tienen sus propios datos, tratados en nuestras estadísticas de micrófonos de beamforming para salas de conferencias.
| Métrica | Valor | Fuente |
|---|---|---|
| WER de Whisper large-v2, reuniones AMI: micrófonos individuales de headset frente a un único micrófono distante | 16,9% frente a 36,4% | Radford et al., artículo de Whisper de OpenAI 2022 |
| WER de wav2vec 2.0 Large (sin modelo de lenguaje), AMI: micrófonos de headset frente a un único micrófono distante | 37,0% frente a 67,6% | Radford et al., artículo de Whisper de OpenAI 2022 |
| WER en grabaciones reales de REVERB, mejor sistema de ocho micrófonos | 9,0% | Kinoshita et al., resumen del desafío REVERB 2016 |
| WER de evaluación de DiPCo, headset de campo cercano frente a arreglo de campo lejano (mejor modelo de lenguaje) | 42,10% frente a 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER de AliMeeting, modelo entrenado con audio de headset: prueba con headset frente a prueba de campo lejano | 9,9% frente a 49,0% | Yu et al., M2MeT 2022 |
| CER de AliMeeting, modelo con datos adicionales de campo lejano, externos y simulados: headset frente a campo lejano | 8,2% frente a 33,3% | Yu et al., M2MeT 2022 |
| WER en grabaciones reales de REVERB: referencia limpia/de headset frente a línea base de campo lejano | 6,9% frente a 49,2% | Kinoshita et al., resumen del desafío REVERB 2016 |
| WER de la línea base oficial de CHiME-6 en arreglos de campo lejano, conjunto de desarrollo frente a conjunto de evaluación | 51,8% frente a 51,3% | Watanabe et al., desafío CHiME-6 2020 |
Dato más reciente disponible: el artículo de Whisper (2022) sigue siendo la mayor comparación pública lado a lado de la WER con headset frente a micrófono distante en las mismas reuniones; los modelos más nuevos no han publicado una división AMI headset frente a micrófono distante en el mismo formato. El artículo de la línea base de CHiME-6 solo permitió arreglos de campo lejano en la fase de prueba, por eso no tiene columna de campo cercano.
3. Salas, Ruido y Esfuerzo de Escucha
La distancia importa por lo que llena el espacio entre la boca y el micrófono: reflexiones y ruido. Una sala de estar típica tarda de 0,3 a 0,7 s en que su respuesta decaiga 60 dB (el tiempo de reverberación), según una revisión sobre el reconocimiento en campo lejano (Haeb-Umbach et al., Far-Field Automatic Speech Recognition 2020). Un micrófono de headset cercano a la boca oye mucho menos de esa cola que el micrófono de una webcam colocada sobre un monitor.
Para los oyentes humanos, la evidencia se divide de una manera útil. En un estudio controlado de Ear and Hearing, el ruido de fondo ralentizó las respuestas en una media de 91 ms (la medida de esfuerzo de escucha del estudio), mientras que la reverberación no cambió el esfuerzo de forma significativa, aunque cada aumento del nivel de reverberación redujo el reconocimiento de palabras en unos 8 RAU (unidades de arcoseno racionalizadas, una puntuación de porcentaje de aciertos transformada) (Picou, Gordon y Ricketts, Ear and Hearing 2016). En otras palabras, el eco de la sala cuesta palabras; el ruido de la sala cuesta energía. Eso importa porque un micrófono lejano capta más de ambos. Para las personas con pérdida auditiva, los National Acoustic Laboratories de Australia hallaron que seguir conversaciones por videoconferencia requería mucho más esfuerzo que para las personas con audición normal, y que los audífonos no restablecían los niveles de la conversación presencial. El lado fisiológico de la fatiga de las llamadas se trata en nuestras estadísticas de biomarcadores de fatiga por reuniones de vídeo.
| Métrica | Valor | Fuente |
|---|---|---|
| Tiempo de reverberación típico de una sala de estar (decaimiento hasta -60 dB) | 0,3 a 0,7 s | Haeb-Umbach et al., revisión de ASR en campo lejano 2020 |
| Pérdida de reconocimiento de palabras por cada aumento del nivel de reverberación, con relación señal-ruido fija | unos 8 RAU | Picou et al., Ear and Hearing 2016 |
| Aumento del tiempo de respuesta con ruido frente a silencio (esfuerzo de escucha) | media de 91 ms | Picou et al., Ear and Hearing 2016 |
| Efecto de la reverberación sobre el esfuerzo de escucha cuando el reconocimiento era comparable | no significativo (p = 0,18) | Picou et al., Ear and Hearing 2016 |
| Tiempos de reverberación probados en ese estudio | T30 por debajo de 100 ms, 475 ms y 834 ms | Picou et al., Ear and Hearing 2016 |
| Salas simuladas de REVERB: tiempos de reverberación y distancia del micrófono cercano frente al lejano | 0,3, 0,6 y 0,7 s; 50 cm frente a 200 cm | Kinoshita et al., resumen del desafío REVERB 2016 |
| WER de campo lejano en CHiME-5: línea base frente a back-end de reconocimiento robusto frente a separación y desreverberación con varios micrófonos | apenas por debajo del 80% frente a aproximadamente 60% frente a 43,2% | Haeb-Umbach et al., revisión de ASR en campo lejano 2020 |
| Eficiencia de escucha de usuarios de implante coclear en conversaciones en línea, solo audio frente a con subtítulos (proporción de la media de audición típica) | cerca del 60% frente a cerca del 80% | Perea Pérez et al., Ear and Hearing 2025 |
Nota sobre valores atípicos: el efecto nulo de la reverberación sobre el esfuerzo sorprendió a los propios autores, que lo calificaron de incompatible con los modelos actuales de esfuerzo de escucha; se midió en 18 adultos jóvenes con audición normal. Dato más reciente disponible: 2016. El ruido es la mitad que el software puede atacar, consulta nuestras estadísticas de supresión neuronal de ruido.
4. Cómo Juzgan los Oyentes a Quien Habla por un Micrófono Deficiente
El hallazgo de más consecuencias de los últimos dos años es que el mal sonido de un micrófono cambia los juicios sobre la persona, no solo la inteligibilidad. En un experimento de PNAS con 600 oyentes, un candidato a un empleo escuchado con un sonido metálico y hueco de ‘micrófono deficiente’ recibió una puntuación de probabilidad de contratación de 68,50 frente a 76,04 de la grabación clara (d = 0,35, P < 0,001), mientras que la precisión de la transcripción fue idéntica, 98,07% frente a 98,09% (Walter-Terrill, Ongchoco y Scholl, PNAS 2025). Los oyentes entendieron todas las palabras; simplemente pensaron peor de quien hablaba.
Un estudio de seguimiento de 2026 con 299 participantes y entrevistas de trabajo con avatares halló que el audio de baja tasa de bits y banda limitada redujo las valoraciones de empleabilidad (p < 0,001), mientras que el paso de calidad media a alta no supuso ninguna diferencia (p = 0,813) (Schütze, Biberger y Reber, Forum Acusticum 2026). Eso sugiere un umbral: los oyentes castigan el audio claramente degradado, no el audio simplemente corriente. Trabajos anteriores encontraron el mismo sesgo en entrevistas simuladas por Skype, donde persistió incluso después de pedir a los evaluadores que ignoraran la calidad de la llamada (Fiechter et al., Cognitive Research 2018).
| Métrica | Valor | Fuente |
|---|---|---|
| Puntuación de probabilidad de contratación (0 a 100), grabación clara frente a versión metálica de ‘micrófono deficiente’ | 76,04 frente a 68,50 (d = 0,35) | Walter-Terrill et al., PNAS 2025 |
| Precisión de la transcripción, grabación clara frente a distorsionada | 98,09% frente a 98,07% (P = 0,915) | Walter-Terrill et al., PNAS 2025 |
| Oyentes en el Experimento 1 | 600 (300 por condición) | Walter-Terrill et al., PNAS 2025 |
| Diferencia en la valoración de empleabilidad, calidad de audio alta frente a baja (escala de 0 a 100) | 6,4 puntos; baja frente a alta p < 0,001; media frente a alta p = 0,813 | Schütze et al., Forum Acusticum 2026 |
| Calidad objetiva (MOS ViSQOL) del audio de baja calidad frente al de calidad media | 2,13 frente a 4,68 | Schütze et al., Forum Acusticum 2026 |
| Puntuación de aptitud para la contratación (1 a 10), audio y vídeo fluidos frente a degradados, ambos experimentos combinados | 6,91 frente a 6,33 (d de Cohen = 0,44) | Fiechter et al., Cognitive Research 2018 |
| Oyentes que valoraron charlas o entrevistas de radio idénticas escuchadas con buen audio frente a mal audio | 97 (Experimento 1) y 99 (Experimento 2) | Newman y Schwarz, Science Communication 2018 |
Nota de contexto: en el estudio de Newman y Schwarz (DOI 10.1177/1075547018759345), el mal audio redujo las valoraciones de la charla, de la inteligencia del orador y de la importancia de la investigación, según lo resume la USC. El MOS (mean opinion score, puntuación media de opinión) es la escala estándar de calidad de escucha, donde mayor es mejor; ViSQOL es un modelo de software que la predice. Dato más reciente disponible para los estudios de Fiechter y de Newman: 2018.
5. Reglas de Certificación: Lo Que Realmente Prueban Teams, Zoom y la ITU
Los programas de certificación revelan dónde ponen los fabricantes el listón del audio, y las webcams quedan en su mayoría fuera de él. La página de dispositivos certificados de Teams indica que los dispositivos de audio como headsets y altavoces con micrófono deben ofrecer audio de banda ancha (wideband) sin eco, distorsión ni fallos excesivos, mientras que los criterios que enumera para los dispositivos de vídeo son todos métricas de imagen (Microsoft Learn, Teams certified USB devices, noviembre de 2026). De los 22 dispositivos USB de esa lista cualificados en 2026, 2 son webcams y 20 son headsets o sistemas de headset (nuestro recuento de la tabla de noviembre de 2026).
El listón de los headsets también tiene un nivel premium. La documentación de laboratorios de pruebas de la Teams Audio Test Specification describe un módulo opcional de oficina abierta que puntúa el MOS de voz y de ruido bajo ruido de oficina más la ‘atenuación de distractores’, es decir, cuánto de la voz de un vecino rechaza el headset (ficha técnica de HEAD acoustics, Teams Audio Test Specification 60026). Zoom unificó en 2022 los estándares de prueba objetivos de sus categorías de audio (Zoom, actualización de la certificación de hardware 2022), y la configuración de laboratorio de Teams se apoya en métodos de la ITU-T como el P.502 y la boca artificial P.51 (un altavoz que imita a una persona hablando). La referencia más amplia para puntuar la voz captada es la ITU-T P.863 (POLQA), el modelo estándar que predice la calidad de escucha en la escala MOS.
| Métrica | Valor | Fuente |
|---|---|---|
| Requisito de audio para headsets y altavoces con micrófono certificados por Teams | audio de banda ancha (wideband) sin eco, distorsión ni fallos excesivos; cancelación de eco compatible | Microsoft Learn, Teams certified USB devices 2026 |
| Criterios enumerados para dispositivos de vídeo certificados por Teams, como las webcams | ruido, color, detalle de imagen, jitter, latencia, tasa de fotogramas, campo de visión (métricas de imagen) | Microsoft Learn, Teams certified USB devices 2026 |
| Dispositivos USB cualificados en 2026 (hasta la tabla de noviembre de 2026): webcams frente a headsets o sistemas de headset | 2 frente a 20 (de 22) | Microsoft Learn, nuestro recuento de la tabla de noviembre de 2026 |
| Versión de la Teams Audio Test Specification usada por los laboratorios de pruebas y categorías de dispositivos | V5.0 con el Anexo A; 4 categorías (headsets, teléfonos de escritorio personales, altavoces con micrófono personales, altavoces con micrófono compartidos) | ficha técnica de laboratorio de pruebas de HEAD acoustics 2026 |
| Métricas adicionales en la prueba opcional de headsets para oficina abierta | MOS de voz y de ruido 3QUEST; atenuación de distractores (media y mínima) | ficha técnica de laboratorio de pruebas de HEAD acoustics 2026 |
| Categorías de audio y afines de Zoom con estándares de prueba objetivos renovados y unificados | 7 | actualización de la certificación de hardware de Zoom, 16 de marzo de 2022 |
| Con qué frecuencia deben recertificarse los dispositivos certificados por Zoom | al menos cada dos años | actualización de la certificación de hardware de Zoom, 16 de marzo de 2022 |
| Edición vigente de la ITU-T P.863 (POLQA) y su enmienda | P.863 (03/18); Enmienda 1 (04/20) sobre la predicción de voz de banda estrecha grabada acústicamente | Recomendación ITU-T P.863 |
Nota de contexto: ‘banda ancha’ (wideband) aquí es un término de telefonía para el audio que conserva un rango de frecuencias más amplio que el audio telefónico tradicional de banda estrecha; no es una medida de volumen. Dato más reciente disponible para los criterios de Zoom: 2022, ya que Zoom no ha publicado umbrales más nuevos.
6. Cómo Se Equipa la Gente y Qué Cambia en las Reuniones Reales
Los datos de encuestas sobre equipamiento son escasos y en su mayoría los generan los proveedores, pero apuntan en una sola dirección: la mayoría de la gente sigue hablando por el micrófono que trae integrado. Solo el 30% de los trabajadores del conocimiento usa un headset profesional para trabajar y el 8% lo considera su dispositivo principal, aunque el 91% usa una plataforma de reuniones en línea (Jabra 2023 Knowledge Worker Study, encuesta de proveedor). Una encuesta de Logitech de 2022 a más de 3.000 trabajadores remotos de EE. UU., Alemania y China halló que el 85% tiene problemas de sonido (Logitech, encuesta de proveedor).
Los datos independientes añaden el lado del resultado. Un estudio de unas 7.330 respuestas utilizables de encuestas posteriores a reuniones en cinco grandes organizaciones halló que usar un headset aumentó las probabilidades de una valoración de ‘Participación’ (OR = 1,16), y las llamadas con problemas de calidad de audio tuvieron muchas menos probabilidades de ser valoradas como eficaces (OR = 0,14) (Hosseinkashi et al., Microsoft Research, estudio de eficacia de reuniones 2024). Una razón de probabilidades (OR) por debajo de 1 significa menores probabilidades; 0,14 es un efecto grande. Leído junto con la brecha de nivel de la sección 1, el argumento a favor de la captación en campo cercano consiste en que te perciban plenamente presente, no solo en que te oigan.
| Métrica | Valor | Fuente |
|---|---|---|
| Trabajadores del conocimiento que usan un headset profesional para trabajar | 30% | Jabra 2023 Knowledge Worker Study (encuesta de proveedor, más de 7.000 empleados) |
| Trabajadores del conocimiento que dicen que un headset profesional es su dispositivo principal | 8% | Jabra 2023 Knowledge Worker Study (encuesta de proveedor) |
| Trabajadores remotos que tienen problemas de sonido en las llamadas | 85% | encuesta a usuarios finales de Logitech, mayo de 2022 (encuesta de proveedor, más de 3.000 trabajadores) |
| Estudio de conversaciones en línea, grupo con audición típica: escucharon por altavoces frente a auriculares | 72% frente a 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Mismo estudio, grupo con implante coclear: altavoces frente a auriculares frente a transmisión directa | 68% frente a 12% frente a 20% | Perea Pérez et al., Ear and Hearing 2025 |
| Razón de probabilidades ajustada de una valoración de ‘Participación’ cuando el usuario lleva headset | 1,16 | Hosseinkashi et al., Microsoft Research 2024 |
| Tasa de participación, llamadas solo de audio con headset frente a sin él | cerca de un 5% mayor | Hosseinkashi et al., Microsoft Research 2024 |
| Razón de probabilidades ajustada de una valoración de reunión ‘Eficaz’ cuando la llamada tuvo problemas de calidad (eco, ruido, distorsión) | 0,14 | Hosseinkashi et al., Microsoft Research 2024 |
Nota sobre valores atípicos: el texto del estudio de reuniones dice que las probabilidades de Participación suben ‘un 20%’ con un headset, mientras que su propia tabla da una razón de probabilidades de 1,16; informamos del valor de la tabla. Los autores también advierten de que detectar el uso de headset a partir de la telemetría no es fiable, porque muchos dispositivos lo informan de forma incorrecta. Dato más reciente disponible para la encuesta de Logitech: mayo de 2022.
Resumen: Micrófono Integrado de la Webcam vs Headset en Calidad de Voz en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| WER de Whisper large-v2, micrófonos de headset AMI frente a un único micrófono distante | 16,9% frente a 36,4% | Radford et al., artículo de Whisper de OpenAI 2022 |
| WER de DiPCo, campo cercano frente a arreglo de campo lejano | 42,10% frente a 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER de AliMeeting, headset frente a campo lejano | 9,9% frente a 49,0% | Yu et al., M2MeT 2022 |
| Grabaciones reales de REVERB: WER limpia/de headset frente a línea base de campo lejano frente a mejor sistema de 8 micrófonos | 6,9% frente a 49,2% frente a 9,0% | Kinoshita et al., resumen del desafío REVERB 2016 |
| Nivel de voz, micrófono del portátil a unos 60 cm frente a micrófono de headset a 15 a 20 cm | 46,91 dB frente a 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Rango de WER de seis micrófonos a 5 pies, guion frente a conversación libre | 10,7% a 12,0% frente a 52,7% a 61,3% | Bradford et al., EDM 2022 |
| Tiempo de reverberación típico de una sala de estar | 0,3 a 0,7 s | Haeb-Umbach et al., revisión de ASR en campo lejano 2020 |
| Ralentización de la respuesta por ruido de fondo | media de 91 ms | Picou et al., Ear and Hearing 2016 |
| Eficiencia de escucha con implante coclear en línea, solo audio frente a subtítulos | cerca del 60% frente a cerca del 80% de lo típico | Perea Pérez et al., Ear and Hearing 2025 |
| Probabilidad de contratación, sonido claro frente a de micrófono deficiente (0 a 100) | 76,04 frente a 68,50 | Walter-Terrill et al., PNAS 2025 |
| MOS ViSQOL, calidad de audio baja frente a media | 2,13 frente a 4,68 | Schütze et al., Forum Acusticum 2026 |
| Aptitud para la contratación (1 a 10), audio y vídeo fluidos frente a degradados | 6,91 frente a 6,33 | Fiechter et al., Cognitive Research 2018 |
| Uso de headset profesional para trabajar | 30% | Jabra 2023 Knowledge Worker Study (encuesta de proveedor) |
| Headset profesional señalado como dispositivo principal | 8% | Jabra 2023 Knowledge Worker Study (encuesta de proveedor) |
| Oyentes de conversaciones en línea con audición típica por altavoces frente a auriculares | 72% frente a 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Distancia entre micrófono y hablante en las salas de AliMeeting | 0,3 a 5,0 m | Yu et al., M2MeT 2022 |
| Trabajadores remotos con problemas de sonido | 85% | encuesta a usuarios finales de Logitech 2022 (encuesta de proveedor) |
| Intervalo de recertificación de Zoom | al menos cada dos años | actualización de la certificación de hardware de Zoom 2022 |
Metodología y Fuentes
- Busquet, Efthymiou y 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 y 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, evaluación estructurada de la comunicación por videoconferencia, 2022
- Walter-Terrill, Ongchoco y Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger y Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (artículo preliminar)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman y Schwarz, Good Sound, Good Research, Science Communication 2018, según lo informado por la USC
- Microsoft Learn, Teams certified USB devices, tabla de noviembre de 2026
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, revisión de 2024
- HEAD acoustics, ficha técnica de ACQUA Standards para la Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 de marzo de 2022
- Recomendación ITU-T P.863, Perceptual objective listening quality prediction
- Jabra, estudio de compromiso de la LSE y 2023 Knowledge Worker Study (investigación de proveedor)
- Logitech, Your Remote Employees are Underequipped (encuesta de proveedor), con trabajo de campo de 2CV Research en mayo de 2022 según el PDF completo del estudio de Logitech
- Nota sobre los datos: ningún estudio público ha medido todavía el micrófono integrado de una webcam actual frente a un headset con los mismos hablantes usando POLQA o reconocimiento automático de voz, así que este informe combina datos de micrófonos de portátil, micrófonos distantes y arreglos como la evidencia de campo lejano más cercana. Varios conjuntos de datos clave tienen más de tres años (REVERB 2016, el estudio de ruido y reverberación de 2016, Fiechter y Newman 2018, DiPCo 2019, Whisper y M2MeT 2022, criterios de Zoom 2022) y están señalados en sus secciones. Conflictos e incoherencias: el texto del estudio de reuniones indica un aumento del 20% en las probabilidades de Participación para quien usa headset, mientras que su tabla da una razón de probabilidades de 1,16 (usamos la tabla); el artículo de DiPCo da duraciones de sesión de 15 a 45 minutos en su resumen y de 15 a 47 minutos en el cuerpo; el artículo de M2MeT imprime dos proporciones de solapamiento distintas para su conjunto de evaluación (no usamos ninguna). La brecha de 6,4 puntos en empleabilidad procede de un artículo preliminar de Forum Acusticum que aún no está en una revista. Las cifras de Jabra y Logitech son encuestas de proveedores y están identificadas como tales. Las cifras de 12,82 dB, 10,76 dB y las razones son restas o divisiones nuestras de valores publicados, con la cuenta mostrada en el texto.
Última actualización: 7 de noviembre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando se publiquen las actas finales de Forum Acusticum 2026 (la 12.ª Convención de la European Acoustics Association).