Kinectは35百万台を販売したが、それでも2017年に生産を終了した(MCV、MicrosoftがKinectの生産を正式終了、2017年)。これは、箱の中にマイクがあるだけでは音声がゲームの標準的な操作手段にはならないことを示す最も明確な証拠だ。Steamでは現在、Voice Controlタグで190件の結果が表示され(Steamストア検索、2026年10月31日)、DualSenseコントローラーにマイクを内蔵するプラットフォームであるPS5は、95百万台以上が小売店に出荷された(Sony Interactive Entertainment、ビジネスデータと販売実績 2026)。認識精度には依然としてばらつきがあり、英語を第二言語とする話者は現行モデル全体で2.6倍から5.9倍の誤り率の差に直面している(RollとGraham、SLaTE 2025)。このパターンは当社の音声認識のアクセントバイアス統計でも追跡している。University of Melbourneのゲーム研究、Disney Research、Sony、Nintendo、査読付きの音声科学論文のデータを集め、プレイヤーが実際に声で行っていることと、プラットフォーム保有企業が主張してきたことを切り分けた。
主なポイント
- Kinectは2017年に生産が終了する前に35百万台を販売した(MCV 2017)
- Microsoftは2014年に、音声コマンドが月平均120回使われたと主張した(Shacknews 2014)
- プレイヤーが幽霊に話しかけられるPhasmophobiaは、全プラットフォームで25百万本を超える販売を記録した(WorthPlaying経由のKinetic Games 2025)
- 英語を第二言語とする話者は、10種類の認識モデル全体で2.6倍から5.9倍の誤り率の差を示した(RollとGraham、SLaTE 2025)
- アクセントのある音声はWav2Vec 2.0で単語誤り率30-50%となり、ネイティブスピーカーの2-8%を大きく上回った(Bandodkarほか、AAAI 2024)
- AIゲームキャラクターとの発話のやり取り全体は平均6.909秒、最悪の場合は24.362秒だった(Korkiakoskiほか 2025)
- 英語のディクテーションはスマートフォンのキーボード入力より2.93倍速く、1分あたり153語対52語だった(Ruanほか 2017)
- 子ども向けに作られたキーワード認識器は85%の精度に達し、市販の認識器は35%精度が低かった(Disney Research 2016)
- PS5のVoice Commandは、2か国・1言語に限定されたプレビューのままである(PlayStation Support 2026)
1. 40年にわたる関心の高まりと低下
2017年だけで106本の新しい音声インタラクション型ビデオゲームが発売された(Allisonほか、Design Patterns for Voice Interaction in Games、CHI PLAY 2018)。画期的なことのように聞こえるが、その背景にある歴史を読むと印象は変わる。同じ研究グループは、音声は「持続的で広範な成功を一度も収めたことがなく」、新しいプラットフォームとそれを可能にする技術に結びついた7つの段階をたどってきたことを明らかにした(Allison、Carter、Gibbs、Word Play、Games and Culture 2020)。
カラオケは示唆に富む頂点だ。プレイヤーに求められたのは、一語ずつ理解されることではなく、声で演奏することだった。スマートスピーカー上のオーディオゲームの系統にも似た論理が働いている。設計者は発話の大半を短いリストからの選択に絞り込み、それによって認識の問題を小さく保っている。
| 指標 | 値 | 出典 |
|---|---|---|
| 公表されている最大規模の音声ゲーム調査(1973年から2018年)の対象ゲーム | ビデオゲーム449本とオーディオゲーム22本 | Allisonほか、Design Patterns for Voice Interaction in Games、CHI PLAY 2018 |
| 1年間に発売された新しい音声インタラクション型ビデオゲーム | 2017年に106本 | Allisonほか、CHI PLAY 2018 |
| 2003年から2012年に発売されたカラオケゲーム(複数プラットフォームでの発売は1本として集計) | 120本以上、うち70本以上が2008年から2010年 | Allison、Carter、Gibbs、Word Play、Games and Culture 2020 |
| Nintendo 64のVoice Recognition Unitを使ったゲーム、1998年から1999年 | 2本 | Allisonほか、Word Play 2020 |
| 調査時点でKinectの音声認識を使った主要タイトル | 30本以上 | Allisonほか、Word Play 2020 |
| 中核となるインタラクションが音声による選択肢の選択だったAlexaのオーディオゲーム | 調査した22本のうち17本 | Allisonほか、CHI PLAY 2018 |
入手可能な最新データ:Allisonほか、2018年と2020年。より新しい音声ゲームの全数調査は見つからなかったため、これらの数字は2018年初めまでの状況を示している。
2. マイクはどこにでもあるが、音声コマンドはどこにもない
95百万台以上のPS5が小売店に出荷されており(Sony Interactive Entertainment、ビジネスデータと販売実績、2026年6月30日)、DualSenseコントローラーには内蔵マイクがある。しかし、この膨大な普及台数から、音声を第一とするプラットフォームは生まれていない。PlayStation Supportは今も、Voice Commandを米国と英国のアカウント向けの英語のみのプレビューと説明しており、その用途はゲームの起動やクリップの撮影といったシステム操作であって、ゲームプレイそのものではない。
家庭での利用との対比が、ここでは有用な数字だ。音声コマンドを使う人の57%は毎日使っている(NPRとEdison Research、Smart Audio Report 2022)。人々は機器に話しかけることに抵抗がなく、ゲームにおける障壁は機械に話しかける習慣ではない。ボタンは静かで、他人に知られず、即座に反応する。音声はそれを上回らなければならない。
| 指標 | 値 | 出典 |
|---|---|---|
| 発売後60日間のKinect販売台数 | 8百万台 | MCV、MicrosoftがKinectの生産を正式終了、2017年 |
| Kinectの累計販売台数 | 35百万台 | MCV 2017 |
| Kinectの所有者のうち使用している人の割合(Microsoftの発表による。同社の主張であり、独立した検証はされていない) | 80% | Shacknewsが報じたMicrosoftのYusuf Mehdi、2014年5月16日 |
| 月平均の音声コマンド数(Microsoftの発表による。同社の主張) | 120 | Shacknewsが報じたMicrosoft、2014年 |
| 発行された音声コマンドの総数(Microsoftの発表による。同社の主張) | 1十億回以上 | Shacknewsが報じたMicrosoft、2014年 |
| 小売店に出荷されたPS5の台数、2026年6月30日までの累計 | 95百万台以上 | Sony Interactive Entertainment、ビジネスデータと販売実績 2026 |
| Nintendo Switch 2の販売台数、2026年6月30日までの累計(GameChat用の内蔵マイク付き) | 23.68百万台 | Nintendo、ハードウェア連結販売実績 2026 |
| いずれかの機器で音声アシスタントを使う18歳以上の米国人 | 62% | NPRとEdison Research、Smart Audio Report 2022 |
入手可能な最新データ:Kinectの利用状況はShacknews、2014年、音声アシスタントはSmart Audio Report、2022年。ゲームのコマンドにマイクを使うプレイヤーの数について、SonyやNintendoの数字は見つからなかった。確認できたKinectの販売推移を伝えているのはMCVだけだ。Switch 2のマイクはゲームの音を除去し、本体からのプレイヤーの距離に合わせて調整される(Nintendo、GameChatの機能)。そのボイスチャットの上限は12人である。
3. 現在の音声ゲームのタイトル一覧
SteamのVoice Controlタグの最初の30件のうち25件は、2025年または2026年のものだった(Steamストア検索に基づく当社の集計、2026年10月31日)。そのうち15件は2026年だけのものだ。これはストア掲載の1ページにすぎず、発売の全数調査ではないため、それだけでブームの証拠にはならない。ただ、新作タイトルがマイクを設計上の売りとして今も使っていることは示している。
Phasmophobiaは規模の事例だ。コンソール版は音声認識なしで発売され、その後、開発元のKinetic Gamesが数か月後にPlayStation 5、PS VR2、Xbox Series X|S向けのコンソール音声アップデートを追加した。使われた認識器はVOSKだ。すでに発売したゲームのためにこうした作業を行うスタジオは、音声をおまけではなく製品の一部として扱っている。
| 指標 | 値 | 出典 |
|---|---|---|
| Voice ControlタグのSteamストア検索結果(デモ版とユーティリティソフトを含む) | 190 | Steamストア検索、2026年10月31日 |
| 第三者のトラッカーが同じタグで数えたSteamのタイトル数(日付不明のスナップショット) | 113 | DataHumble、Voice Control Games 2026 |
| 全プラットフォームでのPhasmophobiaの販売本数 | 25百万本以上 | WorthPlaying経由のKinetic Games、2025年7月1日 |
| コンソールでのPhasmophobiaの販売本数 | 3百万本以上 | WorthPlaying経由のKinetic Games、2025年4月23日 |
| 発売時にPhasmophobiaのコンソール音声認識が対応した言語数 | 7 | Kinetic Games、Console Voice Recognitionパッチノート 2025 |
Phasmophobiaの販売本数はすべての購入者を含んでおり、幽霊に話しかけたプレイヤーだけではない。プレイヤーのうちマイクを有効にしている割合を報告した情報源は見つからなかった。
4. 認識精度は均等に分配されていない
英語を第二言語とする話者は、第一言語の話者と比べて2.6倍から5.9倍の誤り率の差に直面した。これは10のモデルと300以上の英語の変種にわたる結果だ(RollとGraham、Scaling Conformation Bias in Automatic Speech Recognition、SLaTE 2025)。単語誤り率(WER)とは、認識器が誤る発話語の割合のことで、数字が低いほど良い。この論文の気がかりな発見は、全体の改善が格差を埋めないという点だ。第一言語の話者向けにモデルが改善するにつれて、相対的な格差が拡大した。
世界中で発売されるゲームにとって、これは技術的な指標を「誰がプレイできるか」という問題に変える。Radio Generalのストアページ自身が、英語でのみ動作し、北米のアクセントで最もよく動作すると述べている。文脈は提案されている解決策の一つだ。2022年5月28日に出願され2025年5月13日に付与されたSonyの特許は、現在のゲーム状態を使ってプレイヤーが何と言ったかの判定を助ける。
| 指標 | 値 | 出典 |
|---|---|---|
| テストした中で全体最良のモデル、Whisper-largeの平均WER | 6.9% | RollとGraham、SLaTE 2025 |
| 最小のWhisperモデル、Whisper-tinyの平均WER | 13.6% | RollとGraham、SLaTE 2025 |
| モデル全体における、英語を第二言語とする話者と第一言語とする話者のWER格差 | 2.6倍から5.9倍 | RollとGraham、SLaTE 2025 |
| 声調言語を第一言語とする話者と、インド・ヨーロッパ語族を第一言語とする話者のWER | 2倍から3倍高い | RollとGraham、SLaTE 2025 |
| 1つのコーパス(Speech Accent Archive)におけるWhisper-largeのWER、第一言語と第二言語の話者 | 0.8%対3.7% | RollとGraham、SLaTE 2025 |
| Wav2Vec 2.0のWER、アクセントのある音声とネイティブスピーカー | 30-50%対2-8% | Bandodkarほか、AAAI 2024 |
| 公平性を重視した再学習による、事前学習済みWhisperモデルに対するマクロ平均WERの相対改善(26のアクセントグループを分析) | 58.7% | Swainほか、arXiv 2025 |
これらのテストのいずれも、ゲームプレイ中の録音を使っていない。ゲームの音声には興奮、叫び声、スピーカーからの音漏れが加わるため、これらの誤り率は予測ではなく、難しさの下限として捉えてほしい。
5. 音声は速いが、認識は速くない
音声はスマートフォンのキーボードを2.93倍上回り、1分あたり153語対52語だった(Ruanほか、2017年)。この優位性が、音声が繰り返しゲームに戻ってくる理由を説明するが、ディクテーションとゲーム操作は別の作業だ。口述した文は1秒遅れて届いても問題ないが、回避行動はそうはいかない。入手可能な最新データ:Ruanほか、Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017。
大規模言語モデルはこの差を広げる。18人の参加者によるVRテストでは、AIキャラクターの返答を待つ時間は、聞き取りの段階ではなく、モデルと音声出力が大半を占めていた。そのため自由な会話はアクション・ゲームの遅延許容範囲から大きく外れてしまい、音声で動くキャラクターがこれまでテンポの遅いジャンルに向いている理由もそこにある。業界全体の状況は当社のゲームにおけるAI統計が扱っており、ここでの数字はプレイヤーの音声入力だけに関するものだ。
| 指標 | 値 | 出典 |
|---|---|---|
| 英語の音声とスマートフォンのキーボードによる文字入力速度 | 1分あたり153語対52語 | Ruanほか、2017年 |
| 訂正された誤り率、音声とスマートフォンのキーボード | 5.30%対11.22% | Ruanほか、2017年 |
| 訂正されなかった誤り率、音声とスマートフォンのキーボード | 1.30%対0.79% | Ruanほか、2017年 |
| 1語のゲームコマンド(「go」や「jump」)を発声する典型的な長さ | 約300ミリ秒 | Phys.org経由のDisney Research、2016年 |
| AIキャラクターのテストにおける音声テキスト変換の段階、平均と最悪の場合 | 1.365秒対3.475秒 | Korkiakoskiほか、arXiv 2025 |
| 同じテストにおける言語モデルの段階(GPT-4 Turbo)、平均と最悪の場合 | 3.113秒対14.918秒 | Korkiakoskiほか、arXiv 2025 |
| 同じテストにおけるテキスト音声変換の段階、平均と最悪の場合 | 2.376秒対12.404秒 | Korkiakoskiほか、arXiv 2025 |
| プレイヤーの発話からキャラクターの返答までの全体のやり取り、平均と最悪の場合 | 6.909秒対24.362秒 | Korkiakoskiほか、arXiv 2025 |
ハイブリッド設計は、モデルが担う作業を絞り込む。2025年のある研究では、プレイヤーがあらかじめ用意された会話の選択肢を声に出して言い換え、それを言語モデルが対応づけた。14人の参加者は、ポイント&クリックと比べて楽しさと自由さをより強く感じたと報告した(Wevelsiepほか、IWSDS 2025)。それでも著者らは、今後の課題として遅延を優先事項に挙げている。
6. 子ども、言語療法、アクセシビリティ
子ども向けに調整されたキーワード認識器は85%の精度に達し、市販の認識器は35%精度が低かった。これはMole Madnessという2人用ゲームでの結果だ(Disney Research、2016年、Phys.orgの報道)。教訓は、語彙を2語に絞ったことが、汎用エンジンにできることを上回る効果をもたらしたという点だ。これはGame Accessibility Guidelinesとも一致しており、そこでは小さな語彙に基づく認識が推奨され、上級レベルでは単に音量のしきい値を超えたかどうかで判定することも挙げられている。
言語療法ゲームは、その限界をはっきりと示す。これらの認識器は、まさに認識が難しい発話を判定しており、ある試験では、小児発語失行(運動性の発話障害)の子どもによる正しい発音のうち、機械が人間と一致したのは半数未満だった(Ahmedほか、International Journal of Speech-Language Pathology 2018)。同じガイドラインは「音声入力を必須にしない」を基本ルールに挙げており、Xbox Accessibility Guideline 107は、ゲームプレイに不可欠な音声にはデジタルの代替手段を用意するよう求めている。音声は、あるプレイヤーにゲームを開き、別のプレイヤーには閉ざすことがある。この点は、あらゆる入力方式を扱う当社のゲームのアクセシビリティ機能統計で掘り下げている。
| 指標 | 値 | 出典 |
|---|---|---|
| Mole Madnessでのキーワード認識精度 | 85% | Phys.org経由のDisney Research、2016年 |
| 市販の認識器がキーワード検出器より精度が低かった割合 | 35% | Phys.org経由のDisney Research、2016年 |
| 誤った発音に対する認識器と人間の一致率、定型発達の子どもと小児発語失行の子ども | 77%対75% | Ahmedほか、2018年 |
| 正しい発音に対する認識器と人間の一致率、話者別:定型発達の子ども、失行のある子ども、言語聴覚士 | 51%対47%対71% | Ahmedほか、2018年 |
| 子どもの言語療法の音声に対するPocketSphinxの精度、既定の設定と最大事後確率(MAP)学習で適応させた設定 | 59.4%対80.0% | Hairほか、ASSETS 2019 |
| 同じ評価におけるカスタムのテンプレートマッチング認識器の平均精度 | 75.8% | Hairほか、ASSETS 2019 |
| 音声を使うオランダ語の読みのゲームのプロトタイプを試した小学生 | 40人以上 | Radboud University、2023年 |
| 視覚障害のあるプレイヤー向け3Dオーディオゲームに関する2026年のレビューで、特定された研究と採用された研究 | 975件対56件 | KakaとJuhana、JoMMiT 2026 |
入手可能な最新データ:Disney Research、2016年;Ahmedほか、2018年;Hairほか、2019年。これらは臨床または研究の場でのもので標本は小さく、報告しているのはシステムの性能だけだ。
7. プレイヤーは実際にどう反応しているか
Phasmophobiaは英語レビュー360,726件のうち好評率94%を維持している一方、Suck Up!は61%にとどまる(Steamストアページ、2026年10月31日)。どちらもゲームに話しかけることを求めるが、その求め方が違う。一方では、音声はより広い幽霊探索の中の一つの機能にすぎない。もう一方では、AIキャラクターに話しかけて切り抜けることが中核のループであり、評価が分かれる結果はDON’T SCREAMでも繰り返されている。ここでは声が大きすぎるとプレイが終わる。
レビューでは、ゲームの中の音声とそれ以外のすべてを切り分けることはできないため、これは測定ではなくパターンとして読んでほしい。学術研究も同じ方向を指している。CHI PLAY 2015の研究は、認識精度と並んで、ゲーム内でのプレイヤーのアイデンティティを理解することが重要だと明らかにした。2018年の小規模な研究はさらに踏み込み、5人の参加者がキーボードよりも音声のほうで、エンゲージメントは高いが幸福度は低いことを示した(p = 2.005e-14およびp = 1e-3、対応のあるt検定、MatteyとYuksel、OverVoice)。標本がこれほど小さいため、仮説として扱ってほしい。
| 指標 | 値 | 出典 |
|---|---|---|
| 音声ゲームのプレイヤーによる受け止め方について分析した項目(166 + 2,951 + 84 + 69) | レビュー、スレッド、動画の計3,270件 | Carterほか、CHI PLAY 2015 |
| Phasmophobiaの英語Steamレビューの好評割合 | 360,726件中94% | Steamストアページ、2026年 |
| Mage Arenaの英語Steamレビューの好評割合(呪文を声で唱える) | 11,561件中90% | Steamストアページ、2026年 |
| Tom Clancy’s EndWarのSteamレビューの好評割合(音声で命令する2009年の戦略ゲーム) | 1,035件中80% | Steamストアページ、2026年 |
| DON’T SCREAMの英語Steamレビューの好評割合 | 1,795件中68% | Steamストアページ、2026年 |
| Suck Up!のSteamレビューの好評割合(プレイヤーがAIキャラクターと会話する) | 226件中61% | Steamストアページ、2026年 |
| VRで話すAIキャラクターのシステムユーザビリティスケールのスコア(0から100の尺度) | 79.44 | Korkiakoskiほか、arXiv 2025 |
| VRで話すAIキャラクターの真実味(10点満点) | 6.67 | Korkiakoskiほか、arXiv 2025 |
プレイヤーの意識に関する入手可能な最新データ:Carterほか、2015年。音声操作の好みに関する大規模なプレイヤー調査は見つからなかったため、このまとめには音声操作を好むプレイヤーの割合は載せていない。
まとめ:数字で見るゲームの音声コマンドと音声認識
| 指標 | 値 | 出典 |
|---|---|---|
| 1年間に発売された新しい音声インタラクション型ビデオゲーム | 2017年に106本 | Allisonほか、CHI PLAY 2018 |
| Kinectの累計販売台数 | 35百万台 | MCV 2017 |
| 月平均の音声コマンド数(Microsoftの発表による。同社の主張) | 120 | Shacknews 2014 |
| 小売店に出荷されたPS5の台数、2026年6月30日までの累計 | 95百万台以上 | Sony Interactive Entertainment 2026 |
| Nintendo Switch 2の販売台数、2026年6月30日までの累計 | 23.68百万台 | Nintendo 2026 |
| いずれかの機器で音声アシスタントを使う18歳以上の米国人 | 62% | NPRとEdison Research 2022 |
| Voice ControlタグのSteamストア検索結果 | 190 | Steamストア検索、2026年10月31日 |
| 全プラットフォームでのPhasmophobiaの販売本数 | 25百万本以上 | WorthPlaying経由のKinetic Games 2025 |
| テストした中で全体最良のモデルの平均WER | 6.9% | RollとGraham、SLaTE 2025 |
| 英語を第二言語とする話者と第一言語とする話者のWER格差 | 2.6倍から5.9倍 | RollとGraham、SLaTE 2025 |
| Wav2Vec 2.0のWER、アクセントのある音声とネイティブスピーカー | 30-50%対2-8% | Bandodkarほか、AAAI 2024 |
| 英語の音声とスマートフォンのキーボードによる文字入力速度 | 1分あたり153語対52語 | Ruanほか、2017年 |
| AIキャラクターとの発話のやり取り全体、平均と最悪の場合 | 6.909秒対24.362秒 | Korkiakoskiほか、arXiv 2025 |
| Mole Madnessでのキーワード認識精度 | 85% | Phys.org経由のDisney Research、2016年 |
| 正しい発音に対する認識器と人間の一致率、小児発語失行の子ども | 47% | Ahmedほか、2018年 |
方法論と出典
今回の更新で、以下の情報源にあるすべての数字を確認し、企業の数字はそれを公表した企業までさかのぼって追跡した。元の発表を直接読めなかったものについては、報道機関の名前を明記している。
- Allison、Carter、Gibbs、Smith、Design Patterns for Voice Interaction in Games、CHI PLAY 2018
- Allison、Carter、Gibbs、Word Play: A History of Voice Interaction in Digital Games、Games and Culture 2020
- Allison、Carter、Gibbs、A History of Voice Interaction in Games、DiGRAおよびFDG 2016
- Carter、Allison、Downs、Gibbs、Player Identity Dissonance and Voice Interaction in Games、CHI PLAY 2015
- MCV、MicrosoftがKinectの生産を正式終了、2017年10月26日
- Shacknews、Kinectを含めたのは「正しい判断」だったとMicrosoft幹部が語る、2014年5月16日
- Sony Interactive Entertainment、ビジネスデータと販売実績、2026年6月30日時点
- PlayStation Support、PS5のVoice Command(プレビュー)
- Sony Interactive Entertainment、米国特許12300221、2025年5月13日付与
- Nintendo、ハードウェア・ソフトウェア連結販売実績(台数)、2026年6月30日時点
- Nintendo、Nintendo Switch 2のGameChatの機能
- NPRとEdison Research、Smart Audio Report 2022
- Steamストア検索、Voice Controlタグ、2026年10月31日
- DataHumble、Voice Control Games
- Kinetic Games、Console Voice Recognition、Phasmophobia v0.11.1.2
- Rely on Horror、Phasmophobia、PS5とXboxで音声認識に対応、2025年2月28日
- WorthPlaying、Phasmophobiaが販売25百万本を突破、2025年7月1日
- WorthPlaying、Phasmophobiaがコンソールで販売3百万本を突破、2025年4月23日
- RollとGraham、Scaling Conformation Bias in Automatic Speech Recognition、SLaTE 2025
- Bandodkarほか、「Allot?」 Is 「a Lot!」、AAAI 2024
- Swainほか、Towards Fair ASR For Second Language Speakers Using Fairness Prompted Finetuning、arXiv 2025
- Ruanほか、Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones、2017年
- Korkiakoskiほか、An Empirical Evaluation of AI-Powered Non-Player Characters’ Perceived Realism and Performance in Virtual Reality Environments、arXiv 2025
- Wevelsiepほか、A Voice-Controlled Dialogue System for NPC Interaction using Large Language Models、IWSDS 2025
- Disney Research(Lehman、Wolfe、Pereira、Hodgins)、Phys.orgによる報道、2016年
- Ahmedほか、Speech-driven mobile games for speech therapy、International Journal of Speech-Language Pathology 2018
- Hairほか、Evaluating Automatic Speech Recognition for Child Speech Therapy Applications、ASSETS 2019、Texas A&M PSI Lab掲載
- Radboud University、遊びながら話す・読む練習をする、2023年6月28日
- KakaとJuhana、3D Audio Games for Visually Impaired Players: A Systematic Literature Review、JoMMiT 2026
- Game Accessibility Guidelines、全項目リスト
- Microsoft、Xbox Accessibility Guideline 107
- MatteyとYuksel、OverVoice: Voice Controlled Games Engagement Study、University of San Francisco、2018年
- Steamストアページ、2026年10月31日に確認:Phasmophobia、Mage Arena、Tom Clancy’s EndWar、DON’T SCREAM、Suck Up!、Radio General
- データウォッチ:音声コマンドを使うプレイヤーの割合についてプラットフォーム保有企業が示した数字は見つからなかった。Kinectの80%、120回、1十億回という数字は、Microsoftが2014年に示した監査を受けていない主張だ。Steamの結果件数190にはデモ版とユーティリティソフトが含まれ、ユーザーが付けたタグに基づいているため、日付不明のDataHumbleの113とは異なる。Allisonほかは2016年には6つの段階、2020年には7つの段階を示しており、本稿は新しい方の数を採用している。AAAI 2024のネイティブスピーカーの2-8%という範囲は、著者らが過去の研究から引用したもので、その論文で測定されたものではなく、アクセントに関する研究はゲーム音声を使っていない。2.6倍から5.9倍という格差は著者らが示した範囲であり、その論文でコーパス全体の平均WERは2.3%から26.9%に及んだため、単一の代表的な誤り率は使われた録音に大きく左右される。Steamのレビュー件数は毎日変わり、件数が英語レビューだけを指すのかを明記していないページもある。ボイスチャットのモデレーションは、今回の更新中にCall of Dutyの進捗レポートに到達できなかったため扱っていない。SonyとNintendoは四半期ごとの決算報告のたびにハードウェアの数字を更新する。
最終更新日:2026年10月31日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、Nintendoが次のハードウェア・ソフトウェア連結販売実績(台数)を公表する時期を予定している。