널리 쓰이는 음성 인식 모델인 Whisper large-v2는 원거리 마이크 1개로 포착한 회의 음성에서 36.4%의 단어 오류를 냈고, 같은 회의를 헤드셋 마이크로 녹음했을 때는 16.9%였다(OpenAI, Whisper 논문 2022). 이 격차는 포착 단계에서 시작된다. 30명 대상 연구에서 약 60 cm 거리의 노트북 내장 마이크는 15~20 cm 거리의 헤드셋 마이크보다 음성을 12.82 dB 낮게 녹음했다(Busquet 외, Behavior Research Methods 2023). 그리고 이것은 기술적인 문제로 끝나지 않는다. 청취자 600명은 금속성에 공허한 나쁜 마이크 소리로 들은 구직자의 채용 적합도를 100점 만점에 68.50으로 평가했고, 선명한 녹음에는 76.04를 주었다(Walter-Terrill 외, PNAS 2025). 우리는 Amazon, 예일대학교, REVERB와 CHiME 챌린지, Ear and Hearing, 5개 조직을 대상으로 한 회의 연구, ITU-T와 Zoom의 데이터에 더해 그렇게 표시한 제조사 설문 2건을 종합했다. 하드웨어 시장 자체에 대해서는 저희 웹캠 시장 통계를 참고하세요. 이 페이지는 마이크가 목소리에 무엇을 하는지를 다룬다.
요약
- AMI 회의에서 Whisper large-v2의 단어 오류율: 개별 헤드셋 마이크 16.9% 대 원거리 마이크 1개 36.4% (OpenAI, Whisper 논문 2022).
- 약 60 cm 거리의 노트북 내장 마이크는 음성을 46.91 dB로 포착했고, 15~20 cm 거리의 헤드셋 마이크는 59.73 dB였다 (Busquet 외, Behavior Research Methods 2023).
- Amazon의 저녁 식사 모임 녹음 DiPCo에서 근접 마이크의 WER는 42.10%, 원거리 마이크 어레이는 77.52%였다 (Van Segbroeck 외, DiPCo 2019).
- AliMeeting 중국어 회의: 헤드셋 음성에서 문자 오류 9.9%, 원거리 어레이 음성에서 49.0% (Yu 외, M2MeT 2022).
- 같은 목소리가 나쁜 마이크처럼 들리자 채용 적합도가 100점 만점에 76.04에서 68.50으로 떨어졌으며, 받아쓰기 정확도는 그대로였다 (98.09% 대 98.07%) (Walter-Terrill 외, PNAS 2025).
- 저품질 오디오는 ViSQOL MOS 2.13으로 중품질의 4.68보다 낮았고, 취업 적합성 평가도 낮췄다 (Schütze 외, Forum Acusticum 2026).
- 배경 소음은 청취자의 반응을 평균 91 ms 늦췄는데, 이는 청취 노력의 척도다 (Picou 외, Ear and Hearing 2016).
- 인공와우를 사용하는 성인은 음성만 있는 온라인 대화에서 일반 청취 효율의 약 60%에 도달했고, 자막이 있으면 약 80%로 올랐다 (Perea Pérez 외, Ear and Hearing 2025).
- 업무에 전문가용 헤드셋을 쓰는 지식 근로자는 30%뿐이며, 8%만이 이를 주 사용 장치로 꼽는다 (Jabra 2023년 지식 근로자 조사, 제조사 설문).
1. 마이크 거리와 포착되는 음성 레벨
웹캠이나 노트북 마이크는 원거리 마이크다. 입에서 팔 길이쯤 또는 그보다 멀리 떨어져 있어서 목소리와 함께 공간의 소리도 녹음한다. 헤드셋 마이크는 입술에서 몇 센티미터 거리에 있는 근접 마이크(close-talk)다. 가장 깔끔한 실측 비교는 같은 화자를 여러 장치로 녹음한 2023년 연구에서 나왔다. 약 60 cm 거리의 노트북 내장 마이크는 음성을 46.91 dB로 포착했고, 15~20 cm 거리의 헤드셋 마이크는 59.73 dB로 포착해 차이가 12.82 dB였다(59.73에서 46.91을 뺀 값)(Busquet, Efthymiou, Hildebrand, Behavior Research Methods 2023).
구매자에게 중요한 세부 사항이 두 가지 있다. 첫째, 같은 60 cm 거리의 스튜디오 마이크조차 노트북보다 10.76 dB 더 크게 포착했다(57.67에서 46.91을 뺀 값). 즉 내장 마이크는 거리와 하드웨어 양쪽에서 손해를 본다. 둘째, 노트북과 스튜디오 마이크는 평균 음높이를 거의 동일하게 측정했다. 이는 먼 마이크가 당신이 어떤 목소리로 들리는지를 바꾸는 것이 아니라, 공간에 비해 당신의 목소리가 상대방에게 얼마나 전달되는지를 바꾼다는 뜻이다. 그룹 작업 녹음에 대한 별도 테스트는 나머지 절반의 이야기를 보여준다. 6종의 서로 다른 마이크를 모두 5피트(약 1.5 m) 거리에 둔 경우, 모델 선택은 오류율을 거의 움직이지 못했다(Bradford 외, EDM 2022).
| 지표 | 값 | 출처 |
|---|---|---|
| 음성 레벨, 약 60 cm 거리의 노트북 내장 마이크 대 15~20 cm 거리의 헤드셋 마이크 | 46.91 dB 대 59.73 dB | Busquet 외, Behavior Research Methods 2023 |
| 음성 레벨, 약 60 cm 거리의 스튜디오 마이크 대 15~20 cm 거리의 라발리에(핀) 마이크 | 57.67 dB 대 63.68 dB | Busquet 외, Behavior Research Methods 2023 |
| 노트북 마이크 대 스튜디오 마이크가 측정한 평균 음높이 | 168.42 Hz 대 169.31 Hz (t = -.89, p = .99) | Busquet 외, Behavior Research Methods 2023 |
| 장치 비교 연구의 규모 | 참가자 30명, 음성 샘플 1,800개 | Busquet 외, Behavior Research Methods 2023 |
| 단어 오류율, 화자로부터 5피트 거리의 마이크 6종, 대본 낭독 | 10.7%~12.0% | Bradford 외, EDM 2022 |
| 단어 오류율, 같은 마이크 6종, 자유로운 그룹 대화 | 52.7%~61.3% | Bradford 외, EDM 2022 |
| DiPCo 녹음에서 각 화자로부터 원거리 어레이까지의 거리 | 1,120 mm~3,950 mm | Van Segbroeck 외, DiPCo 2019 |
| AliMeeting 회의실에서 마이크와 화자 사이의 거리 | 0.3~5.0 m | Yu 외, M2MeT 2022 |
참고: 이 연구의 데시벨 값은 녹음에서 얻은 진폭 측정치이며 보정된 음압 레벨이 아니다. 따라서 12.82 dB 차이는 하나의 환경 안에서 장치를 비교한 것이지, 특정 웹캠이 실제로 내놓을 성능을 예측하는 것이 아니다. EDM 비교의 확인 가능한 최신 데이터: 2022년.
2. 음성 인식 오류: 근접 마이크 대 원거리 마이크
음성 인식은 가장 측정하기 쉬운 청취자이며, 어떤 코퍼스에서든 같은 이야기를 한다. 마이크를 멀리 두면 오류는 대략 두 배 이상으로 늘어난다. Whisper large-v2의 WER(단어 오류율, 잘못 받아 적은 단어의 비율)는 개별 헤드셋 마이크로 녹음한 AMI 회의에서 16.9%였고, 같은 회의를 원거리 마이크 1개로 녹음하면 36.4%로 약 2.2배 높았다(36.4를 16.9로 나눈 값)(Radford 외, OpenAI Whisper 논문 2022). 더 오래된 wav2vec 2.0 모델도 같은 방향을 보이며 37.0% 대 67.6%였다.
이 패턴은 가정 환경과 다른 언어에서도 이어진다. Amazon의 DiPCo 코퍼스는 식탁에 둘러앉은 4명을 헤드셋과 5대의 원거리 어레이로 동시에 녹음했다. 가장 좋은 평가 설정에서 근접 마이크의 WER는 42.10%, 원거리는 77.52%로 약 1.8배 높았다(77.52를 42.10으로 나눈 값)(Van Segbroeck 외, DiPCo 2019). 중국어 회의에서는 격차가 더 컸다. CER(문자 오류율, 중국어에서 WER에 해당하는 지표)이 9.9% 대 49.0%로 약 5배였다(49.0을 9.9로 나눈 값)(Yu 외, M2MeT 2022). 원거리 음성으로 학습시키면 8.2% 대 33.3%로 좁혀졌지만 격차가 사라지지는 않았다. 천장 어레이가 있는 공간에는 별도의 데이터가 있으며, 저희 회의실 천장 빔포밍 마이크 통계에서 다룬다.
| 지표 | 값 | 출처 |
|---|---|---|
| Whisper large-v2 WER, AMI 회의: 개별 헤드셋 마이크 대 원거리 마이크 1개 | 16.9% 대 36.4% | Radford 외, OpenAI Whisper 논문 2022 |
| wav2vec 2.0 Large(언어 모델 없음) WER, AMI: 헤드셋 마이크 대 원거리 마이크 1개 | 37.0% 대 67.6% | Radford 외, OpenAI Whisper 논문 2022 |
| REVERB 실제 녹음 WER, 가장 좋은 8마이크 시스템 | 9.0% | Kinoshita 외, REVERB 챌린지 요약 2016 |
| DiPCo 평가 WER, 근접 헤드셋 대 원거리 어레이(가장 좋은 언어 모델) | 42.10% 대 77.52% | Van Segbroeck 외, DiPCo 2019 |
| AliMeeting CER, 헤드셋 음성으로 학습한 모델: 헤드셋 테스트 대 원거리 테스트 | 9.9% 대 49.0% | Yu 외, M2MeT 2022 |
| AliMeeting CER, 원거리, 외부, 시뮬레이션 데이터를 추가한 모델: 헤드셋 대 원거리 | 8.2% 대 33.3% | Yu 외, M2MeT 2022 |
| REVERB 실제 녹음 WER: 깨끗한 음성 또는 헤드셋 기준 대 원거리 기준선 | 6.9% 대 49.2% | Kinoshita 외, REVERB 챌린지 요약 2016 |
| 원거리 어레이에서 CHiME-6 공식 기준선 WER, 개발 세트 대 평가 세트 | 51.8% 대 51.3% | Watanabe 외, CHiME-6 챌린지 2020 |
확인 가능한 최신 데이터: Whisper 논문(2022)은 같은 회의에서 헤드셋과 원거리 마이크의 WER를 나란히 비교한 공개 자료 중 여전히 가장 규모가 크다. 더 새로운 모델들은 같은 형식으로 AMI의 헤드셋 대 원거리 마이크 구분을 공개하지 않았다. CHiME-6 기준선 논문은 테스트 시에 원거리 어레이만 허용했기 때문에 근접 마이크 열이 없다.
3. 공간, 소음, 청취 노력
거리가 중요한 이유는 그 사이를 채우는 것, 즉 반사음과 소음 때문이다. 원거리 음성 인식에 대한 리뷰에 따르면, 일반적인 거실에서는 응답이 60 dB 감쇠하는 데 0.3~0.7 s가 걸린다(잔향 시간)(Haeb-Umbach 외, Far-Field Automatic Speech Recognition 2020). 입 가까이 있는 헤드셋 마이크는 모니터 위에 놓인 웹캠 마이크보다 이 잔향의 꼬리를 훨씬 적게 듣는다.
사람 청취자에 대해서는 증거가 유용한 방식으로 갈린다. Ear and Hearing의 통제된 연구에서 배경 소음은 반응을 평균 91 ms 늦췄지만(연구에서 쓴 청취 노력의 척도), 잔향은 청취 노력을 유의미하게 바꾸지 않았다. 그럼에도 잔향이 한 단계 커질 때마다 단어 인식률은 약 8 RAU 떨어졌다(RAU는 합리화 아크사인 단위로, 정답률을 변환한 점수다)(Picou, Gordon, Ricketts, Ear and Hearing 2016). 다시 말해 공간의 에코는 단어를 잃게 하고, 공간의 소음은 에너지를 소모하게 한다. 먼 마이크는 두 가지를 모두 더 많이 잡아내기 때문에 이 점이 중요하다. 청력 손실이 있는 사람에 대해서는, 호주의 National Acoustic Laboratories가 화상회의 대화를 따라가는 데 청력이 정상인 사람보다 훨씬 더 많은 노력이 필요했고, 보청기도 대면 대화 수준을 되돌리지 못했다는 것을 확인했다. 통화 피로의 생리학적 측면은 저희 화상 회의 피로 바이오마커 통계에서 다룬다.
| 지표 | 값 | 출처 |
|---|---|---|
| 일반적인 거실의 잔향 시간(-60 dB까지 감쇠) | 0.3~0.7 s | Haeb-Umbach 외, Far-Field ASR 리뷰 2020 |
| 신호 대 잡음비를 고정했을 때 잔향 한 단계 증가당 단어 인식률 하락 | 약 8 RAU | Picou 외, Ear and Hearing 2016 |
| 조용한 환경 대비 소음 속 반응 시간 지연(청취 노력) | 평균 91 ms | Picou 외, Ear and Hearing 2016 |
| 인식률이 비슷했을 때 잔향이 청취 노력에 미치는 영향 | 유의하지 않음(p = 0.18) | Picou 외, Ear and Hearing 2016 |
| 이 연구에서 테스트한 잔향 시간 | T30 100 ms 미만, 475 ms, 834 ms | Picou 외, Ear and Hearing 2016 |
| REVERB 시뮬레이션 공간: 잔향 시간, 그리고 가까운 마이크 대 먼 마이크 거리 | 0.3, 0.6, 0.7 s; 50 cm 대 200 cm | Kinoshita 외, REVERB 챌린지 요약 2016 |
| CHiME-5 원거리 WER: 기준선 대 강력한 백엔드 대 다중 마이크 분리 및 잔향 제거 | 80%를 간신히 밑돎 대 약 60% 대 43.2% | Haeb-Umbach 외, Far-Field ASR 리뷰 2020 |
| 인공와우 사용자의 온라인 대화 청취 효율, 음성만 대 자막 포함(청력 정상인 평균 대비 비율) | 약 60% 대 약 80% | Perea Pérez 외, Ear and Hearing 2025 |
이상치 참고: 잔향이 청취 노력에 영향을 주지 않았다는 결과는 저자들 스스로에게도 의외였으며, 이들은 현재의 청취 노력 모델과 맞지 않는다고 평가했다. 이 결과는 청력이 정상인 젊은 성인 18명에서 측정되었다. 확인 가능한 최신 데이터: 2016년. 소음은 소프트웨어가 공략할 수 있는 쪽이며, 저희 신경망 소음 억제 통계를 참고하세요.
4. 나쁜 마이크를 통해 들은 화자를 청취자는 어떻게 평가하는가
지난 2년간 가장 중요한 발견은 마이크 음질이 나쁘면 알아듣는 정도만이 아니라 사람에 대한 평가도 달라진다는 점이다. 청취자 600명이 참여한 PNAS 실험에서, 금속성에 속이 빈 듯한 ‘나쁜 마이크’ 소리로 들은 구직자의 채용 적합도 점수는 68.50으로, 선명한 녹음의 76.04보다 낮았다(d = 0.35, P < 0.001). 반면 받아쓰기 정확도는 98.07% 대 98.09%로 동일했다(Walter-Terrill, Ongchoco, Scholl, PNAS 2025). 청취자는 모든 단어를 이해했다. 다만 화자를 낮게 평가했을 뿐이다.
참가자 299명과 아바타 채용 면접을 사용한 2026년 후속 연구에서는, 낮은 비트레이트에 대역이 제한된 오디오가 취업 적합성 평가를 낮춘 반면(p < 0.001), 중품질에서 고품질로의 향상은 차이를 만들지 않았다(p = 0.813)(Schütze, Biberger, Reber, Forum Acusticum 2026). 이는 임계값이 있음을 시사한다. 청취자가 벌을 주는 대상은 평범한 오디오가 아니라 확연히 열화된 오디오다. 이전 연구에서도 모의 Skype 면접에서 같은 편향이 발견되었고, 평가자에게 통화 품질을 무시하라고 알린 뒤에도 편향이 이어졌다(Fiechter 외, Cognitive Research 2018).
| 지표 | 값 | 출처 |
|---|---|---|
| 채용 적합도 점수(0~100), 선명한 녹음 대 금속성 ‘나쁜 마이크’ 버전 | 76.04 대 68.50 (d = 0.35) | Walter-Terrill 외, PNAS 2025 |
| 받아쓰기 정확도, 선명한 녹음 대 왜곡된 녹음 | 98.09% 대 98.07% (P = 0.915) | Walter-Terrill 외, PNAS 2025 |
| 실험 1의 청취자 | 600명(조건당 300명) | Walter-Terrill 외, PNAS 2025 |
| 취업 적합성 평가 격차, 고음질 대 저음질(0~100 척도) | 6.4점; 저음질 대 고음질 p < 0.001; 중음질 대 고음질 p = 0.813 | Schütze 외, Forum Acusticum 2026 |
| 저품질 오디오 대 중품질 오디오의 객관적 품질(ViSQOL MOS) | 2.13 대 4.68 | Schütze 외, Forum Acusticum 2026 |
| 채용 적합도 점수(1~10), 매끄러운 오디오 및 영상 대 열화된 오디오 및 영상, 두 실험 합산 | 6.91 대 6.33 (Cohen의 d = 0.44) | Fiechter 외, Cognitive Research 2018 |
| 동일한 강연 또는 라디오 인터뷰를 좋은 음질과 나쁜 음질로 듣고 평가한 청취자 | 97명(실험 1)과 99명(실험 2) | Newman과 Schwarz, Science Communication 2018 |
참고: Newman과 Schwarz의 연구(DOI 10.1177/1075547018759345)에서는 USC가 요약한 대로, 나쁜 음질이 강연에 대한 평가, 화자의 지성, 연구의 중요성에 대한 평가를 낮췄다. MOS(평균 의견 점수)는 청취 품질의 표준 척도로 높을수록 좋으며, ViSQOL은 이를 예측하는 소프트웨어 모델이다. Fiechter와 Newman 연구의 확인 가능한 최신 데이터: 2018년.
5. 인증 규칙: Teams, Zoom, ITU가 실제로 테스트하는 것
인증 프로그램은 제조사들이 음향 기준을 어디에 두는지를 보여주며, 웹캠은 대부분 그 바깥에 있다. Teams 인증 장치 페이지는 헤드셋과 스피커폰 같은 오디오 장치가 에코, 왜곡, 과도한 끊김이 없는 광대역 오디오를 제공해야 한다고 밝히고 있으며, 비디오 장치에 대해 제시된 기준은 모두 영상 지표다(Microsoft Learn, Teams 인증 USB 장치, 2026년 11월). 2026년에 인증된 해당 목록의 USB 장치 22개 중 2개는 웹캠이고 20개는 헤드셋 또는 헤드셋 시스템이다(2026년 11월 표를 저희가 집계한 결과).
헤드셋 기준에는 상위 단계도 있다. Teams Audio Test Specification의 시험소용 문서에는 사무실 소음 아래에서 음성과 소음의 MOS를 채점하고, 여기에 ‘방해 음성 감쇠’(헤드셋이 옆 사람의 목소리를 얼마나 걸러내는가)까지 평가하는 선택적 오픈 오피스 모듈이 설명되어 있다(HEAD acoustics 데이터시트, Teams Audio Test Specification 60026). Zoom은 2022년에 오디오 범주의 객관적 테스트 표준을 통일했으며(Zoom, 하드웨어 인증 업데이트 2022), Teams 시험소 구성은 P.502와 P.51 인공 입(사람 화자를 모방하는 스피커) 같은 ITU-T 방법을 기반으로 한다. 포착된 음성을 채점하기 위한 더 폭넓은 기준은 ITU-T P.863(POLQA)으로, MOS 척도에서 청취 품질을 예측하는 표준 모델이다.
| 지표 | 값 | 출처 |
|---|---|---|
| Teams 인증 헤드셋과 스피커폰의 오디오 요구 사항 | 에코, 왜곡, 과도한 끊김이 없는 광대역 오디오; 에코 제거 지원 | Microsoft Learn, Teams 인증 USB 장치 2026 |
| 웹캠 같은 Teams 인증 비디오 장치에 대해 제시된 기준 | 노이즈, 색상, 이미지 디테일, 지터, 지연, 프레임 속도, 시야각(영상 지표) | Microsoft Learn, Teams 인증 USB 장치 2026 |
| 2026년에 인증된 USB 장치(2026년 11월 표 기준): 웹캠 대 헤드셋 또는 헤드셋 시스템 | 2 대 20(22개 중) | Microsoft Learn, 2026년 11월 표의 저희 집계 |
| 시험소가 사용하는 Teams Audio Test Specification 버전과 장치 범주 | V5.0(Addendum A 포함); 4개 범주(헤드셋, 개인용 데스크폰, 개인용 스피커폰, 공용 스피커폰) | HEAD acoustics 시험소 데이터시트 2026 |
| 선택적 오픈 오피스 헤드셋 테스트의 추가 지표 | 3QUEST 음성 및 소음 MOS; 방해 음성 감쇠(평균 및 최소) | HEAD acoustics 시험소 데이터시트 2026 |
| 객관적 테스트 표준을 새로 통일한 Zoom의 오디오 및 관련 범주 | 7 | Zoom 하드웨어 인증 업데이트, 2022년 3월 16일 |
| Zoom 인증 장치를 재인증해야 하는 주기 | 최소 2년마다 | Zoom 하드웨어 인증 업데이트, 2022년 3월 16일 |
| 현행 ITU-T P.863(POLQA) 판과 그 수정안 | P.863(03/18); Amendment 1(04/20)(음향적으로 녹음된 협대역 음성 예측에 관한 것) | ITU-T 권고 P.863 |
참고: 여기서 ‘광대역’은 전화 업계 용어로, 기존의 협대역 전화 음성보다 더 넓은 주파수 범위를 유지하는 오디오를 뜻한다. 음량의 척도가 아니다. Zoom 기준의 확인 가능한 최신 데이터: 2022년. Zoom은 그보다 새로운 임계값을 공개하지 않았다.
6. 사람들은 어떻게 장비를 갖추고, 실제 회의에서 무엇이 달라지는가
장비에 관한 설문 데이터는 부족하고 대부분 제조사가 진행한 것이지만, 가리키는 방향은 하나다. 대부분의 사람은 여전히 내장된 기기로 말한다. 업무에 전문가용 헤드셋을 쓰는 지식 근로자는 30%뿐이고, 8%만이 이를 주 사용 장치로 꼽지만, 91%는 온라인 회의 플랫폼을 사용한다(Jabra 2023년 지식 근로자 조사, 제조사 설문). 미국, 독일, 중국의 원격 근무자 3,000명 이상을 대상으로 한 2022년 Logitech 설문에서는 85%가 소리 문제로 어려움을 겪는 것으로 나타났다(Logitech, 제조사 설문).
독립적인 데이터는 결과 측면을 보태준다. 5개 대규모 조직에서 얻은 약 7,330건의 유효한 회의 후 설문 응답을 조사한 연구에서는, 헤드셋 사용이 ‘참여’ 평가의 오즈를 높였고(OR = 1.16), 음질 문제가 있었던 통화는 ‘효과적’이라고 평가될 오즈가 훨씬 낮았다(OR = 0.14)(Hosseinkashi 외, Microsoft Research, 회의 효과성 연구 2024). 오즈비(OR)가 1 미만이면 오즈가 낮다는 뜻이며, 0.14는 큰 효과다. 섹션 1의 레벨 차이와 함께 읽으면, 근접 수음을 지지하는 근거는 단순히 소리가 들리는 것이 아니라 온전히 그 자리에 있는 것으로 받아들여지는 데 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| 업무에 전문가용 헤드셋을 쓰는 지식 근로자 | 30% | Jabra 2023년 지식 근로자 조사(제조사 설문, 직원 7,000명 이상) |
| 전문가용 헤드셋이 주 사용 장치라고 답한 지식 근로자 | 8% | Jabra 2023년 지식 근로자 조사(제조사 설문) |
| 통화에서 소리 문제로 어려움을 겪는 원격 근무자 | 85% | Logitech 최종 사용자 설문, 2022년 5월(제조사 설문, 근로자 3,000명 이상) |
| 온라인 대화 연구, 청력 정상 그룹: 스피커 대 헤드폰으로 청취 | 72% 대 28% | Perea Pérez 외, Ear and Hearing 2025 |
| 같은 연구, 인공와우 그룹: 스피커 대 헤드폰 대 직접 스트리밍 | 68% 대 12% 대 20% | Perea Pérez 외, Ear and Hearing 2025 |
| 사용자가 헤드셋을 착용했을 때 ‘참여’ 평가의 보정 오즈비 | 1.16 | Hosseinkashi 외, Microsoft Research 2024 |
| 참여율, 음성 전용 통화에서 헤드셋 사용 대 미사용 | 약 5% 높음 | Hosseinkashi 외, Microsoft Research 2024 |
| 통화에 품질 문제(에코, 소음, 왜곡)가 있었을 때 ‘효과적’ 회의 평가의 보정 오즈비 | 0.14 | Hosseinkashi 외, Microsoft Research 2024 |
이상치 참고: 회의 연구의 본문은 헤드셋을 쓰면 참여의 오즈가 ‘20%’ 올라간다고 하지만, 같은 연구의 표는 오즈비 1.16을 제시한다. 우리는 표의 값을 보고한다. 저자들은 또한 많은 장치가 헤드셋 여부를 잘못 보고하기 때문에 텔레메트리로 헤드셋을 감지하는 것은 신뢰하기 어렵다고 경고한다. Logitech 설문의 확인 가능한 최신 데이터: 2022년 5월.
숫자로 보는 웹캠 내장 마이크 대 헤드셋 음성 품질
| 지표 | 값 | 출처 |
|---|---|---|
| Whisper large-v2 WER, AMI 헤드셋 마이크 대 원거리 마이크 1개 | 16.9% 대 36.4% | Radford 외, OpenAI Whisper 논문 2022 |
| DiPCo WER, 근접 마이크 대 원거리 어레이 | 42.10% 대 77.52% | Van Segbroeck 외, DiPCo 2019 |
| AliMeeting CER, 헤드셋 대 원거리 | 9.9% 대 49.0% | Yu 외, M2MeT 2022 |
| REVERB 실제 녹음: 깨끗한 음성 또는 헤드셋 WER 대 원거리 기준선 대 가장 좋은 8마이크 시스템 | 6.9% 대 49.2% 대 9.0% | Kinoshita 외, REVERB 챌린지 요약 2016 |
| 음성 레벨, 약 60 cm 거리의 노트북 마이크 대 15~20 cm 거리의 헤드셋 마이크 | 46.91 dB 대 59.73 dB | Busquet 외, Behavior Research Methods 2023 |
| 5피트 거리의 마이크 6종 WER 범위, 대본 대 자유 대화 | 10.7%~12.0% 대 52.7%~61.3% | Bradford 외, EDM 2022 |
| 일반적인 거실의 잔향 시간 | 0.3~0.7 s | Haeb-Umbach 외, Far-Field ASR 리뷰 2020 |
| 배경 소음으로 인한 반응 지연 | 평균 91 ms | Picou 외, Ear and Hearing 2016 |
| 인공와우 사용자의 온라인 청취 효율, 음성만 대 자막 포함 | 일반의 약 60% 대 약 80% | Perea Pérez 외, Ear and Hearing 2025 |
| 채용 적합도, 선명한 소리 대 나쁜 마이크 소리(0~100) | 76.04 대 68.50 | Walter-Terrill 외, PNAS 2025 |
| ViSQOL MOS, 저품질 대 중품질 오디오 | 2.13 대 4.68 | Schütze 외, Forum Acusticum 2026 |
| 채용 적합도(1~10), 매끄러운 오디오 및 영상 대 열화된 오디오 및 영상 | 6.91 대 6.33 | Fiechter 외, Cognitive Research 2018 |
| 업무에서 전문가용 헤드셋 사용 | 30% | Jabra 2023년 지식 근로자 조사(제조사 설문) |
| 전문가용 헤드셋을 주 사용 장치로 꼽은 비율 | 8% | Jabra 2023년 지식 근로자 조사(제조사 설문) |
| 온라인 대화에서 청력 정상 청취자가 스피커 대 헤드폰으로 듣는 비율 | 72% 대 28% | Perea Pérez 외, Ear and Hearing 2025 |
| AliMeeting 공간에서 마이크와 화자 사이의 거리 | 0.3~5.0 m | Yu 외, M2MeT 2022 |
| 소리 문제로 어려움을 겪는 원격 근무자 | 85% | Logitech 최종 사용자 설문 2022(제조사 설문) |
| Zoom 재인증 주기 | 최소 2년마다 | Zoom 하드웨어 인증 업데이트 2022 |
방법론과 출처
- Busquet, Efthymiou and 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 and 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, 화상회의를 통한 의사소통의 구조화된 평가, 2022
- Walter-Terrill, Ongchoco and Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger and Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (예비 논문)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman and Schwarz, Good Sound, Good Research, Science Communication 2018 (USC 보도)
- Microsoft Learn, Teams 인증 USB 장치 표, 2026년 11월
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, 2024년 개정판
- HEAD acoustics, Teams Audio Test Specification 60026용 ACQUA Standards 데이터시트, 2026
- Zoom, New updates to the Zoom hardware certification program, 2022년 3월 16일
- ITU-T Recommendation P.863, Perceptual objective listening quality prediction
- Jabra, LSE 참여 연구 및 2023년 지식 근로자 조사 (제조사 조사)
- Logitech, Your Remote Employees are Underequipped (제조사 설문). 현장 조사는 2022년 5월 2CV Research가 수행했으며, Logitech 전체 연구 PDF에 따른다
- 데이터 참고 사항: 현행 웹캠 내장 마이크를 같은 화자에 대해 POLQA나 ASR로 헤드셋과 비교 측정한 공개 연구는 아직 없으므로, 이번 정리에서는 노트북 마이크, 원거리 마이크, 어레이 데이터를 원거리 수음에 가장 가까운 근거로 함께 사용했다. 주요 데이터셋 중 일부는 3년보다 오래되었으며(REVERB 2016, 2016년 소음 및 잔향 연구, Fiechter와 Newman 2018, DiPCo 2019, Whisper와 M2MeT 2022, Zoom 기준 2022) 해당 섹션에 표시했다. 충돌과 불일치: 회의 연구의 본문은 헤드셋 사용자의 참여 오즈가 20% 상승한다고 하지만 표는 오즈비 1.16을 제시한다(우리는 표를 사용한다). DiPCo 논문은 세션 길이를 초록에서는 15
45분, 본문에서는 1547분으로 적고 있다. M2MeT 논문은 평가 세트에 대해 서로 다른 두 가지 중첩 비율을 인쇄해 두었다(우리는 어느 쪽도 사용하지 않는다). 6.4점의 취업 적합성 격차는 아직 학술지에 실리지 않은 Forum Acusticum 예비 논문에서 나온 것이다. Jabra와 Logitech의 수치는 제조사 설문이며 그렇게 표시했다. 12.82 dB, 10.76 dB 및 배율 수치는 공개된 값을 저희가 직접 빼거나 나눈 것이며, 계산은 본문에 제시했다.
마지막 업데이트: 2026년 11월 7일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 Forum Acusticum 2026(유럽음향학회 제12회 학술대회)의 최종 논문집이 발간될 때로 예상한다.