Kinect sprzedał się w 35 milionach sztuk, a jego produkcja i tak zakończyła się w 2017 roku (MCV, Microsoft officially ceases Kinect production 2017), co jest najwyraźniejszym dowodem, że mikrofon w pudełku nie czyni z głosu standardowego sposobu sterowania w grach. Steam zwraca teraz 190 wyników dla tagu Voice Control (wyszukiwarka sklepu Steam, 31 października 2026 roku), a ponad 95 milionów konsol PS5 dostarczono do sprzedawców detalicznych, na platformie, której kontroler DualSense ma wbudowany mikrofon (Sony Interactive Entertainment, Business Data and Sales 2026). Rozpoznawanie pozostaje nierówne: osoby mówiące po angielsku jako drugim językiem mierzą się z różnicami błędów od 2,6 do 5,9 raza w obecnych modelach (Roll i Graham, SLaTE 2025), co śledzimy także w naszych statystykach uprzedzeń wobec akcentów w rozpoznawaniu mowy. Zebraliśmy dane z badań nad grami z University of Melbourne, Disney Research, Sony, Nintendo oraz z recenzowanych prac z zakresu nauk o mowie, aby oddzielić to, co gracze faktycznie robią swoim głosem, od tego, co deklarowali właściciele platform.
TL;DR
- Kinect sprzedał się w 35 milionach sztuk, zanim w 2017 roku zakończono jego produkcję (MCV 2017).
- Microsoft deklarował średnio 120 poleceń głosowych miesięcznie w 2014 roku (Shacknews 2014).
- Phasmophobia, w której gracze mówią do duchów, przekroczyła 25 milionów sprzedanych egzemplarzy na wszystkich platformach (Kinetic Games za WorthPlaying 2025).
- Osoby mówiące po angielsku jako drugim językiem miały różnice błędów od 2,6 do 5,9 raza w 10 modelach rozpoznawania (Roll i Graham, SLaTE 2025).
- Mowa z akcentem uzyskała współczynnik błędów słów 30-50% w Wav2Vec 2.0, wobec 2-8% dla rodzimych użytkowników języka (Bandodkar i in., AAAI 2024).
- Pełna wymiana wypowiedzi z postacią gry opartą na sztucznej inteligencji trwała średnio 6,909 sekundy, a w najgorszym przypadku 24,362 sekundy (Korkiakoski i in. 2025).
- Dyktowanie po angielsku było 2,93 raza szybsze niż pisanie na klawiaturze telefonu, 153 wobec 52 słów na minutę (Ruan i in. 2017).
- Rozpoznawanie słów kluczowych zbudowane dla dzieci osiągnęło 85% dokładności, a komercyjny system był o 35% mniej dokładny (Disney Research 2016).
- Voice Command na PS5 pozostaje wersją zapoznawczą ograniczoną do dwóch krajów i jednego języka (PlayStation Support 2026).
1. Czterdzieści lat rosnącego i słabnącego zainteresowania
W samym 2017 roku ukazało się 106 nowych gier wideo z interakcją głosową (Allison i in., Design Patterns for Voice Interaction in Games, CHI PLAY 2018), co brzmi jak przełom, dopóki nie przeczyta się historii, która za tym stoi. Ten sam zespół badawczy stwierdził, że głos “nigdy nie osiągnął trwałego, powszechnego sukcesu”, a zamiast tego przeszedł przez siedem faz związanych z nowymi platformami i technologiami, które je umożliwiły (Allison, Carter i Gibbs, Word Play, Games and Culture 2020).
Karaoke to pouczający szczyt. Wymagało od graczy występu głosem, a nie zrozumienia słowo po słowie. Gałąź gier dźwiękowych na inteligentnych głośnikach kieruje się podobną logiką: projektanci w większości sprowadzali mowę do wyboru z krótkiej listy, co utrzymuje problem rozpoznawania na małej skali.
| Metryka | Wartość | Źródło |
|---|---|---|
| Gry w największym opublikowanym przeglądzie gier głosowych, 1973-2018 | 449 gier wideo plus 22 gry dźwiękowe | Allison i in., Design Patterns for Voice Interaction in Games, CHI PLAY 2018 |
| Nowe gry wideo z interakcją głosową wydane w ciągu jednego roku | 106 w 2017 | Allison i in., CHI PLAY 2018 |
| Gry karaoke wydane w latach 2003-2012, z wydaniami wieloplatformowymi liczonymi raz | Ponad 120, z czego ponad 70 w latach 2008-2010 | Allison, Carter i Gibbs, Word Play, Games and Culture 2020 |
| Gry, które korzystały z Voice Recognition Unit do Nintendo 64, 1998-1999 | 2 | Allison i in., Word Play 2020 |
| Duże premiery korzystające z rozpoznawania głosu w Kinect w czasie badania | Ponad 30 | Allison i in., Word Play 2020 |
| Gry dźwiękowe na Alexę, w których podstawą interakcji był wybór spośród wypowiadanych opcji | 17 z 22 objętych przeglądem | Allison i in., CHI PLAY 2018 |
Najnowsze dostępne dane: Allison i in., 2018 i 2020. Nie znaleźliśmy nowszego spisu gier głosowych, więc te liczby opisują branżę do początku 2018 roku.
2. Mikrofony wszędzie, polecenia głosowe nigdzie
Ponad 95 milionów konsol PS5 dostarczono do sprzedawców detalicznych (Sony Interactive Entertainment, Business Data and Sales, 30 czerwca 2026 roku), a kontroler DualSense ma wbudowany mikrofon. Ta baza zainstalowanych urządzeń nie stworzyła platformy opartej przede wszystkim na głosie. PlayStation Support nadal opisuje Voice Command jako wersję zapoznawczą dla kont w Stanach Zjednoczonych i Wielkiej Brytanii, tylko po angielsku, przeznaczoną do zadań systemowych, takich jak uruchamianie gier i nagrywanie klipów, a nie do samej rozgrywki.
Kontrast z domem to tutaj najbardziej użyteczna liczba. 57% użytkowników poleceń głosowych korzysta z nich codziennie (NPR i Edison Research, Smart Audio Report 2022). Ludzie czują się swobodnie, mówiąc do urządzeń, więc barierą w grach nie jest nawyk rozmawiania z maszynami. Przyciski są ciche, prywatne i natychmiastowe, a głos musi to przebić.
| Metryka | Wartość | Źródło |
|---|---|---|
| Sprzedane jednostki Kinect w pierwszych 60 dniach na rynku | 8 milionów | MCV, Microsoft officially ceases Kinect production 2017 |
| Całkowita sprzedaż Kinect w całym cyklu życia | 35 milionów | MCV 2017 |
| Odsetek właścicieli Kinect, którzy z niego korzystają, według Microsoft (deklaracja firmy, niezweryfikowana niezależnie) | 80% | Shacknews, cytujące Yusufa Mehdi z Microsoft, 16 maja 2014 |
| Średnia liczba poleceń głosowych miesięcznie, według Microsoft (deklaracja firmy) | 120 | Shacknews, cytujące Microsoft, 2014 |
| Łączna liczba wydanych poleceń głosowych, według Microsoft (deklaracja firmy) | Ponad 1 miliard | Shacknews, cytujące Microsoft, 2014 |
| Konsole PS5 dostarczone do sprzedawców detalicznych, łącznie do 30 czerwca 2026 | Ponad 95 milionów | Sony Interactive Entertainment, Business Data and Sales 2026 |
| Sprzedane Nintendo Switch 2, łącznie do 30 czerwca 2026 (wbudowany mikrofon do GameChat) | 23,68 miliona | Nintendo, Consolidated Hardware Sales 2026 |
| Amerykanie w wieku 18+ korzystający z asystenta głosowego na dowolnym urządzeniu | 62% | NPR i Edison Research, Smart Audio Report 2022 |
Najnowsze dostępne dane: Shacknews, 2014 dla użycia Kinect oraz Smart Audio Report, 2022 dla asystentów głosowych. Nie znaleźliśmy żadnej liczby od Sony ani Nintendo o tym, ilu graczy używa mikrofonu do poleceń w grach, a MCV podaje jedyny ślad sprzedaży Kinect, który zdołaliśmy zweryfikować. Mikrofon Switch 2 filtruje także dźwięk gry i dostosowuje się do odległości gracza od konsoli (Nintendo, GameChat features), a jego czat głosowy obsługuje maksymalnie 12 uczestników.
3. Dzisiejszy katalog gier głosowych
25 z pierwszych 30 wyników w tagu Voice Control na Steam miało datę 2025 lub 2026 (nasze zestawienie z wyszukiwarki sklepu Steam, 31 października 2026 roku), w tym 15 tylko z 2026 roku. To jedna strona listingu sklepu, a nie spis premier, więc sama w sobie nie dowodzi boomu. Pokazuje jednak, że mikrofon wciąż jest wykorzystywany przez nowe tytuły jako element wyróżniający projekt.
Phasmophobia to przypadek skali. Zadebiutowała na konsolach bez rozpoznawania głosu, a następnie deweloper Kinetic Games dodał aktualizację głosową na konsole dla PlayStation 5, PS VR2 i Xbox Series X|S po kilku miesiącach, używając systemu rozpoznawania o nazwie VOSK. Studio, które wykonuje taką pracę dla gry już wydanej, traktuje głos jako część produktu, a nie dodatkowy bonus.
| Metryka | Wartość | Źródło |
|---|---|---|
| Wyniki w sklepie Steam dla tagu Voice Control, wraz z demami i oprogramowaniem narzędziowym | 190 | Wyszukiwarka sklepu Steam, 31 października 2026 |
| Tytuły Steam policzone pod tym samym tagiem przez zewnętrzny serwis śledzący (migawka bez daty) | 113 | DataHumble, Voice Control Games 2026 |
| Sprzedaż Phasmophobia na wszystkich platformach | Ponad 25 milionów | Kinetic Games za WorthPlaying, 1 lipca 2025 |
| Sprzedaż Phasmophobia na konsolach | Ponad 3 miliony | Kinetic Games za WorthPlaying, 23 kwietnia 2025 |
| Języki obsługiwane przez rozpoznawanie głosu Phasmophobia na konsolach w momencie premiery | 7 | Kinetic Games, Console Voice Recognition, notatki do aktualizacji 2025 |
Sprzedaż Phasmophobia obejmuje każdego kupującego, a nie każdego gracza, który mówił do ducha. Nie znaleźliśmy źródła podającego, jaki odsetek jej graczy włącza mikrofon.
4. Dokładność rozpoznawania nie jest rozłożona równo
Osoby mówiące po angielsku jako drugim językiem napotykały różnice błędów od 2,6 do 5,9 raza w porównaniu z osobami mówiącymi nim jako pierwszym, w 10 modelach i ponad 300 odmianach angielskiego (Roll i Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025). Współczynnik błędów słów (WER) to odsetek wypowiedzianych słów, które system rozpoznawania odczytuje błędnie, więc niższa liczba oznacza lepszy wynik. Niewygodny wniosek z pracy jest taki, że ogólna poprawa nie zamyka różnicy, ponieważ względna dysproporcja rosła wraz z poprawą modeli dla osób mówiących w pierwszym języku.
W przypadku gry wydawanej na całym świecie zmienia to miernik techniczny w pytanie o to, kto może grać. Strona sklepowa Radio General sama podaje, że działa tylko po angielsku i najlepiej z północnoamerykańskim akcentem. Jednym z proponowanych rozwiązań jest kontekst: patent Sony zgłoszony 28 maja 2022 roku i przyznany 13 maja 2025 roku wykorzystuje bieżący stan gry, aby pomóc ustalić, co powiedział gracz.
| Metryka | Wartość | Źródło |
|---|---|---|
| Średni WER najlepszego ogółem przetestowanego modelu, Whisper-large | 6,9% | Roll i Graham, SLaTE 2025 |
| Średni WER najmniejszego modelu Whisper, Whisper-tiny | 13,6% | Roll i Graham, SLaTE 2025 |
| Różnica WER między osobami mówiącymi po angielsku jako drugim i jako pierwszym językiem w różnych modelach | 2,6 do 5,9 raza | Roll i Graham, SLaTE 2025 |
| WER osób, których pierwszym językiem jest język tonalny, wobec osób, których pierwszym językiem jest język indoeuropejski | 2 do 3 razy wyższy | Roll i Graham, SLaTE 2025 |
| WER Whisper-large w jednym korpusie (Speech Accent Archive), pierwszy język wobec drugiego języka | 0,8% wobec 3,7% | Roll i Graham, SLaTE 2025 |
| WER Wav2Vec 2.0, mowa z akcentem wobec rodzimych użytkowników języka | 30-50% wobec 2-8% | Bandodkar i in., AAAI 2024 |
| Względna poprawa makrośredniego WER po douczaniu ukierunkowanym na sprawiedliwość wobec wstępnie wytrenowanego modelu Whisper (przeanalizowano 26 grup akcentów) | 58,7% | Swain i in., arXiv 2025 |
W żadnym z tych testów nie użyto nagrań z rozgrywki. Dźwięk w grach dodaje ekscytację, krzyki i przesłuchy z głośników, więc traktuj te współczynniki błędów jako dolną granicę trudności, a nie prognozę.
5. Mowa jest szybka, rozpoznawanie nie
Mowa pokonała klawiaturę telefonu 2,93 raza, przy 153 wobec 52 słów na minutę (Ruan i in., 2017). Ta przewaga wyjaśnia, dlaczego głos wciąż wraca do gier, ale dyktowanie i sterowanie grą to różne zadania. Podyktowane zdanie może dotrzeć sekundę później bez szkody, a unik nie. Najnowsze dostępne dane: Ruan i in., Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017.
Duże modele językowe poszerzają tę lukę. W teście w VR z 18 uczestnikami na czas oczekiwania na odpowiedź postaci opartej na sztucznej inteligencji wpływał głównie model i synteza głosu, a nie etap słuchania. To stawia swobodną rozmowę daleko poza budżetami opóźnień w grach akcji i dlatego postacie sterowane głosem pasują dotychczas do wolniejszych gatunków. Nasze statystyki sztucznej inteligencji w grach obejmują szerszy obraz branży, a liczby tutaj dotyczą wyłącznie mówionego wejścia gracza.
| Metryka | Wartość | Źródło |
|---|---|---|
| Prędkość wprowadzania tekstu: angielska mowa wobec klawiatury telefonu | 153 wobec 52 słów na minutę | Ruan i in., 2017 |
| Odsetek poprawionych błędów, mowa wobec klawiatury telefonu | 5,30% wobec 11,22% | Ruan i in., 2017 |
| Odsetek niepoprawionych błędów, mowa wobec klawiatury telefonu | 1,30% wobec 0,79% | Ruan i in., 2017 |
| Typowa długość wypowiedzenia jednowyrazowego polecenia w grze (‘go’ lub ‘jump’) | Około 300 milisekund | Disney Research za Phys.org, 2016 |
| Etap zamiany mowy na tekst w teście postaci opartej na sztucznej inteligencji, średnia wobec najgorszego przypadku | 1,365 wobec 3,475 sekundy | Korkiakoski i in., arXiv 2025 |
| Etap modelu językowego (GPT-4 Turbo) w tym samym teście, średnia wobec najgorszego przypadku | 3,113 wobec 14,918 sekundy | Korkiakoski i in., arXiv 2025 |
| Etap zamiany tekstu na mowę w tym samym teście, średnia wobec najgorszego przypadku | 2,376 wobec 12,404 sekundy | Korkiakoski i in., arXiv 2025 |
| Pełna wymiana, od wypowiedzi gracza do odpowiedzi postaci, średnia wobec najgorszego przypadku | 6,909 wobec 24,362 sekundy | Korkiakoski i in., arXiv 2025 |
Projekt hybrydowy zawęża zadanie, które musi wykonać model. W jednym badaniu z 2025 roku gracze parafrazowali na głos predefiniowane opcje dialogowe, a model językowy je dopasowywał, i 14 uczestników zgłosiło większą przyjemność oraz poczucie swobody niż przy klikaniu (Wevelsiep i in., IWSDS 2025). Jego autorzy nadal wymieniają opóźnienie jako priorytet dalszych prac.
6. Dzieci, terapia mowy i dostępność
Rozpoznawanie słów kluczowych dostrojone do dzieci osiągnęło 85% dokładności, a komercyjny system był o 35% mniej dokładny w grze dla dwóch osób o nazwie Mole Madness (Disney Research, 2016, za Phys.org). Wniosek jest taki, że zawężenie słownika do dwóch słów dało więcej, niż mógł dać silnik ogólnego przeznaczenia. Jest to zgodne z Game Accessibility Guidelines, które zalecają rozpoznawanie oparte na małym słowniku, a na poziomie zaawansowanym samo przekroczenie progu głośności.
Gry do terapii mowy pokazują tę granicę wyraźnie. Ich systemy oceniają właśnie tę mowę, którą trudno rozpoznać, a w jednej próbie maszyna zgadzała się z ludźmi w mniej niż połowie poprawnych wypowiedzi dzieci z apraksją mowy wieku dziecięcego, czyli motorycznym zaburzeniem mowy (Ahmed i in., International Journal of Speech-Language Pathology 2018). Te same wytyczne wymieniają “wprowadzanie mowy nie jest wymagane” jako zasadę podstawową, a Xbox Accessibility Guideline 107 wymaga cyfrowej alternatywy dla mowy kluczowej dla rozgrywki. Głos może otworzyć grę dla jednych graczy, a zamknąć dla innych, co omawiają nasze statystyki funkcji dostępności w grach dla wszystkich rodzajów wejścia.
| Metryka | Wartość | Źródło |
|---|---|---|
| Dokładność rozpoznawania słów kluczowych w Mole Madness | 85% | Disney Research za Phys.org, 2016 |
| O ile mniej dokładny był komercyjny system rozpoznawania niż detektor słów kluczowych | 35% | Disney Research za Phys.org, 2016 |
| Zgodność systemu z ludźmi w ocenie błędnych wypowiedzi, dzieci z prawidłowym rozwojem wobec dzieci z apraksją mowy wieku dziecięcego | 77% wobec 75% | Ahmed i in., 2018 |
| Zgodność systemu z ludźmi w ocenie poprawnych wypowiedzi, według mówiącego: dzieci z prawidłowym rozwojem wobec dzieci z apraksją wobec logopedów | 51% wobec 47% wobec 71% | Ahmed i in., 2018 |
| Dokładność PocketSphinx na nagraniach terapii mowy dzieci, wersja domyślna wobec dostosowanej treningiem metodą maksimum a posteriori (MAP) | 59,4% wobec 80,0% | Hair i in., ASSETS 2019 |
| Średnia dokładność własnego systemu rozpoznawania opartego na dopasowywaniu wzorców w tej samej ocenie | 75,8% | Hair i in., ASSETS 2019 |
| Uczniowie szkół podstawowych, którzy testowali holenderski prototyp gry do nauki czytania opartej na mowie | Ponad 40 | Radboud University, 2023 |
| Badania zidentyfikowane wobec uwzględnionych w przeglądzie z 2026 roku dotyczącym gier dźwiękowych 3D dla graczy z niepełnosprawnością wzroku | 975 wobec 56 | Kaka i Juhana, JoMMiT 2026 |
Najnowsze dostępne dane: Disney Research, 2016; Ahmed i in., 2018; Hair i in., 2019. Są to warunki kliniczne lub badawcze z małymi próbami i raportują wyłącznie wydajność systemów.
7. Jak gracze faktycznie reagują
Phasmophobia ma 94% pozytywnych ocen z 360.726 recenzji po angielsku, a Suck Up! ma 61% (strony sklepu Steam, 31 października 2026 roku). Obie gry wymagają mówienia do gry, ale robią to inaczej. W jednej głos jest pojedynczą funkcją w szerszym polowaniu na duchy. W drugiej rozmowa z postaciami opartymi na sztucznej inteligencji, by je przechytrzyć, stanowi główną pętlę rozgrywki, a mieszany wynik powtarza się w DON’T SCREAM, gdzie zbyt głośne zachowanie kończy rozgrywkę.
Recenzje nie potrafią oddzielić głosu od wszystkiego innego w grze, więc traktuj to jako wzorzec, a nie pomiar. Prace naukowe wskazują ten sam kierunek. Badanie CHI PLAY 2015 wykazało, że obok dokładności rozpoznawania znaczenie ma zrozumienie tożsamości gracza w grze. Małe badanie z 2018 roku poszło dalej: 5 uczestników wykazało wyższe zaangażowanie, ale niższe szczęście przy głosie niż przy klawiaturze (p = 2.005e-14 oraz p = 1e-3, test t dla prób zależnych, Mattey i Yuksel, OverVoice). Przy tak małej próbie traktuj to jako hipotezę.
| Metryka | Wartość | Źródło |
|---|---|---|
| Przeanalizowane elementy dotyczące odbioru gier głosowych przez graczy (166 + 2.951 + 84 + 69) | 3.270 recenzji, wątków i filmów | Carter i in., CHI PLAY 2015 |
| Odsetek pozytywnych angielskich recenzji Phasmophobia na Steam | 94% z 360.726 | Strona sklepu Steam, 2026 |
| Odsetek pozytywnych angielskich recenzji Mage Arena na Steam (zaklęcia rzucane głosem) | 90% z 11.561 | Strona sklepu Steam, 2026 |
| Odsetek pozytywnych recenzji Tom Clancy’s EndWar na Steam (strategia z 2009 roku z rozkazami głosowymi) | 80% z 1.035 | Strona sklepu Steam, 2026 |
| Odsetek pozytywnych angielskich recenzji DON’T SCREAM na Steam | 68% z 1.795 | Strona sklepu Steam, 2026 |
| Odsetek pozytywnych recenzji Suck Up! na Steam (gracze rozmawiają z postaciami opartymi na sztucznej inteligencji) | 61% z 226 | Strona sklepu Steam, 2026 |
| Wynik skali użyteczności systemu (System Usability Scale) dla mówiących postaci opartych na sztucznej inteligencji w VR (skala od 0 do 100) | 79,44 | Korkiakoski i in., arXiv 2025 |
| Wiarygodność mówiących postaci opartych na sztucznej inteligencji w VR (w skali do 10) | 6,67 | Korkiakoski i in., arXiv 2025 |
Najnowsze dostępne dane o postawach graczy: Carter i in., 2015. Nie znaleźliśmy dużego badania ankietowego graczy dotyczącego preferencji sterowania głosem, więc w tym zestawieniu nie ma odsetka graczy, którzy wolą sterowanie głosowe.
Podsumowanie: polecenia głosowe i rozpoznawanie mowy w grach wideo w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Nowe gry wideo z interakcją głosową wydane w ciągu jednego roku | 106 w 2017 | Allison i in., CHI PLAY 2018 |
| Całkowita sprzedaż Kinect w całym cyklu życia | 35 milionów | MCV 2017 |
| Średnia liczba poleceń głosowych miesięcznie, według Microsoft (deklaracja firmy) | 120 | Shacknews 2014 |
| Konsole PS5 dostarczone do sprzedawców detalicznych, łącznie do 30 czerwca 2026 | Ponad 95 milionów | Sony Interactive Entertainment 2026 |
| Sprzedane Nintendo Switch 2, łącznie do 30 czerwca 2026 | 23,68 miliona | Nintendo 2026 |
| Amerykanie w wieku 18+ korzystający z asystenta głosowego na dowolnym urządzeniu | 62% | NPR i Edison Research 2022 |
| Wyniki w sklepie Steam dla tagu Voice Control | 190 | Wyszukiwarka sklepu Steam, 31 października 2026 |
| Sprzedaż Phasmophobia na wszystkich platformach | Ponad 25 milionów | Kinetic Games za WorthPlaying 2025 |
| Średni WER najlepszego ogółem przetestowanego modelu | 6,9% | Roll i Graham, SLaTE 2025 |
| Różnica WER między osobami mówiącymi po angielsku jako drugim i jako pierwszym językiem | 2,6 do 5,9 raza | Roll i Graham, SLaTE 2025 |
| WER Wav2Vec 2.0, mowa z akcentem wobec rodzimych użytkowników języka | 30-50% wobec 2-8% | Bandodkar i in., AAAI 2024 |
| Prędkość wprowadzania tekstu: angielska mowa wobec klawiatury telefonu | 153 wobec 52 słów na minutę | Ruan i in., 2017 |
| Pełna wymiana wypowiedzi z postacią opartą na sztucznej inteligencji, średnia wobec najgorszego przypadku | 6,909 wobec 24,362 sekundy | Korkiakoski i in., arXiv 2025 |
| Dokładność rozpoznawania słów kluczowych w Mole Madness | 85% | Disney Research za Phys.org, 2016 |
| Zgodność systemu z ludźmi w ocenie poprawnych wypowiedzi, dzieci z apraksją mowy wieku dziecięcego | 47% | Ahmed i in., 2018 |
Metodologia i źródła
Podczas tej aktualizacji przeczytaliśmy każdą liczbę w poniższych źródłach, a dane firm prześledziliśmy do firmy, która je opublikowała. Doniesienia prasowe są wskazane tam, gdzie nie mogliśmy bezpośrednio przeczytać oryginalnego oświadczenia.
- Allison, Carter, Gibbs i Smith, Design Patterns for Voice Interaction in Games, CHI PLAY 2018
- Allison, Carter i Gibbs, Word Play: A History of Voice Interaction in Digital Games, Games and Culture 2020
- Allison, Carter i Gibbs, A History of Voice Interaction in Games, DiGRA i FDG 2016
- Carter, Allison, Downs i Gibbs, Player Identity Dissonance and Voice Interaction in Games, CHI PLAY 2015
- MCV, Microsoft officially ceases Kinect production, 26 października 2017
- Shacknews, Including Kinect was ‘the right call,’ says Microsoft exec, 16 maja 2014
- Sony Interactive Entertainment, Business Data and Sales, stan na 30 czerwca 2026
- PlayStation Support, Voice Command (Preview) na PS5
- Sony Interactive Entertainment, patent USA 12300221, przyznany 13 maja 2025
- Nintendo, Consolidated Hardware and Software Sales Units, stan na 30 czerwca 2026
- Nintendo, GameChat features dla Nintendo Switch 2
- NPR i Edison Research, Smart Audio Report 2022
- Wyszukiwarka sklepu Steam, tag Voice Control, 31 października 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 lutego 2025
- WorthPlaying, Phasmophobia surpasses 25 million sales, 1 lipca 2025
- WorthPlaying, Phasmophobia surpasses 3 million sales on consoles, 23 kwietnia 2025
- Roll i Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025
- Bandodkar i in., “Allot?” Is “a Lot!”, AAAI 2024
- Swain i in., Towards Fair ASR For Second Language Speakers Using Fairness Prompted Finetuning, arXiv 2025
- Ruan i in., Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, 2017
- Korkiakoski i in., An Empirical Evaluation of AI-Powered Non-Player Characters’ Perceived Realism and Performance in Virtual Reality Environments, arXiv 2025
- Wevelsiep i in., A Voice-Controlled Dialogue System for NPC Interaction using Large Language Models, IWSDS 2025
- Disney Research (Lehman, Wolfe, Pereira i Hodgins), według relacji Phys.org, 2016
- Ahmed i in., Speech-driven mobile games for speech therapy, International Journal of Speech-Language Pathology 2018
- Hair i in., Evaluating Automatic Speech Recognition for Child Speech Therapy Applications, ASSETS 2019, wymieniony przez Texas A&M PSI Lab
- Radboud University, Playfully practicing speaking and reading, 28 czerwca 2023
- Kaka i Juhana, 3D Audio Games for Visually Impaired Players: A Systematic Literature Review, JoMMiT 2026
- Game Accessibility Guidelines, pełna lista
- Microsoft, Xbox Accessibility Guideline 107
- Mattey i Yuksel, OverVoice: Voice Controlled Games Engagement Study, University of San Francisco, 2018
- Strony sklepu Steam, odczytane 31 października 2026: Phasmophobia, Mage Arena, Tom Clancy’s EndWar, DON’T SCREAM, Suck Up!, Radio General
- Uwaga o danych: Nie znaleźliśmy żadnej liczby od właściciela platformy dotyczącej odsetka graczy korzystających z poleceń głosowych, a dane Kinect o 80%, 120 poleceniach i 1 miliardzie poleceń to niezweryfikowane deklaracje Microsoft z 2014 roku. Liczba 190 wyników na Steam obejmuje dema i oprogramowanie narzędziowe oraz opiera się na tagach nadawanych przez użytkowników, co jest jednym z powodów, dla których różni się od liczby 113 z DataHumble, podanej bez daty. Allison i in. opisali sześć faz w 2016 roku i siedem w 2020, a my posługujemy się nowszą liczbą. Zakres 2-8% dla rodzimych użytkowników języka w AAAI 2024 jest przytoczony przez autorów z wcześniejszych prac, a nie zmierzony w tej pracy, a badania nad akcentami nie używały dźwięku z gier. Różnica od 2,6 do 5,9 raza to zakres podany przez autorów, a średni WER w korpusach w tej pracy wahał się od 2,3% do 26,9%, więc pojedynczy nagłówkowy współczynnik silnie zależy od użytych nagrań. Liczby recenzji na Steam zmieniają się codziennie, a niektóre strony nie podają, czy liczba obejmuje tylko recenzje po angielsku. Moderacja czatu głosowego nie jest tu omawiana, ponieważ podczas tej aktualizacji nie udało się uzyskać dostępu do raportów postępów Call of Duty. Sony i Nintendo odświeżają dane o sprzęcie przy każdym raporcie kwartalnym.
Ostatnia aktualizacja: 31 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a następne odświeżenie spodziewane jest, gdy Nintendo opublikuje kolejną aktualizację Consolidated Hardware and Software Sales Units.