O Kinect vendeu 35 milhões de unidades e, mesmo assim, sua fabricação terminou em 2017 (MCV, Microsoft officially ceases Kinect production 2017), a prova mais clara de que um microfone na caixa não faz da voz um controle padrão de jogos. A Steam agora retorna 190 resultados para a tag Controle por voz (busca na loja da Steam, 31 de outubro de 2026), e mais de 95 milhões de consoles PS5 foram enviados ao varejo para uma plataforma cujo controle DualSense tem microfone embutido (Sony Interactive Entertainment, Business Data and Sales 2026). O reconhecimento continua desigual: falantes de inglês como segunda língua enfrentam diferenças de erro de 2,6 a 5,9 vezes nos modelos atuais (Roll e Graham, SLaTE 2025), um padrão que também acompanhamos em nossas estatísticas de viés de sotaque no reconhecimento de fala. Reunimos dados de pesquisas de jogos da Universidade de Melbourne, da Disney Research, da Sony, da Nintendo e de artigos revisados por pares sobre ciência da fala para separar o que os jogadores realmente fazem com a voz do que as detentoras das plataformas afirmaram.
TL;DR
- O Kinect vendeu 35 milhões de unidades antes de a fabricação terminar em 2017 (MCV 2017).
- A Microsoft declarou uma média de 120 comandos de voz por mês em 2014 (Shacknews 2014).
- Phasmophobia, que permite falar com os fantasmas, passou de 25 milhões de vendas em todas as plataformas (Kinetic Games via WorthPlaying 2025).
- Falantes de inglês como segunda língua tiveram diferenças de erro de 2,6 a 5,9 vezes em 10 modelos de reconhecimento (Roll e Graham, SLaTE 2025).
- A fala com sotaque teve de 30-50% de taxa de erro de palavras no Wav2Vec 2.0, contra 2-8% para falantes nativos (Bandodkar et al., AAAI 2024).
- Uma troca falada completa com um personagem de IA de jogo levou em média 6,909 segundos, com pior caso de 24,362 segundos (Korkiakoski et al. 2025).
- O ditado em inglês foi 2,93 vezes mais rápido do que digitar no teclado do celular, 153 contra 52 palavras por minuto (Ruan et al. 2017).
- Um reconhecedor de palavras-chave feito para crianças alcançou 85% de precisão, e um reconhecedor comercial foi 35% menos preciso (Disney Research 2016).
- O Voice Command do PS5 continua em prévia, limitado a dois países e a um idioma (PlayStation Support 2026).
1. Quarenta Anos de Interesse em Alta e em Baixa
106 novos videogames de interação por voz foram lançados só em 2017 (Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018), o que soa como um grande avanço até você ler a história por trás. O mesmo grupo de pesquisa concluiu que a voz “nunca alcançou um sucesso sustentado e generalizado” e passou por sete fases ligadas a novas plataformas e tecnologias habilitadoras (Allison, Carter and Gibbs, Word Play, Games and Culture 2020).
O karaokê é o pico instrutivo. Ele pedia que os jogadores se apresentassem com a voz, não que fossem compreendidos palavra por palavra. O ramo dos jogos de áudio em alto-falantes inteligentes segue uma lógica parecida: os designers reduziram a fala, na maioria dos casos, à escolha em uma lista curta, o que mantém pequeno o problema do reconhecimento.
| Métrica | Valor | Fonte |
|---|---|---|
| Jogos no maior levantamento publicado sobre jogos de voz, de 1973 a 2018 | 449 videogames mais 22 jogos de áudio | Allison et al., Design Patterns for Voice Interaction in Games, CHI PLAY 2018 |
| Novos videogames de interação por voz lançados em um ano | 106 em 2017 | Allison et al., CHI PLAY 2018 |
| Jogos de karaokê lançados de 2003 a 2012, contando lançamentos multiplataforma uma única vez | Mais de 120, dos quais mais de 70 vieram entre 2008 e 2010 | Allison et al., Word Play, Games and Culture 2020 |
| Jogos que usaram a Voice Recognition Unit do Nintendo 64, de 1998 a 1999 | 2 | Allison et al., Word Play 2020 |
| Grandes lançamentos que usavam reconhecimento de voz do Kinect na época do estudo | Mais de 30 | Allison et al., Word Play 2020 |
| Jogos de áudio para Alexa cuja interação central era escolher entre opções faladas | 17 de 22 analisados | Allison et al., CHI PLAY 2018 |
Dados mais recentes disponíveis: Allison et al., 2018 e 2020. Não encontramos um censo mais novo de jogos de voz, então essas contagens descrevem o setor até o início de 2018.
2. Microfones em Toda Parte, Comandos de Voz em Nenhum Lugar
Mais de 95 milhões de consoles PS5 foram enviados ao varejo (Sony Interactive Entertainment, Business Data and Sales, 30 de junho de 2026), e o controle DualSense tem um microfone interno. Essa base instalada não produziu uma plataforma centrada em voz. O PlayStation Support ainda descreve o Voice Command como uma prévia para contas dos Estados Unidos e do Reino Unido, somente em inglês, voltada a tarefas do sistema, como abrir jogos e capturar clipes, e não à jogabilidade.
O contraste com a casa é o número útil aqui. 57% dos usuários de comandos de voz os usam diariamente (NPR e Edison Research, Smart Audio Report 2022). As pessoas se sentem à vontade para falar com dispositivos, então a barreira nos jogos não é o hábito de falar com máquinas. Botões são silenciosos, privados e imediatos, e a voz precisa superar isso.
| Métrica | Valor | Fonte |
|---|---|---|
| Unidades do Kinect vendidas nos primeiros 60 dias no mercado | 8 milhões | MCV, Microsoft officially ceases Kinect production 2017 |
| Vendas totais de unidades do Kinect ao longo da vida | 35 milhões | MCV 2017 |
| Parcela dos donos de Kinect que o usam, segundo a Microsoft (declaração da empresa, não verificada de forma independente) | 80% | Shacknews, citando Yusuf Mehdi, da Microsoft, 16 de maio de 2014 |
| Média de comandos de voz por mês, segundo a Microsoft (declaração da empresa) | 120 | Shacknews, citando a Microsoft, 2014 |
| Total de comandos de voz emitidos, segundo a Microsoft (declaração da empresa) | Mais de 1 bilhão | Shacknews, citando a Microsoft, 2014 |
| Unidades do PS5 enviadas ao varejo, acumulado até 30 de junho de 2026 | Mais de 95 milhões | Sony Interactive Entertainment, Business Data and Sales 2026 |
| Unidades do Nintendo Switch 2 vendidas, acumulado até 30 de junho de 2026 (microfone embutido para o GameChat) | 23,68 milhões | Nintendo, Consolidated Hardware Sales 2026 |
| Americanos com 18 anos ou mais que usam um assistente de voz em qualquer dispositivo | 62% | NPR e Edison Research, Smart Audio Report 2022 |
Dados mais recentes disponíveis: Shacknews, 2014 para o uso do Kinect e o Smart Audio Report, 2022 para assistentes de voz. Não encontramos nenhum número da Sony ou da Nintendo sobre quantos jogadores usam o microfone para comandos de jogo, e a MCV traz o único histórico de vendas do Kinect que conseguimos verificar. O microfone do Switch 2 também filtra o som do jogo e se adapta à distância do jogador em relação ao console (Nintendo, GameChat features), e seu chat de voz comporta no máximo 12 participantes.
3. O Catálogo Atual de Jogos de Voz
25 dos primeiros 30 resultados da tag Controle por voz da Steam eram datados de 2025 ou 2026 (nossa contagem a partir da busca na loja da Steam, 31 de outubro de 2026), 15 deles só em 2026. Isso é uma página de uma listagem de loja, não um censo de lançamentos, então não prova um boom por si só. Mas mostra que o microfone ainda é usado como atrativo de design por títulos novos.
Phasmophobia é o caso de escala. Ele chegou aos consoles sem reconhecimento, e então a desenvolvedora Kinetic Games adicionou uma atualização de voz para consoles no PlayStation 5, no PS VR2 e no Xbox Series X|S vários meses depois, usando um reconhecedor chamado VOSK. Um estúdio que faz esse trabalho em um jogo já lançado trata a voz como parte do produto, não como um extra.
| Métrica | Valor | Fonte |
|---|---|---|
| Resultados na loja da Steam para a tag Controle por voz, incluindo demos e softwares utilitários | 190 | Busca na loja da Steam, 31 de outubro de 2026 |
| Títulos da Steam contados sob a mesma tag por um rastreador de terceiros (captura sem data) | 113 | DataHumble, Voice Control Games 2026 |
| Vendas de Phasmophobia em todas as plataformas | Mais de 25 milhões | Kinetic Games via WorthPlaying, 1º de julho de 2025 |
| Vendas de Phasmophobia em consoles | Mais de 3 milhões | Kinetic Games via WorthPlaying, 23 de abril de 2025 |
| Idiomas compatíveis com o reconhecimento de voz de Phasmophobia em consoles no lançamento | 7 | Kinetic Games, notas da atualização Console Voice Recognition 2025 |
As vendas de Phasmophobia cobrem todos os compradores, não todos os jogadores que falaram com um fantasma. Não encontramos nenhuma fonte que informe que parcela dos jogadores ativa o microfone.
4. A Precisão do Reconhecimento Não É Distribuída por Igual
Falantes de inglês como segunda língua enfrentaram diferenças de erro de 2,6 a 5,9 vezes em comparação com falantes de primeira língua, em 10 modelos e mais de 300 variedades de inglês (Roll and Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025). A taxa de erro de palavras (WER) é a parcela de palavras faladas que um reconhecedor erra, então um número menor é melhor. A conclusão incômoda do artigo é que a melhora geral não fecha a diferença, já que a disparidade relativa aumentou conforme os modelos melhoravam para falantes de primeira língua.
Para um jogo lançado no mundo todo, isso transforma uma métrica técnica em uma questão de quem consegue jogar. A própria página de Radio General na loja diz que o jogo funciona apenas em inglês e funciona melhor com sotaque norte-americano. O contexto é um remédio proposto: uma patente da Sony depositada em 28 de maio de 2022 e concedida em 13 de maio de 2025 usa o estado atual do jogo para ajudar a decidir o que o jogador disse.
| Métrica | Valor | Fonte |
|---|---|---|
| WER média do melhor modelo geral testado, Whisper-large | 6,9% | Roll e Graham, SLaTE 2025 |
| WER média do menor modelo Whisper, Whisper-tiny | 13,6% | Roll e Graham, SLaTE 2025 |
| Diferença de WER entre falantes de inglês como segunda língua e como primeira língua nos modelos | 2,6 a 5,9 vezes | Roll e Graham, SLaTE 2025 |
| WER de falantes de primeiras línguas tonais versus falantes de primeiras línguas indo-europeias | 2 a 3 vezes maior | Roll e Graham, SLaTE 2025 |
| WER do Whisper-large em um corpus (Speech Accent Archive), falantes de primeira língua versus segunda língua | 0,8% contra 3,7% | Roll e Graham, SLaTE 2025 |
| WER do Wav2Vec 2.0, fala com sotaque versus falantes nativos | 30-50% contra 2-8% | Bandodkar et al., AAAI 2024 |
| Melhora relativa na WER com média macro de um retreinamento voltado à equidade em comparação com o modelo Whisper pré-treinado (26 grupos de sotaque analisados) | 58,7% | Swain et al., arXiv 2025 |
Nenhum desses testes usou gravações de partidas. O áudio de jogos traz empolgação, gritos e vazamento dos alto-falantes, então trate essas taxas de erro como um piso da dificuldade, não como uma previsão.
5. A Fala É Rápida, o Reconhecimento Não
A fala superou o teclado do celular em 2,93 vezes, com 153 contra 52 palavras por minuto (Ruan et al., 2017). Essa vantagem explica por que a voz volta sempre aos jogos, mas ditado e controle de jogo são tarefas diferentes. Uma frase ditada pode chegar um segundo depois sem prejuízo, enquanto um desvio não pode. Dados mais recentes disponíveis: Ruan et al., Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017.
Os grandes modelos de linguagem aumentam essa distância. Em um teste de realidade virtual com 18 participantes, a espera pela resposta de um personagem de IA foi dominada pelo modelo e pela saída de voz, não pela etapa de escuta. Isso coloca a conversa livre bem fora dos limites de latência dos jogos de ação, e é por isso que personagens controlados por voz, até agora, combinam com gêneros mais lentos. Nossas estatísticas de IA em jogos cobrem o panorama mais amplo do setor, enquanto os números aqui tratam apenas da entrada falada do jogador.
| Métrica | Valor | Fonte |
|---|---|---|
| Velocidade de entrada de texto, fala em inglês versus teclado do celular | 153 contra 52 palavras por minuto | Ruan et al., 2017 |
| Taxa de erro corrigido, fala versus teclado do celular | 5,30% contra 11,22% | Ruan et al., 2017 |
| Taxa de erro não corrigido, fala versus teclado do celular | 1,30% contra 0,79% | Ruan et al., 2017 |
| Duração falada típica de um comando de jogo de uma palavra (“vai” ou “pula”) | Cerca de 300 milissegundos | Disney Research via Phys.org, 2016 |
| Etapa de fala em texto em um teste com personagem de IA, média versus pior caso | 1,365 contra 3,475 segundos | Korkiakoski et al., arXiv 2025 |
| Etapa do modelo de linguagem (GPT-4 Turbo) no mesmo teste, média versus pior caso | 3,113 contra 14,918 segundos | Korkiakoski et al., arXiv 2025 |
| Etapa de texto em fala no mesmo teste, média versus pior caso | 2,376 contra 12,404 segundos | Korkiakoski et al., arXiv 2025 |
| Troca completa, da fala do jogador à resposta do personagem, média versus pior caso | 6,909 contra 24,362 segundos | Korkiakoski et al., arXiv 2025 |
Um design híbrido reduz o trabalho que o modelo precisa fazer. Um estudo de 2025 pediu que os jogadores parafraseassem em voz alta opções de diálogo predefinidas enquanto um modelo de linguagem fazia a correspondência, e seus 14 participantes relataram mais diversão e mais sensação de liberdade do que com apontar e clicar (Wevelsiep et al., IWSDS 2025). Os autores ainda listam a latência como prioridade para trabalhos futuros.
6. Crianças, Fonoterapia e Acesso
Um reconhecedor de palavras-chave ajustado para crianças alcançou 85% de precisão, enquanto um reconhecedor comercial foi 35% menos preciso em um jogo para dois jogadores chamado Mole Madness (Disney Research, 2016, relatado pela Phys.org). A lição é que reduzir o vocabulário a duas palavras rendeu mais do que um mecanismo de uso geral poderia. Isso condiz com as Game Accessibility Guidelines, que recomendam reconhecimento baseado em um vocabulário pequeno e, no nível avançado, simplesmente em atingir um limite de volume.
Os jogos de fonoterapia mostram o limite com clareza. Seus reconhecedores avaliam justamente a fala que é difícil de reconhecer, e em um ensaio a máquina concordou com os humanos em menos da metade das produções corretas de crianças com apraxia de fala na infância, um transtorno motor da fala (Ahmed et al., International Journal of Speech-Language Pathology 2018). As mesmas Guidelines listam “a entrada de voz não ser obrigatória” como regra básica, e a Xbox Accessibility Guideline 107 pede que a fala essencial à jogabilidade tenha uma alternativa digital. A voz pode abrir um jogo para alguns jogadores e fechá-lo para outros, tema que nossas estatísticas de recursos de acessibilidade em jogos exploram em todos os tipos de entrada.
| Métrica | Valor | Fonte |
|---|---|---|
| Precisão do reconhecimento de palavras-chave em Mole Madness | 85% | Disney Research via Phys.org, 2016 |
| Quanto um reconhecedor comercial foi menos preciso do que o detector de palavras-chave | 35% | Disney Research via Phys.org, 2016 |
| Concordância entre reconhecedor e humanos em produções incorretas, crianças com desenvolvimento típico versus crianças com apraxia de fala na infância | 77% contra 75% | Ahmed et al., 2018 |
| Concordância entre reconhecedor e humanos em produções corretas, por falante: crianças com desenvolvimento típico versus crianças com apraxia versus fonoaudiólogos | 51% contra 47% contra 71% | Ahmed et al., 2018 |
| Precisão do PocketSphinx em áudio de fonoterapia infantil, padrão versus adaptado com treinamento de máxima a posteriori (MAP) | 59,4% contra 80,0% | Hair et al., ASSETS 2019 |
| Precisão média de um reconhecedor personalizado por correspondência de modelos na mesma avaliação | 75,8% | Hair et al., ASSETS 2019 |
| Alunos do ensino fundamental que testaram um protótipo holandês de jogo de leitura baseado em fala | Mais de 40 | Radboud University, 2023 |
| Estudos identificados versus incluídos em uma revisão de 2026 sobre jogos de áudio 3D para jogadores com deficiência visual | 975 contra 56 | Kaka and Juhana, JoMMiT 2026 |
Dados mais recentes disponíveis: Disney Research, 2016; Ahmed et al., 2018; Hair et al., 2019. Trata-se de ambientes clínicos ou de pesquisa com amostras pequenas, que informam apenas o desempenho do sistema.
7. Como os Jogadores Realmente Reagem
Phasmophobia tem 94% de avaliações positivas em 360.726 avaliações em inglês, enquanto Suck Up! está em 61% (páginas da loja da Steam, 31 de outubro de 2026). Os dois pedem que você fale com o jogo, mas pedem de formas diferentes. Em um, a voz é um único recurso dentro de uma caça a fantasmas mais ampla. No outro, falar para passar por personagens de IA é o ciclo central, e o resultado misto se repete em DON’T SCREAM, em que fazer barulho demais encerra a partida.
As avaliações não conseguem isolar a voz de todo o resto de um jogo, então leia isto como um padrão, não como uma medição. O trabalho acadêmico aponta na mesma direção. Um estudo do CHI PLAY 2015 concluiu que entender a identidade do jogador no jogo importa tanto quanto a precisão do reconhecimento. Um pequeno estudo de 2018 foi além, com 5 participantes apresentando maior engajamento, porém menor felicidade com a voz do que com o teclado (p = 2,005e-14 e p = 1e-3, teste t pareado, Mattey and Yuksel, OverVoice). Com uma amostra tão pequena, trate isso como uma hipótese.
| Métrica | Valor | Fonte |
|---|---|---|
| Itens analisados sobre a recepção de jogos de voz (166 + 2.951 + 84 + 69) | 3.270 avaliações, discussões e vídeos | Carter et al., CHI PLAY 2015 |
| Parcela positiva de Phasmophobia nas avaliações em inglês da Steam | 94% de 360.726 | Página da loja da Steam, 2026 |
| Parcela positiva de Mage Arena nas avaliações em inglês da Steam (feitiços lançados por voz) | 90% de 11.561 | Página da loja da Steam, 2026 |
| Parcela positiva de Tom Clancy’s EndWar nas avaliações da Steam (jogo de estratégia de 2009 com ordens por voz) | 80% de 1.035 | Página da loja da Steam, 2026 |
| Parcela positiva de DON’T SCREAM nas avaliações em inglês da Steam | 68% de 1.795 | Página da loja da Steam, 2026 |
| Parcela positiva de Suck Up! nas avaliações da Steam (os jogadores falam com personagens de IA) | 61% de 226 | Página da loja da Steam, 2026 |
| Pontuação na System Usability Scale para personagens de IA falados em realidade virtual (escala de 0 a 100) | 79,44 | Korkiakoski et al., arXiv 2025 |
| Credibilidade de personagens de IA falados em realidade virtual (em 10) | 6,67 | Korkiakoski et al., arXiv 2025 |
Dados mais recentes disponíveis sobre as atitudes dos jogadores: Carter et al., 2015. Não encontramos nenhuma pesquisa ampla com jogadores sobre a preferência por comandos de voz, então este levantamento não traz nenhuma parcela de jogadores que preferem o controle por voz.
Resumo: Comandos de Voz e Reconhecimento de Fala em Videogames em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Novos videogames de interação por voz lançados em um ano | 106 em 2017 | Allison et al., CHI PLAY 2018 |
| Vendas totais de unidades do Kinect ao longo da vida | 35 milhões | MCV 2017 |
| Média de comandos de voz por mês, segundo a Microsoft (declaração da empresa) | 120 | Shacknews 2014 |
| Unidades do PS5 enviadas ao varejo, acumulado até 30 de junho de 2026 | Mais de 95 milhões | Sony Interactive Entertainment 2026 |
| Unidades do Nintendo Switch 2 vendidas, acumulado até 30 de junho de 2026 | 23,68 milhões | Nintendo 2026 |
| Americanos com 18 anos ou mais que usam um assistente de voz em qualquer dispositivo | 62% | NPR e Edison Research 2022 |
| Resultados na loja da Steam para a tag Controle por voz | 190 | Busca na loja da Steam, 31 de outubro de 2026 |
| Vendas de Phasmophobia em todas as plataformas | Mais de 25 milhões | Kinetic Games via WorthPlaying 2025 |
| WER média do melhor modelo geral testado | 6,9% | Roll e Graham, SLaTE 2025 |
| Diferença de WER entre falantes de inglês como segunda língua e como primeira língua | 2,6 a 5,9 vezes | Roll e Graham, SLaTE 2025 |
| WER do Wav2Vec 2.0, fala com sotaque versus falantes nativos | 30-50% contra 2-8% | Bandodkar et al., AAAI 2024 |
| Velocidade de entrada de texto, fala em inglês versus teclado do celular | 153 contra 52 palavras por minuto | Ruan et al., 2017 |
| Troca falada completa com um personagem de IA, média versus pior caso | 6,909 contra 24,362 segundos | Korkiakoski et al., arXiv 2025 |
| Precisão do reconhecimento de palavras-chave em Mole Madness | 85% | Disney Research via Phys.org, 2016 |
| Concordância entre reconhecedor e humanos em produções corretas, crianças com apraxia de fala na infância | 47% | Ahmed et al., 2018 |
Metodologia e Fontes
Lemos cada número nas fontes abaixo durante esta atualização e rastreamos os números de empresas até a empresa que os publicou. Reportagens da imprensa são nomeadas quando a declaração original não estava disponível para leitura direta.
- 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 outubro de 2017
- Shacknews, Including Kinect was ‘the right call,’ says Microsoft exec, 16 de maio de 2014
- Sony Interactive Entertainment, Business Data and Sales, em 30 de junho de 2026
- PlayStation Support, Voice Command (Preview) on PS5
- Sony Interactive Entertainment, patente dos EUA 12300221, concedida em 13 de maio de 2025
- Nintendo, Consolidated Hardware and Software Sales Units, em 30 de junho de 2026
- Nintendo, GameChat features for Nintendo Switch 2
- NPR e Edison Research, Smart Audio Report 2022
- Busca na loja da Steam, tag Controle por voz, 31 de outubro 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 fevereiro de 2025
- WorthPlaying, Phasmophobia surpasses 25 million sales, 1º de julho 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 e Hodgins), segundo a 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 pelo Texas A&M PSI Lab
- Radboud University, Playfully practicing speaking and reading, 28 de junho 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 da loja da Steam, lidas em 31 de outubro de 2026: Phasmophobia, Mage Arena, Tom Clancy’s EndWar, DON’T SCREAM, Suck Up!, Radio General
- Nota sobre os dados: Não encontramos nenhum número de detentoras de plataformas sobre a parcela de jogadores que usam comandos de voz, e os números do Kinect de 80%, 120 comandos e 1 bilhão de comandos são declarações não auditadas da Microsoft de 2014. A contagem de 190 resultados na Steam inclui demos e softwares utilitários e se baseia em tags aplicadas pelos usuários, o que é um dos motivos de ela diferir da contagem sem data de 113 da DataHumble. Allison et al. descreveram seis fases em 2016 e sete em 2020, e usamos a contagem mais recente. A faixa de 2-8% para falantes nativos no AAAI 2024 é citada pelos autores a partir de trabalhos anteriores, não medida naquele artigo, e os estudos de sotaque não usaram áudio de jogos. A diferença de 2,6 a 5,9 vezes é a faixa declarada pelos autores, e a WER média entre corpora nesse artigo variou de 2,3% a 26,9%, então uma única taxa de destaque depende muito das gravações usadas. As contagens de avaliações da Steam mudam diariamente, e algumas páginas não informam se a contagem cobre apenas avaliações em inglês. A moderação de chat de voz não é abordada porque os relatórios de progresso de Call of Duty não puderam ser acessados durante esta atualização. A Sony e a Nintendo atualizam seus números de hardware a cada relatório trimestral.
Última atualização: 31 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando a Nintendo publicar sua próxima atualização de Consolidated Hardware and Software Sales Units.