O Whisper large-v2, um modelo de reconhecimento de fala amplamente usado, cometeu 36,4% de erros de palavras em áudio de reuniões captado por um único microfone distante, contra 16,9% nas mesmas reuniões gravadas por microfones de headset (OpenAI, artigo do Whisper 2022). A diferença começa na captação: o microfone integrado de um notebook a cerca de 60 cm registrou a fala 12,82 dB mais baixa do que o microfone de um headset a 15 a 20 cm em um estudo com 30 pessoas (Busquet et al., Behavior Research Methods 2023). E ela não fica só no plano técnico: 600 ouvintes deram a um candidato a emprego, ouvido com um som metálico de microfone ruim, nota 68,50 de 100 em potencial de contratação, contra 76,04 para a gravação limpa (Walter-Terrill et al., PNAS 2025). Reunimos dados da Amazon, da Yale University, dos desafios REVERB e CHiME, da Ear and Hearing, de um estudo de reuniões com cinco organizações, da ITU-T e da Zoom, além de duas pesquisas de fornecedores identificadas como tal. Para o mercado de hardware em si, veja nossas estatísticas do mercado de webcams; esta página trata do que o microfone faz com a voz.
TL;DR
- Taxa de erro de palavras do Whisper large-v2 em reuniões AMI: 16,9% com microfones individuais de headset vs 36,4% com um microfone distante (OpenAI, artigo do Whisper 2022).
- O microfone integrado de um notebook a cerca de 60 cm captou a fala a 46,91 dB vs 59,73 dB do microfone de um headset a 15 a 20 cm (Busquet et al., Behavior Research Methods 2023).
- Nas gravações de jantares DiPCo da Amazon, a WER de campo próximo foi de 42,10% vs 77,52% dos arranjos de campo distante (Van Segbroeck et al., DiPCo 2019).
- Reuniões em mandarim do AliMeeting: 9,9% de erros de caracteres em áudio de headset vs 49,0% em áudio de arranjo de campo distante (Yu et al., M2MeT 2022).
- O potencial de contratação caiu de 76,04 para 68,50 em 100 quando a mesma voz soava como um microfone ruim, sem mudança na precisão da transcrição (98,09% vs 98,07%) (Walter-Terrill et al., PNAS 2025).
- Áudio de baixa qualidade teve MOS ViSQOL de 2,13 vs 4,68 para qualidade média, e reduziu as avaliações de empregabilidade (Schütze et al., Forum Acusticum 2026).
- O ruído de fundo retardou as respostas dos ouvintes em média 91 ms, uma medida do esforço auditivo (Picou et al., Ear and Hearing 2016).
- Adultos com implante coclear atingiram cerca de 60% da eficiência auditiva típica em conversas online só de áudio, subindo para cerca de 80% com legendas (Perea Pérez et al., Ear and Hearing 2025).
- Apenas 30% dos trabalhadores do conhecimento usam um headset profissional no trabalho e 8% o chamam de dispositivo principal (Jabra 2023 Knowledge Worker Study, pesquisa de fornecedor).
1. Distância do Microfone e Nível da Fala Captada
O microfone de uma webcam ou de um notebook é um microfone de campo distante (far-field): fica mais ou menos à distância de um braço da boca, ou mais longe, e por isso grava a sala junto com a voz. O microfone de um headset é um microfone de campo próximo (close-talk), a poucos centímetros dos lábios. A comparação medida mais limpa vem de um estudo de 2023 que gravou os mesmos falantes em vários dispositivos. O microfone integrado do notebook a cerca de 60 cm captou a fala a 46,91 dB, enquanto o microfone de um headset a 15 a 20 cm captou 59,73 dB, uma diferença de 12,82 dB (59,73 menos 46,91) (Busquet, Efthymiou e Hildebrand, Behavior Research Methods 2023).
Dois detalhes importam para quem compra. Primeiro, até um microfone de estúdio a esses mesmos 60 cm captou 10,76 dB a mais do que o notebook (57,67 menos 46,91), então o microfone integrado perde terreno tanto pela distância quanto pelo hardware. Segundo, o notebook e o microfone de estúdio mediram a altura média da voz de forma quase idêntica, o que significa que um microfone distante não muda com quem você se parece; muda quanto de você chega ao outro lado em comparação com a sala. Um teste à parte com gravações de trabalho em grupo mostra a outra metade da história: com seis microfones diferentes, todos a 5 pés (cerca de 1,5 m) de distância, a escolha do modelo quase não alterou a taxa de erro (Bradford et al., EDM 2022).
| Métrica | Valor | Fonte |
|---|---|---|
| Nível da fala, microfone integrado do notebook a cerca de 60 cm vs microfone de headset a 15 a 20 cm | 46,91 dB vs 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Nível da fala, microfone de estúdio a cerca de 60 cm vs microfone de lapela (clip-on) a 15 a 20 cm | 57,67 dB vs 63,68 dB | Busquet et al., Behavior Research Methods 2023 |
| Altura média da voz medida pelo microfone do notebook vs pelo microfone de estúdio | 168,42 Hz vs 169,31 Hz (t = -0,89; p = 0,99) | Busquet et al., Behavior Research Methods 2023 |
| Tamanho do estudo de comparação de dispositivos | 30 participantes, 1.800 amostras de voz | Busquet et al., Behavior Research Methods 2023 |
| Taxa de erro de palavras, seis microfones a 5 pés dos falantes, leitura de roteiro em voz alta | 10,7% a 12,0% | Bradford et al., EDM 2022 |
| Taxa de erro de palavras, os mesmos seis microfones, conversa livre em grupo | 52,7% a 61,3% | Bradford et al., EDM 2022 |
| Distância de cada falante aos arranjos de campo distante nas gravações DiPCo | 1.120 mm a 3.950 mm | Van Segbroeck et al., DiPCo 2019 |
| Distância entre microfone e falante nas salas de reunião do AliMeeting | 0,3 a 5,0 m | Yu et al., M2MeT 2022 |
Nota de contexto: os valores em decibéis desse estudo são medidas de amplitude das gravações, não níveis de pressão sonora calibrados, de modo que a diferença de 12,82 dB compara dispositivos dentro de um mesmo cenário em vez de prever o que qualquer webcam vai entregar. Dado mais recente disponível para a comparação do EDM: 2022.
2. Erros de Reconhecimento de Fala: Campo Próximo vs Campo Distante
O reconhecimento de fala é o ouvinte mais mensurável que existe, e diz a mesma coisa em todos os corpora: afaste o microfone e os erros mais ou menos dobram, ou pioram. O Whisper large-v2 foi de 16,9% de WER (taxa de erro de palavras, a parcela de palavras transcritas errado) em reuniões AMI gravadas com microfones individuais de headset para 36,4% nas mesmas reuniões captadas por um único microfone distante, cerca de 2,2 vezes mais (36,4 dividido por 16,9) (Radford et al., artigo do Whisper da OpenAI 2022). Um modelo wav2vec 2.0 mais antigo mostra a mesma direção, 37,0% vs 67,6%.
O padrão se repete em residências e em outros idiomas. O corpus DiPCo da Amazon gravou quatro pessoas ao redor de uma mesa de jantar com headsets e cinco arranjos de campo distante ao mesmo tempo: a melhor configuração de avaliação chegou a 42,10% de WER em campo próximo e 77,52% em campo distante, cerca de 1,8 vez mais (77,52 dividido por 42,10) (Van Segbroeck et al., DiPCo 2019). Em reuniões em mandarim a diferença foi maior, 9,9% vs 49,0% de CER (taxa de erro de caracteres, o equivalente da WER para o mandarim), cerca de 5 vezes (49,0 dividido por 9,9) (Yu et al., M2MeT 2022). Treinar com áudio de campo distante reduziu a diferença para 8,2% vs 33,3%, mas não a eliminou. Salas com arranjos no teto têm dados próprios, tratados em nossas estatísticas de microfones de beamforming para salas de conferência.
| Métrica | Valor | Fonte |
|---|---|---|
| WER do Whisper large-v2, reuniões AMI: microfones individuais de headset vs um único microfone distante | 16,9% vs 36,4% | Radford et al., artigo do Whisper da OpenAI 2022 |
| WER do wav2vec 2.0 Large (sem modelo de linguagem), AMI: microfones de headset vs um único microfone distante | 37,0% vs 67,6% | Radford et al., artigo do Whisper da OpenAI 2022 |
| WER em gravações reais do REVERB, melhor sistema de oito microfones | 9,0% | Kinoshita et al., resumo do desafio REVERB 2016 |
| WER de avaliação do DiPCo, headset de campo próximo vs arranjo de campo distante (melhor modelo de linguagem) | 42,10% vs 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER do AliMeeting, modelo treinado com áudio de headset: teste com headset vs teste de campo distante | 9,9% vs 49,0% | Yu et al., M2MeT 2022 |
| CER do AliMeeting, modelo com dados adicionais de campo distante, externos e simulados: headset vs campo distante | 8,2% vs 33,3% | Yu et al., M2MeT 2022 |
| WER em gravações reais do REVERB: referência limpa/de headset vs linha de base de campo distante | 6,9% vs 49,2% | Kinoshita et al., resumo do desafio REVERB 2016 |
| WER da linha de base oficial do CHiME-6 em arranjos de campo distante, conjunto de desenvolvimento vs conjunto de avaliação | 51,8% vs 51,3% | Watanabe et al., desafio CHiME-6 2020 |
Dado mais recente disponível: o artigo do Whisper (2022) continua sendo a maior comparação pública lado a lado de WER com headset vs microfone distante nas mesmas reuniões; modelos mais novos não publicaram uma divisão AMI headset vs microfone distante no mesmo formato. O artigo da linha de base do CHiME-6 só permitiu arranjos de campo distante na fase de teste, e por isso não tem coluna de campo próximo.
3. Salas, Ruído e Esforço Auditivo
A distância importa por causa do que preenche o espaço entre a boca e o microfone: reflexões e ruído. Uma sala de estar típica leva de 0,3 a 0,7 s para a resposta decair 60 dB (o tempo de reverberação), segundo uma revisão sobre reconhecimento em campo distante (Haeb-Umbach et al., Far-Field Automatic Speech Recognition 2020). Um microfone de headset próximo da boca ouve bem menos dessa cauda do que o microfone de uma webcam em cima de um monitor.
Para ouvintes humanos, a evidência se divide de um jeito útil. Em um estudo controlado da Ear and Hearing, o ruído de fundo retardou as respostas em média 91 ms (a medida de esforço auditivo do estudo), enquanto a reverberação não alterou o esforço de forma significativa, embora cada aumento no nível de reverberação tenha reduzido o reconhecimento de palavras em cerca de 8 RAU (unidades de arco-seno racionalizadas, uma pontuação de acertos em percentual transformada) (Picou, Gordon e Ricketts, Ear and Hearing 2016). Em outras palavras, o eco da sala custa palavras; o ruído da sala custa energia. Isso importa porque um microfone distante capta mais dos dois. Para pessoas com perda auditiva, o National Acoustic Laboratories, da Austrália, constatou que acompanhar conversas por videoconferência exigia muito mais esforço do que para pessoas com audição normal, e que os aparelhos auditivos não restauravam os níveis da conversa presencial. O lado fisiológico da fadiga das chamadas está em nossas estatísticas de biomarcadores de fadiga em reuniões por vídeo.
| Métrica | Valor | Fonte |
|---|---|---|
| Tempo de reverberação típico de uma sala de estar (decaimento até -60 dB) | 0,3 a 0,7 s | Haeb-Umbach et al., revisão de ASR em campo distante 2020 |
| Perda de reconhecimento de palavras por aumento no nível de reverberação, com relação sinal-ruído fixa | cerca de 8 RAU | Picou et al., Ear and Hearing 2016 |
| Aumento no tempo de resposta com ruído vs em silêncio (esforço auditivo) | média de 91 ms | Picou et al., Ear and Hearing 2016 |
| Efeito da reverberação sobre o esforço auditivo quando o reconhecimento era comparável | não significativo (p = 0,18) | Picou et al., Ear and Hearing 2016 |
| Tempos de reverberação testados nesse estudo | T30 abaixo de 100 ms, 475 ms e 834 ms | Picou et al., Ear and Hearing 2016 |
| Salas simuladas do REVERB: tempos de reverberação e distância do microfone próximo vs distante | 0,3, 0,6 e 0,7 s; 50 cm vs 200 cm | Kinoshita et al., resumo do desafio REVERB 2016 |
| WER de campo distante no CHiME-5: linha de base vs back-end de reconhecimento robusto vs separação e desreverberação com vários microfones | pouco abaixo de 80% vs aproximadamente 60% vs 43,2% | Haeb-Umbach et al., revisão de ASR em campo distante 2020 |
| Eficiência auditiva de usuários de implante coclear em conversas online, só áudio vs com legendas (parcela da média de audição típica) | cerca de 60% vs cerca de 80% | Perea Pérez et al., Ear and Hearing 2025 |
Nota sobre valores atípicos: o efeito nulo da reverberação sobre o esforço surpreendeu os próprios autores, que o consideraram inconsistente com os modelos atuais de esforço auditivo; ele foi medido em 18 adultos jovens com audição normal. Dado mais recente disponível: 2016. O ruído é a metade que o software consegue atacar, veja nossas estatísticas de supressão neural de ruído.
4. Como os Ouvintes Julgam Quem Fala por um Microfone Ruim
A descoberta de maior consequência dos últimos dois anos é que o som ruim de um microfone muda o julgamento sobre a pessoa, não só a inteligibilidade. Em um experimento da PNAS com 600 ouvintes, um candidato a emprego ouvido com um som metálico e oco de ‘microfone ruim’ recebeu nota de potencial de contratação de 68,50 vs 76,04 para a gravação limpa (d = 0,35, P < 0,001), enquanto a precisão da transcrição foi idêntica, 98,07% vs 98,09% (Walter-Terrill, Ongchoco e Scholl, PNAS 2025). Os ouvintes entenderam todas as palavras; simplesmente passaram a pensar menos do falante.
Um estudo de acompanhamento de 2026, com 299 participantes e entrevistas de emprego com avatares, constatou que áudio de baixa taxa de bits e banda limitada reduziu as avaliações de empregabilidade (p < 0,001), enquanto a passagem da qualidade média para a alta não fez diferença (p = 0,813) (Schütze, Biberger e Reber, Forum Acusticum 2026). Isso sugere um limiar: os ouvintes punem áudio claramente degradado, não o áudio meramente comum. Trabalhos anteriores encontraram o mesmo viés em entrevistas simuladas pelo Skype, onde ele persistiu mesmo depois de os avaliadores serem instruídos a ignorar a qualidade da chamada (Fiechter et al., Cognitive Research 2018).
| Métrica | Valor | Fonte |
|---|---|---|
| Nota de potencial de contratação (0 a 100), gravação limpa vs versão metálica de ‘microfone ruim’ | 76,04 vs 68,50 (d = 0,35) | Walter-Terrill et al., PNAS 2025 |
| Precisão da transcrição, gravação limpa vs distorcida | 98,09% vs 98,07% (P = 0,915) | Walter-Terrill et al., PNAS 2025 |
| Ouvintes no Experimento 1 | 600 (300 por condição) | Walter-Terrill et al., PNAS 2025 |
| Diferença na avaliação de empregabilidade, qualidade de áudio alta vs baixa (escala de 0 a 100) | 6,4 pontos; baixa vs alta p < 0,001; média vs alta p = 0,813 | Schütze et al., Forum Acusticum 2026 |
| Qualidade objetiva (MOS ViSQOL) do áudio de baixa qualidade vs de qualidade média | 2,13 vs 4,68 | Schütze et al., Forum Acusticum 2026 |
| Nota de aptidão para contratação (1 a 10), áudio e vídeo fluidos vs degradados, os dois experimentos combinados | 6,91 vs 6,33 (d de Cohen = 0,44) | Fiechter et al., Cognitive Research 2018 |
| Ouvintes que avaliaram palestras ou entrevistas de rádio idênticas ouvidas com áudio bom vs ruim | 97 (Experimento 1) e 99 (Experimento 2) | Newman e Schwarz, Science Communication 2018 |
Nota de contexto: no estudo de Newman e Schwarz (DOI 10.1177/1075547018759345), o áudio ruim reduziu as avaliações da palestra, da inteligência do palestrante e da importância da pesquisa, conforme resumido pela USC. MOS (mean opinion score, nota média de opinião) é a escala padrão de qualidade de escuta, em que maior é melhor; o ViSQOL é um modelo de software que a prevê. Dado mais recente disponível para os estudos de Fiechter e de Newman: 2018.
5. Regras de Certificação: O Que Teams, Zoom e ITU Realmente Testam
Os programas de certificação mostram onde os fabricantes colocam a barra de áudio, e as webcams ficam em sua maioria fora dela. A página de dispositivos certificados do Teams diz que dispositivos de áudio como headsets e viva-vozes precisam oferecer áudio de banda larga (wideband), sem eco, distorção ou falhas excessivas, enquanto os critérios que ela lista para dispositivos de vídeo são todos métricas de imagem (Microsoft Learn, Teams certified USB devices, novembro de 2026). Dos 22 dispositivos USB dessa lista qualificados em 2026, 2 são webcams e 20 são headsets ou sistemas de headset (nossa contagem da tabela de novembro de 2026).
A barra dos headsets também tem uma faixa premium. A documentação de laboratórios de teste da Teams Audio Test Specification descreve um módulo opcional de escritório aberto que pontua o MOS de fala e de ruído sob ruído de escritório mais a ‘atenuação de distratores’, isto é, quanto da voz de um vizinho o headset rejeita (ficha técnica da HEAD acoustics, Teams Audio Test Specification 60026). A Zoom unificou em 2022 os padrões de teste objetivos de suas categorias de áudio (Zoom, atualização da certificação de hardware 2022), e a montagem de laboratório do Teams se apoia em métodos da ITU-T como o P.502 e a boca artificial P.51 (um alto-falante que imita uma pessoa falando). A referência mais ampla para pontuar a fala captada é a ITU-T P.863 (POLQA), o modelo padrão que prevê a qualidade de escuta na escala MOS.
| Métrica | Valor | Fonte |
|---|---|---|
| Requisito de áudio para headsets e viva-vozes certificados pelo Teams | áudio de banda larga (wideband) sem eco, distorção ou falhas excessivas; cancelamento de eco compatível | Microsoft Learn, Teams certified USB devices 2026 |
| Critérios listados para dispositivos de vídeo certificados pelo Teams, como webcams | ruído, cor, detalhe da imagem, jitter, latência, taxa de quadros, campo de visão (métricas de imagem) | Microsoft Learn, Teams certified USB devices 2026 |
| Dispositivos USB qualificados em 2026 (até a tabela de novembro de 2026): webcams vs headsets ou sistemas de headset | 2 vs 20 (de 22) | Microsoft Learn, nossa contagem da tabela de novembro de 2026 |
| Versão da Teams Audio Test Specification usada pelos laboratórios de teste e categorias de dispositivos | V5.0 incluindo o Adendo A; 4 categorias (headsets, telefones de mesa pessoais, viva-vozes pessoais, viva-vozes compartilhados) | ficha técnica de laboratório de testes da HEAD acoustics 2026 |
| Métricas extras no teste opcional de headset para escritório aberto | MOS de fala e de ruído 3QUEST; atenuação de distratores (média e mínima) | ficha técnica de laboratório de testes da HEAD acoustics 2026 |
| Categorias de áudio e afins da Zoom com padrões de teste objetivos atualizados e unificados | 7 | atualização da certificação de hardware da Zoom, 16 de março de 2022 |
| Com que frequência dispositivos certificados pela Zoom precisam ser recertificados | pelo menos a cada dois anos | atualização da certificação de hardware da Zoom, 16 de março de 2022 |
| Edição em vigor da ITU-T P.863 (POLQA) e sua emenda | P.863 (03/18); Emenda 1 (04/20) sobre a previsão de fala de banda estreita gravada acusticamente | Recomendação ITU-T P.863 |
Nota de contexto: ‘banda larga’ (wideband) aqui é um termo de telefonia para áudio que preserva uma faixa de frequências mais ampla do que o áudio telefônico tradicional de banda estreita; não é uma medida de volume. Dado mais recente disponível para os critérios da Zoom: 2022, já que a Zoom não publicou limites mais novos.
6. Como as Pessoas se Equipam e o Que Isso Muda em Reuniões Reais
Os dados de pesquisa sobre equipamentos são escassos e em sua maioria feitos por fornecedores, mas apontam para um só lado: a maioria das pessoas ainda fala por qualquer microfone que venha embutido. Apenas 30% dos trabalhadores do conhecimento usam um headset profissional no trabalho e 8% o chamam de dispositivo principal, embora 91% usem uma plataforma de reuniões online (Jabra 2023 Knowledge Worker Study, pesquisa de fornecedor). Uma pesquisa da Logitech de 2022 com mais de 3.000 trabalhadores remotos nos EUA, na Alemanha e na China constatou que 85% enfrentam problemas de som (Logitech, pesquisa de fornecedor).
Dados independentes acrescentam o lado do resultado. Um estudo com cerca de 7.330 respostas utilizáveis de pesquisas pós-reunião em cinco grandes organizações constatou que usar um headset aumentou as chances de uma avaliação de ‘Participação’ (OR = 1,16), e chamadas com problemas de qualidade de áudio tiveram chances muito menores de serem avaliadas como eficazes (OR = 0,14) (Hosseinkashi et al., Microsoft Research, estudo de eficácia de reuniões 2024). Uma razão de chances (OR) abaixo de 1 significa chances menores; 0,14 é um efeito grande. Lido junto com a diferença de nível da seção 1, o argumento a favor da captação em campo próximo é o de ser percebido como plenamente presente, não apenas o de ser ouvido.
| Métrica | Valor | Fonte |
|---|---|---|
| Trabalhadores do conhecimento que usam um headset profissional no trabalho | 30% | Jabra 2023 Knowledge Worker Study (pesquisa de fornecedor, mais de 7.000 funcionários) |
| Trabalhadores do conhecimento que dizem que um headset profissional é seu dispositivo principal | 8% | Jabra 2023 Knowledge Worker Study (pesquisa de fornecedor) |
| Trabalhadores remotos que enfrentam problemas de som em chamadas | 85% | pesquisa com usuários finais da Logitech, maio de 2022 (pesquisa de fornecedor, mais de 3.000 trabalhadores) |
| Estudo de conversas online, grupo com audição típica: ouviram em alto-falantes vs fones de ouvido | 72% vs 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Mesmo estudo, grupo com implante coclear: alto-falantes vs fones de ouvido vs transmissão direta | 68% vs 12% vs 20% | Perea Pérez et al., Ear and Hearing 2025 |
| Razão de chances ajustada para uma avaliação de ‘Participação’ quando o usuário usa headset | 1,16 | Hosseinkashi et al., Microsoft Research 2024 |
| Taxa de participação, chamadas só de áudio com headset vs sem | cerca de 5% maior | Hosseinkashi et al., Microsoft Research 2024 |
| Razão de chances ajustada para uma avaliação de reunião ‘Eficaz’ quando a chamada teve problemas de qualidade (eco, ruído, distorção) | 0,14 | Hosseinkashi et al., Microsoft Research 2024 |
Nota sobre valores atípicos: o texto do estudo de reuniões diz que as chances de Participação sobem ‘em 20%’ com um headset, enquanto sua própria tabela traz uma razão de chances de 1,16; nós reportamos o valor da tabela. Os autores também alertam que detectar o uso de headset a partir da telemetria não é confiável, porque muitos dispositivos informam isso de forma incorreta. Dado mais recente disponível para a pesquisa da Logitech: maio de 2022.
Resumo: Microfone Integrado da Webcam vs Headset em Qualidade de Fala em Números
| Métrica | Valor | Fonte |
|---|---|---|
| WER do Whisper large-v2, microfones de headset AMI vs um único microfone distante | 16,9% vs 36,4% | Radford et al., artigo do Whisper da OpenAI 2022 |
| WER do DiPCo, campo próximo vs arranjo de campo distante | 42,10% vs 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER do AliMeeting, headset vs campo distante | 9,9% vs 49,0% | Yu et al., M2MeT 2022 |
| Gravações reais do REVERB: WER limpa/de headset vs linha de base de campo distante vs melhor sistema de 8 microfones | 6,9% vs 49,2% vs 9,0% | Kinoshita et al., resumo do desafio REVERB 2016 |
| Nível da fala, microfone do notebook a cerca de 60 cm vs microfone de headset a 15 a 20 cm | 46,91 dB vs 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Faixa de WER de seis microfones a 5 pés, roteiro vs conversa livre | 10,7% a 12,0% vs 52,7% a 61,3% | Bradford et al., EDM 2022 |
| Tempo de reverberação típico de uma sala de estar | 0,3 a 0,7 s | Haeb-Umbach et al., revisão de ASR em campo distante 2020 |
| Aumento no tempo de resposta causado por ruído de fundo | média de 91 ms | Picou et al., Ear and Hearing 2016 |
| Eficiência auditiva de implante coclear online, só áudio vs legendas | cerca de 60% vs cerca de 80% do típico | Perea Pérez et al., Ear and Hearing 2025 |
| Potencial de contratação, som limpo vs de microfone ruim (0 a 100) | 76,04 vs 68,50 | Walter-Terrill et al., PNAS 2025 |
| MOS ViSQOL, qualidade de áudio baixa vs média | 2,13 vs 4,68 | Schütze et al., Forum Acusticum 2026 |
| Aptidão para contratação (1 a 10), áudio e vídeo fluidos vs degradados | 6,91 vs 6,33 | Fiechter et al., Cognitive Research 2018 |
| Uso de headset profissional no trabalho | 30% | Jabra 2023 Knowledge Worker Study (pesquisa de fornecedor) |
| Headset profissional apontado como dispositivo principal | 8% | Jabra 2023 Knowledge Worker Study (pesquisa de fornecedor) |
| Ouvintes de conversas online com audição típica em alto-falantes vs fones de ouvido | 72% vs 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Distância entre microfone e falante nas salas do AliMeeting | 0,3 a 5,0 m | Yu et al., M2MeT 2022 |
| Trabalhadores remotos com problemas de som | 85% | pesquisa com usuários finais da Logitech 2022 (pesquisa de fornecedor) |
| Intervalo de recertificação da Zoom | pelo menos a cada dois anos | atualização da certificação de hardware da Zoom 2022 |
Metodologia e Fontes
- Busquet, Efthymiou e 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 e 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, avaliação estruturada da comunicação por videoconferência, 2022
- Walter-Terrill, Ongchoco e Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger e Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (artigo preliminar)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman e Schwarz, Good Sound, Good Research, Science Communication 2018, conforme relatado pela USC
- Microsoft Learn, Teams certified USB devices, tabela de novembro de 2026
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, revisão de 2024
- HEAD acoustics, ficha técnica ACQUA Standards para a Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 de março de 2022
- Recomendação ITU-T P.863, Perceptual objective listening quality prediction
- Jabra, estudo de engajamento da LSE e 2023 Knowledge Worker Study (pesquisa de fornecedor)
- Logitech, Your Remote Employees are Underequipped (pesquisa de fornecedor), com trabalho de campo da 2CV Research em maio de 2022, segundo o PDF completo do estudo da Logitech
- Nota sobre os dados: nenhum estudo público mediu até agora o microfone integrado de uma webcam atual contra um headset com os mesmos falantes usando POLQA ou reconhecimento automático de fala, então este levantamento combina dados de microfones de notebook, de microfones distantes e de arranjos como a evidência de campo distante mais próxima. Vários conjuntos de dados importantes têm mais de três anos (REVERB 2016, o estudo de ruído e reverberação de 2016, Fiechter e Newman 2018, DiPCo 2019, Whisper e M2MeT 2022, critérios da Zoom 2022) e estão sinalizados em suas seções. Conflitos e inconsistências: o texto do estudo de reuniões indica um aumento de 20% nas chances de Participação para quem usa headset, enquanto sua tabela traz uma razão de chances de 1,16 (usamos a tabela); o artigo do DiPCo informa sessões de 15 a 45 minutos no resumo e de 15 a 47 minutos no corpo do texto; o artigo do M2MeT imprime duas taxas de sobreposição diferentes para o seu conjunto de avaliação (não usamos nenhuma delas). A diferença de 6,4 pontos na empregabilidade vem de um artigo preliminar do Forum Acusticum que ainda não está em periódico. Os números da Jabra e da Logitech são pesquisas de fornecedores e estão identificados como tal. Os valores de 12,82 dB, 10,76 dB e as razões são subtrações ou divisões nossas de valores publicados, com a conta mostrada no texto.
Última atualização: 7 de novembro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando os anais finais do Forum Acusticum 2026 (a 12ª Convenção da European Acoustics Association) forem publicados.