Yaygın kullanılan bir konuşma tanıma modeli olan Whisper large-v2, tek bir uzak mikrofonla yakalanan toplantı sesinde %36,4 kelime hatası yaptı; aynı toplantılar kulaklık mikrofonlarıyla kaydedildiğinde bu oran %16,9 idi (OpenAI, Whisper makalesi 2022). Fark, kayıt aşamasında başlıyor: 30 kişilik bir çalışmada (Busquet ve diğerleri, Behavior Research Methods 2023) yaklaşık 60 cm uzaktaki dizüstü bilgisayar dahili mikrofonu, 15 ila 20 cm mesafedeki kulaklık mikrofonundan 12,82 dB daha düşük bir konuşma seviyesi kaydetti. Üstelik bu yalnızca teknik bir mesele olarak kalmıyor: 600 dinleyici, tiz ve kötü mikrofon sesiyle dinlenen bir iş adayına işe alınabilirlik açısından 100 üzerinden 68,50 verdi; net kayıtta bu puan 76,04 idi (Walter-Terrill ve diğerleri, PNAS 2025). Amazon, Yale University, REVERB ve CHiME yarışmaları, Ear and Hearing, beş kuruluşlu bir toplantı çalışması, ITU-T ve Zoom’dan veri derledik; ayrıca açıkça belirtilmiş iki üretici anketini de ekledik. Donanım pazarının kendisi için web kamerası pazarı istatistiklerimize bakın; bu sayfa ise mikrofonun sese ne yaptığını ele alıyor.
TL;DR
- AMI toplantılarında Whisper large-v2 kelime hata oranı: bireysel kulaklık mikrofonlarında %16,9, tek bir uzak mikrofonda %36,4 (OpenAI, Whisper makalesi 2022).
- Yaklaşık 60 cm’deki dizüstü dahili mikrofonu konuşmayı 46,91 dB’de, 15 ila 20 cm’deki kulaklık mikrofonu ise 59,73 dB’de yakaladı (Busquet ve diğerleri, Behavior Research Methods 2023).
- Amazon’un DiPCo akşam yemeği kayıtlarında yakın konuşma WER’i %42,10, uzak alan dizilerinde %77,52 oldu (Van Segbroeck ve diğerleri, DiPCo 2019).
- AliMeeting Mandarin toplantıları: kulaklık sesinde %9,9, uzak alan dizisi sesinde %49,0 karakter hatası (Yu ve diğerleri, M2MeT 2022).
- Aynı ses kötü bir mikrofon gibi duyulduğunda işe alınabilirlik 100 üzerinden 76,04’ten 68,50’ye düştü; yazıya dökme doğruluğu değişmedi (%98,09 ve %98,07) (Walter-Terrill ve diğerleri, PNAS 2025).
- Düşük kaliteli ses 2,13 ViSQOL MOS aldı, orta kaliteli ses ise 4,68; ayrıca istihdam edilebilirlik puanlarını düşürdü (Schütze ve diğerleri, Forum Acusticum 2026).
- Arka plan gürültüsü, dinleme eforunun bir ölçüsü olarak dinleyici tepkilerini ortalama 91 ms yavaşlattı (Picou ve diğerleri, Ear and Hearing 2016).
- Koklear implant kullanan yetişkinler, yalnızca sesli çevrimiçi konuşmalarda tipik dinleme verimliliğinin yaklaşık %60’ına ulaştı; altyazıyla bu oran yaklaşık %80’e çıktı (Perea Pérez ve diğerleri, Ear and Hearing 2025).
- Bilgi çalışanlarının yalnızca %30’u iş için profesyonel kulaklık kullanıyor ve %8’i bunu ana cihazı olarak tanımlıyor (Jabra 2023 Knowledge Worker Study, üretici anketi).
1. Mikrofon Mesafesi ve Yakalanan Konuşma Seviyesi
Bir web kamerası veya dizüstü bilgisayar mikrofonu uzak alan (far-field) mikrofonudur: ağızdan yaklaşık bir kol boyu ya da daha uzakta durur, bu yüzden sesle birlikte odayı da kaydeder. Kulaklık mikrofonu ise dudaklardan birkaç santimetre uzaktaki yakın konuşma (close-talk) mikrofonudur. Ölçülmüş en temiz karşılaştırma, aynı konuşmacıları birkaç cihazda kaydeden 2023 tarihli bir çalışmadan geliyor. Yaklaşık 60 cm’deki dizüstü dahili mikrofonu konuşmayı 46,91 dB’de yakalarken, 15 ila 20 cm’deki kulaklık mikrofonu 59,73 dB yakaladı; aradaki fark 12,82 dB (59,73 eksi 46,91) (Busquet, Efthymiou ve Hildebrand, Behavior Research Methods 2023).
Alıcılar için iki ayrıntı önemli. Birincisi, aynı 60 cm’deki bir stüdyo mikrofonu bile dizüstü bilgisayarı 10,76 dB (57,67 eksi 46,91) geride bıraktı; yani dahili mikrofon hem mesafe hem de donanım yüzünden zemin kaybediyor. İkincisi, dizüstü bilgisayar ile stüdyo mikrofonu ortalama ses perdesini neredeyse aynı ölçtü; bu da uzak bir mikrofonun kime benzediğinizi değiştirmediği, odaya kıyasla sesinizin ne kadarının karşı tarafa ulaştığını değiştirdiği anlamına geliyor. Grup çalışması kayıtlarına dair ayrı bir test hikâyenin diğer yarısını gösteriyor: hepsi konuşmacılardan 5 feet (yaklaşık 1,5 m) uzağa yerleştirilen altı farklı mikrofonla, model seçimi hata oranını pek değiştirmedi (Bradford ve diğerleri, EDM 2022).
| Metrik | Değer | Kaynak |
|---|---|---|
| Konuşma seviyesi, yaklaşık 60 cm’deki dizüstü dahili mikrofonu ve 15 ila 20 cm’deki kulaklık mikrofonu | 46,91 dB ve 59,73 dB | Busquet ve diğerleri, Behavior Research Methods 2023 |
| Konuşma seviyesi, yaklaşık 60 cm’deki stüdyo mikrofonu ve 15 ila 20 cm’deki yaka (klipsli) mikrofonu | 57,67 dB ve 63,68 dB | Busquet ve diğerleri, Behavior Research Methods 2023 |
| Dizüstü mikrofonunun ve stüdyo mikrofonunun ölçtüğü ortalama ses perdesi | 168,42 Hz ve 169,31 Hz (t = -0,89, p = 0,99) | Busquet ve diğerleri, Behavior Research Methods 2023 |
| Cihaz karşılaştırma çalışmasının büyüklüğü | 30 katılımcı, 1.800 ses örneği | Busquet ve diğerleri, Behavior Research Methods 2023 |
| Kelime hata oranı, konuşmacılardan 5 feet uzaktaki altı mikrofon, metin okuma | %10,7 ila %12,0 | Bradford ve diğerleri, EDM 2022 |
| Kelime hata oranı, aynı altı mikrofon, serbest grup konuşması | %52,7 ila %61,3 | Bradford ve diğerleri, EDM 2022 |
| DiPCo kayıtlarında her konuşmacıdan uzak alan dizilerine olan mesafe | 1.120 mm ila 3.950 mm | Van Segbroeck ve diğerleri, DiPCo 2019 |
| AliMeeting toplantı odalarında mikrofon ile konuşmacı arasındaki mesafe | 0,3 ila 5,0 m | Yu ve diğerleri, M2MeT 2022 |
Bağlam notu: o çalışmadaki desibel değerleri kayıtlardan elde edilen genlik ölçüleridir, kalibre edilmiş ses basıncı seviyeleri değildir; bu yüzden 12,82 dB’lik fark, herhangi bir web kamerasının ne sunacağını öngörmekten çok tek bir düzenek içindeki cihazları karşılaştırır. EDM karşılaştırması için mevcut en güncel veri: 2022.
2. Konuşma Tanıma Hataları: Yakın Konuşma ve Uzak Alan
Konuşma tanıma, var olan en ölçülebilir dinleyicidir ve her derlemde aynı şeyi söyler: mikrofonu uzaklaştırdığınızda hatalar kabaca ikiye katlanır ya da daha da kötüleşir. Whisper large-v2, bireysel kulaklık mikrofonlarıyla kaydedilen AMI toplantılarında %16,9 WER’den (kelime hata oranı, yanlış yazıya dökülen kelimelerin payı), aynı toplantıların tek bir uzak mikrofondan kaydında %36,4’e çıktı; bu yaklaşık 2,2 kat daha yüksek (36,4 bölü 16,9) (Radford ve diğerleri, OpenAI Whisper makalesi 2022). Daha eski bir wav2vec 2.0 modeli de aynı yönü gösteriyor: %37,0 ve %67,6.
Örüntü evlerde ve başka dillerde de geçerli. Amazon’un DiPCo derlemesi, bir yemek masasının etrafındaki dört kişiyi aynı anda kulaklıklarla ve beş uzak alan dizisiyle kaydetti: en iyi değerlendirme düzeneği yakın konuşmada %42,10, uzak alanda %77,52 WER’e ulaştı; bu yaklaşık 1,8 kat daha yüksek (77,52 bölü 42,10) (Van Segbroeck ve diğerleri, DiPCo 2019). Mandarin toplantılarında fark daha diktir: %9,9 ve %49,0 CER (karakter hata oranı, WER’in Mandarin karşılığı), yaklaşık 5 kat (49,0 bölü 9,9) (Yu ve diğerleri, M2MeT 2022). Uzak alan sesiyle eğitim bunu %8,2 ve %33,3’e indirdi ama kapatmadı. Tavan dizili odaların kendi verileri var; bunlar konferans odası ışın şekillendirmeli mikrofon istatistiklerimizde ele alınıyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Whisper large-v2 WER, AMI toplantıları: bireysel kulaklık mikrofonları ve tek uzak mikrofon | %16,9 ve %36,4 | Radford ve diğerleri, OpenAI Whisper makalesi 2022 |
| wav2vec 2.0 Large (dil modeli olmadan) WER, AMI: kulaklık mikrofonları ve tek uzak mikrofon | %37,0 ve %67,6 | Radford ve diğerleri, OpenAI Whisper makalesi 2022 |
| REVERB gerçek kayıtlarında WER, en iyi sekiz mikrofonlu sistem | %9,0 | Kinoshita ve diğerleri, REVERB yarışması özeti 2016 |
| DiPCo değerlendirme WER’i, yakın konuşma kulaklığı ve uzak alan dizisi (en iyi dil modeli) | %42,10 ve %77,52 | Van Segbroeck ve diğerleri, DiPCo 2019 |
| AliMeeting CER, kulaklık sesiyle eğitilmiş model: kulaklık testi ve uzak alan testi | %9,9 ve %49,0 | Yu ve diğerleri, M2MeT 2022 |
| AliMeeting CER, uzak alan, harici ve simüle veri ekleyen model: kulaklık ve uzak alan | %8,2 ve %33,3 | Yu ve diğerleri, M2MeT 2022 |
| REVERB gerçek kayıtlarında WER: temiz/kulaklık referansı ve uzak alan temel çizgisi | %6,9 ve %49,2 | Kinoshita ve diğerleri, REVERB yarışması özeti 2016 |
| Uzak alan dizilerinde resmi CHiME-6 temel WER’i, geliştirme kümesi ve değerlendirme kümesi | %51,8 ve %51,3 | Watanabe ve diğerleri, CHiME-6 yarışması 2020 |
Mevcut en güncel veri: Whisper makalesi (2022), aynı toplantılarda kulaklık ve uzak mikrofon WER’inin kamuya açık en büyük yan yana karşılaştırması olmayı sürdürüyor; daha yeni modeller AMI için aynı biçimde bir kulaklık ve uzak mikrofon ayrımı yayımlamadı. CHiME-6 temel makalesi test sırasında yalnızca uzak alan dizilerine izin verdi, bu yüzden yakın konuşma sütunu yok.
3. Odalar, Gürültü ve Dinleme Eforu
Mesafe, aradaki boşluğu dolduran şey yüzünden önemli: yansımalar ve gürültü. Uzak alan tanıma üzerine bir derlemeye göre tipik bir oturma odasında yanıtın 60 dB sönümlenmesi 0,3 ila 0,7 s sürer (yankılanma süresi) (Haeb-Umbach ve diğerleri, Far-Field Automatic Speech Recognition 2020). Ağza yakın bir kulaklık mikrofonu bu kuyruğun çok daha azını duyar; monitörün üstündeki bir web kamerası mikrofonu ise çok daha fazlasını.
İnsan dinleyiciler için kanıt yararlı bir biçimde ikiye ayrılıyor. Kontrollü bir Ear and Hearing çalışmasında arka plan gürültüsü tepkileri ortalama 91 ms yavaşlattı (çalışmanın dinleme eforu ölçüsü), yankılanma ise dinleme eforunu anlamlı biçimde değiştirmedi; oysa yankılanmadaki her artış, kelime tanımayı yaklaşık 8 RAU düşürdü (rasyonelleştirilmiş arksinüs birimi, dönüştürülmüş bir doğru yüzde puanı) (Picou, Gordon ve Ricketts, Ear and Hearing 2016). Başka bir deyişle, oda yankısı kelimelere, oda gürültüsü ise enerjiye mal oluyor. Uzak mikrofon her ikisinden de daha fazlasını topladığı için bu önemli. İşitme kaybı olan kişiler için Avustralya’nın National Acoustic Laboratories kuruluşu, görüntülü konferans konuşmalarını takip etmenin normal işiten kişilere göre çok daha fazla çaba gerektirdiğini ve işitme cihazlarının yüz yüze düzeyleri geri getirmediğini buldu. Görüşme yorgunluğunun fizyolojik tarafı video toplantı yorgunluğu biyobelirteç istatistiklerimizde ele alınıyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Tipik oturma odası yankılanma süresi (-60 dB’ye sönümlenme) | 0,3 ila 0,7 s | Haeb-Umbach ve diğerleri, uzak alan ASR derlemesi 2020 |
| Sabit sinyal gürültü oranında, yankılanmadaki her artış basamağı başına kelime tanıma kaybı | yaklaşık 8 RAU | Picou ve diğerleri, Ear and Hearing 2016 |
| Gürültüde, sessiz ortama kıyasla tepki süresi yavaşlaması (dinleme eforu) | ortalama 91 ms | Picou ve diğerleri, Ear and Hearing 2016 |
| Tanıma düzeyleri karşılaştırılabilir olduğunda yankılanmanın dinleme eforuna etkisi | anlamlı değil (p = 0,18) | Picou ve diğerleri, Ear and Hearing 2016 |
| O çalışmada test edilen yankılanma süreleri | T30 100 ms’nin altı, 475 ms ve 834 ms | Picou ve diğerleri, Ear and Hearing 2016 |
| REVERB simüle odaları: yankılanma süreleri ve yakın ile uzak mikrofon mesafesi | 0,3, 0,6 ve 0,7 s; 50 cm ve 200 cm | Kinoshita ve diğerleri, REVERB yarışması özeti 2016 |
| CHiME-5 uzak alan WER’i: temel sistem, güçlü arka uç sistemi, çok mikrofonlu ayrıştırma ve yankı giderme | %80’in hemen altı, yaklaşık %60 ve %43,2 | Haeb-Umbach ve diğerleri, uzak alan ASR derlemesi 2020 |
| Koklear implant kullanıcılarının çevrimiçi konuşmalarda dinleme verimliliği, yalnızca ses ve altyazıyla (tipik işiten ortalamasının payı olarak) | yaklaşık %60 ve yaklaşık %80 | Perea Pérez ve diğerleri, Ear and Hearing 2025 |
Aykırı değer notu: yankılanmanın efor üzerindeki sıfır etkisi yazarların kendisini şaşırttı; yazarlar bunu mevcut dinleme eforu modelleriyle tutarsız olarak nitelendirdi ve ölçüm normal işitmeye sahip 18 genç yetişkin üzerinde yapıldı. Mevcut en güncel veri: 2016. Gürültü, yazılımın müdahale edebileceği yarıdır; bkz. nöral gürültü bastırma istatistiklerimiz.
4. Dinleyiciler Kötü Bir Mikrofondan Gelen Konuşmacıyı Nasıl Değerlendiriyor
Son iki yılın en önemli bulgusu, kötü mikrofon sesinin yalnızca anlaşılırlığı değil, kişiye dair yargıları da değiştirmesi. 600 dinleyiciyle yapılan bir PNAS deneyinde, tiz ve içi boş bir ‘kötü mikrofon’ sesiyle dinlenen bir iş adayı 68,50 işe alınabilirlik puanı aldı; net kayıt için bu puan 76,04 idi (d = 0,35, P < 0,001); yazıya dökme doğruluğu ise %98,07 ve %98,09 ile aynıydı (Walter-Terrill, Ongchoco ve Scholl, PNAS 2025). Dinleyiciler her kelimeyi anladı; sadece konuşmacıyı daha düşük gördüler.
299 katılımcıyla ve avatarlı iş görüşmeleriyle yapılan 2026 tarihli bir takip çalışması, düşük bit hızlı ve bant sınırlı sesin istihdam edilebilirlik puanlarını düşürdüğünü (p < 0,001), orta kaliteden yüksek kaliteye geçişin ise fark yaratmadığını (p = 0,813) buldu (Schütze, Biberger ve Reber, Forum Acusticum 2026). Bu bir eşik olduğunu düşündürüyor: dinleyiciler sıradan sesi değil, açıkça bozulmuş sesi cezalandırıyor. Daha önceki bir çalışma, simüle edilmiş Skype görüşmelerinde aynı yanlılığı buldu; yanlılık, değerlendiricilere arama kalitesini göz ardı etmeleri söylendikten sonra bile sürdü (Fiechter ve diğerleri, Cognitive Research 2018).
| Metrik | Değer | Kaynak |
|---|---|---|
| İşe alınabilirlik puanı (0 ila 100), net kayıt ve tiz ‘kötü mikrofon’ sürümü | 76,04 ve 68,50 (d = 0,35) | Walter-Terrill ve diğerleri, PNAS 2025 |
| Yazıya dökme doğruluğu, net kayıt ve bozulmuş kayıt | %98,09 ve %98,07 (P = 0,915) | Walter-Terrill ve diğerleri, PNAS 2025 |
| 1. Deneydeki dinleyiciler | 600 (her koşulda 300) | Walter-Terrill ve diğerleri, PNAS 2025 |
| İstihdam edilebilirlik puanı farkı, yüksek ve düşük ses kalitesi (0 ila 100 ölçeği) | 6,4 puan; düşük ve yüksek p < 0,001; orta ve yüksek p = 0,813 | Schütze ve diğerleri, Forum Acusticum 2026 |
| Düşük kaliteli ve orta kaliteli sesin nesnel kalitesi (ViSQOL MOS) | 2,13 ve 4,68 | Schütze ve diğerleri, Forum Acusticum 2026 |
| İşe alınabilirlik puanı (1 ila 10), akıcı ve bozulmuş ses ile görüntü, iki deney birleşik | 6,91 ve 6,33 (Cohen’in d değeri = 0,44) | Fiechter ve diğerleri, Cognitive Research 2018 |
| Aynı konuşmaları veya radyo röportajlarını iyi ve kötü sesle dinleyerek puanlayan dinleyiciler | 97 (1. Deney) ve 99 (2. Deney) | Newman ve Schwarz, Science Communication 2018 |
Bağlam notu: Newman ve Schwarz çalışmasında (DOI 10.1177/1075547018759345) kötü ses; konuşmaya, konuşmacının zekâsına ve araştırmanın önemine verilen puanları düşürdü; bu, USC tarafından özetlendiği biçimiyle aktarılıyor. MOS (ortalama görüş puanı), daha yüksek değerin daha iyi olduğu standart dinleme kalitesi ölçeğidir; ViSQOL ise bunu tahmin eden bir yazılım modelidir. Fiechter ve Newman çalışmaları için mevcut en güncel veri: 2018.
5. Sertifikasyon Kuralları: Teams, Zoom ve ITU Gerçekte Neyi Test Ediyor
Sertifikasyon programları, üreticilerin ses çıtasını nereye koyduğunu gösteriyor ve web kameraları çoğunlukla bu çıtanın dışında kalıyor. Teams sertifikalı cihazlar sayfası, kulaklık ve konferans hoparlörü gibi ses cihazlarının yankı, bozulma veya aşırı kesinti içermeyen geniş bantlı ses sunması gerektiğini söylüyor; video cihazları için listelediği ölçütlerin tamamı ise görüntü ölçütleri (Microsoft Learn, Teams certified USB devices, Kasım 2026). 2026’da nitelik kazanan, listedeki 22 USB cihazından 2’si web kamerası, 20’si kulaklık veya kulaklık sistemi (Kasım 2026 tablosuna ilişkin kendi sayımımız).
Kulaklık çıtasının ayrıca bir üst kademesi de var. Teams Audio Test Specification için test laboratuvarı belgeleri, ofis gürültüsü altında konuşma ve gürültü MOS değerlerini ve ‘dikkat dağıtıcı sesin bastırılmasını’ (kulaklığın bir komşunun sesinden ne kadarını reddettiğini) puanlayan isteğe bağlı bir açık ofis modülünü anlatıyor (HEAD acoustics veri sayfası, Teams Audio Test Specification 60026). Zoom, ses kategorileri için nesnel test standartlarını 2022’de birleştirdi (Zoom, donanım sertifikasyonu güncellemesi 2022) ve Teams laboratuvar düzeneği, P.502 ve P.51 yapay ağız (insan konuşmacıyı taklit eden bir hoparlör) gibi ITU-T yöntemlerine dayanıyor. Yakalanan konuşmayı puanlamak için daha geniş referans, MOS ölçeğinde dinleme kalitesini tahmin eden standart model olan ITU-T P.863 (POLQA).
| Metrik | Değer | Kaynak |
|---|---|---|
| Teams sertifikalı kulaklıklar ve konferans hoparlörleri için ses gereksinimi | yankı, bozulma veya aşırı kesinti içermeyen geniş bantlı ses; yankı giderme destekleniyor | Microsoft Learn, Teams certified USB devices 2026 |
| Web kamerası gibi Teams sertifikalı video cihazları için listelenen ölçütler | gürültü, renk, görüntü detayı, titreme, gecikme, kare hızı, görüş alanı (görüntü ölçütleri) | Microsoft Learn, Teams certified USB devices 2026 |
| 2026’da nitelik kazanan USB cihazları (Kasım 2026 tablosuna kadar): web kameraları ve kulaklıklar veya kulaklık sistemleri | 2 ve 20 (toplam 22) | Microsoft Learn, Kasım 2026 tablosuna ilişkin kendi sayımımız |
| Test laboratuvarlarının kullandığı Teams Audio Test Specification sürümü ve cihaz kategorileri | V5.0, Ek A dahil; 4 kategori (kulaklıklar, kişisel masa telefonları, kişisel konferans hoparlörleri, ortak konferans hoparlörleri) | HEAD acoustics test laboratuvarı veri sayfası 2026 |
| İsteğe bağlı açık ofis kulaklık testindeki ek ölçütler | 3QUEST konuşma ve gürültü MOS; dikkat dağıtıcı sesin bastırılması (ortalama ve minimum) | HEAD acoustics test laboratuvarı veri sayfası 2026 |
| Yenilenmiş, birleşik nesnel test standartlarına sahip Zoom ses ve ilgili kategorileri | 7 | Zoom donanım sertifikasyonu güncellemesi, 16 Mart 2022 |
| Zoom sertifikalı cihazların ne sıklıkla yeniden sertifikalandırılması gerektiği | en az iki yılda bir | Zoom donanım sertifikasyonu güncellemesi, 16 Mart 2022 |
| Yürürlükteki ITU-T P.863 (POLQA) sürümü ve değişikliği | P.863 (03/18); akustik olarak kaydedilmiş dar bantlı konuşmanın tahminine ilişkin Değişiklik 1 (04/20) | ITU-T Önerisi P.863 |
Bağlam notu: buradaki ‘geniş bant’, geleneksel dar bantlı telefon sesinden daha geniş bir frekans aralığını koruyan ses için kullanılan bir telefonculuk terimidir; ses yüksekliğinin bir ölçüsü değildir. Zoom ölçütleri için mevcut en güncel veri: 2022, çünkü Zoom daha yeni eşikler yayımlamadı.
6. İnsanlar Kendilerini Nasıl Donatıyor ve Gerçek Toplantılarda Bu Neyi Değiştiriyor
Ekipman konusundaki anket verileri kısıtlı ve çoğunlukla üreticiler tarafından yürütülüyor, ancak tek bir yönü gösteriyor: çoğu insan hâlâ cihazında yerleşik olan mikrofonla konuşuyor. Bilgi çalışanlarının yalnızca %30’u iş için profesyonel bir kulaklık kullanıyor ve %8’i bunu ana cihazı olarak tanımlıyor, oysa %91’i bir çevrimiçi toplantı platformu kullanıyor (Jabra 2023 Knowledge Worker Study, üretici anketi). Logitech’in 2022’de ABD, Almanya ve Çin’deki 3.000’den fazla uzaktan çalışan üzerinde yaptığı bir anket, %85’inin ses sorunlarıyla boğuştuğunu buldu (Logitech, üretici anketi).
Bağımsız veriler sonuç tarafını ekliyor. Beş büyük kuruluştan toplantı sonrası yaklaşık 7.330 kullanılabilir anket yanıtını inceleyen bir çalışma, kulaklık kullanmanın bir ‘Katılım’ puanı olasılığını artırdığını (OR = 1,16) ve ses kalitesi sorunları yaşanan görüşmelerin etkili olarak değerlendirilme olasılığının çok daha düşük olduğunu (OR = 0,14) buldu (Hosseinkashi ve diğerleri, Microsoft Research, toplantı etkililiği çalışması 2024). 1’in altındaki bir odds oranı (OR) daha düşük olasılık demektir; 0,14 büyük bir etkidir. Bölüm 1’deki seviye farkıyla birlikte okunduğunda, yakın konuşma kaydının gerekçesi yalnızca duyulmak değil, tam anlamıyla orada olarak algılanmaktır.
| Metrik | Değer | Kaynak |
|---|---|---|
| İş için profesyonel kulaklık kullanan bilgi çalışanları | %30 | Jabra 2023 Knowledge Worker Study (üretici anketi, 7.000+ çalışan) |
| Profesyonel kulaklığın ana cihazı olduğunu söyleyen bilgi çalışanları | %8 | Jabra 2023 Knowledge Worker Study (üretici anketi) |
| Aramalarda ses sorunlarıyla boğuşan uzaktan çalışanlar | %85 | Logitech son kullanıcı anketi, Mayıs 2022 (üretici anketi, 3.000+ çalışan) |
| Çevrimiçi konuşma çalışması, tipik işiten grup: hoparlörden ve kulaklıktan dinleyenler | %72 ve %28 | Perea Pérez ve diğerleri, Ear and Hearing 2025 |
| Aynı çalışma, koklear implant grubu: hoparlörden, kulaklıktan ve doğrudan akıştan dinleyenler | %68, %12 ve %20 | Perea Pérez ve diğerleri, Ear and Hearing 2025 |
| Kullanıcı kulaklık taktığında ‘Katılım’ puanı için düzeltilmiş odds oranı | 1,16 | Hosseinkashi ve diğerleri, Microsoft Research 2024 |
| Katılım oranı, kulaklıklı ve kulaklıksız yalnızca sesli aramalar | yaklaşık %5 daha yüksek | Hosseinkashi ve diğerleri, Microsoft Research 2024 |
| Görüşmede kalite sorunları (yankı, gürültü, bozulma) olduğunda ‘Etkili’ toplantı puanı için düzeltilmiş odds oranı | 0,14 | Hosseinkashi ve diğerleri, Microsoft Research 2024 |
Aykırı değer notu: toplantı çalışmasının metni, kulaklıkla Katılım olasılığının ‘%20’ arttığını söylerken kendi tablosu 1,16’lık bir odds oranı veriyor; biz tablo değerini bildiriyoruz. Yazarlar ayrıca, birçok cihaz bunu yanlış bildirdiği için telemetriden kulaklık tespitinin güvenilir olmadığı konusunda uyarıyor. Logitech anketi için mevcut en güncel veri: Mayıs 2022.
Özet: Rakamlarla Web Kamerası Dahili Mikrofonu ve Kulaklık Konuşma Kalitesi
| Metrik | Değer | Kaynak |
|---|---|---|
| Whisper large-v2 WER, AMI kulaklık mikrofonları ve tek uzak mikrofon | %16,9 ve %36,4 | Radford ve diğerleri, OpenAI Whisper makalesi 2022 |
| DiPCo WER, yakın konuşma ve uzak alan dizisi | %42,10 ve %77,52 | Van Segbroeck ve diğerleri, DiPCo 2019 |
| AliMeeting CER, kulaklık ve uzak alan | %9,9 ve %49,0 | Yu ve diğerleri, M2MeT 2022 |
| REVERB gerçek kayıtlar: temiz/kulaklık WER’i, uzak alan temel çizgisi ve en iyi 8 mikrofonlu sistem | %6,9, %49,2 ve %9,0 | Kinoshita ve diğerleri, REVERB yarışması özeti 2016 |
| Konuşma seviyesi, yaklaşık 60 cm’deki dizüstü mikrofonu ve 15 ila 20 cm’deki kulaklık mikrofonu | 46,91 dB ve 59,73 dB | Busquet ve diğerleri, Behavior Research Methods 2023 |
| 5 feet’teki altı mikrofonun WER aralığı, metin okuma ve serbest konuşma | %10,7 ila %12,0 ve %52,7 ila %61,3 | Bradford ve diğerleri, EDM 2022 |
| Tipik oturma odası yankılanma süresi | 0,3 ila 0,7 s | Haeb-Umbach ve diğerleri, uzak alan ASR derlemesi 2020 |
| Arka plan gürültüsünden kaynaklanan tepki yavaşlaması | ortalama 91 ms | Picou ve diğerleri, Ear and Hearing 2016 |
| Koklear implant kullanıcılarının çevrimiçi dinleme verimliliği, yalnızca ses ve altyazıyla | tipik düzeyin yaklaşık %60’ı ve yaklaşık %80’i | Perea Pérez ve diğerleri, Ear and Hearing 2025 |
| İşe alınabilirlik, net ses ve kötü mikrofon sesi (0 ila 100) | 76,04 ve 68,50 | Walter-Terrill ve diğerleri, PNAS 2025 |
| ViSQOL MOS, düşük ve orta ses kalitesi | 2,13 ve 4,68 | Schütze ve diğerleri, Forum Acusticum 2026 |
| İşe alınabilirlik (1 ila 10), akıcı ve bozulmuş ses ile görüntü | 6,91 ve 6,33 | Fiechter ve diğerleri, Cognitive Research 2018 |
| İş için profesyonel kulaklık kullanımı | %30 | Jabra 2023 Knowledge Worker Study (üretici anketi) |
| Ana cihaz olarak belirtilen profesyonel kulaklık | %8 | Jabra 2023 Knowledge Worker Study (üretici anketi) |
| Tipik işiten çevrimiçi konuşma katılımcılarının hoparlörden ve kulaklıktan dinlemesi | %72 ve %28 | Perea Pérez ve diğerleri, Ear and Hearing 2025 |
| AliMeeting odalarında mikrofon ile konuşmacı arasındaki mesafe | 0,3 ila 5,0 m | Yu ve diğerleri, M2MeT 2022 |
| Ses sorunlarıyla boğuşan uzaktan çalışanlar | %85 | Logitech son kullanıcı anketi 2022 (üretici anketi) |
| Zoom yeniden sertifikalandırma aralığı | en az iki yılda bir | Zoom donanım sertifikasyonu güncellemesi 2022 |
Metodoloji ve Kaynaklar
- Busquet, Efthymiou ve Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford ve diğerleri, A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford ve diğerleri (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck ve diğerleri (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu ve diğerleri, M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita ve diğerleri, A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe ve diğerleri, CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach ve diğerleri, Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon ve Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez ve diğerleri, Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- National Acoustic Laboratories, video konferans üzerinden iletişimin yapılandırılmış değerlendirmesi, 2022
- Walter-Terrill, Ongchoco ve Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger ve Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (ön makale)
- Fiechter ve diğerleri, Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman ve Schwarz, Good Sound, Good Research, Science Communication 2018, USC tarafından aktarıldığı şekliyle
- Microsoft Learn, Teams certified USB devices tablosu, Kasım 2026
- Hosseinkashi ve diğerleri (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, 2024 revizyonu
- HEAD acoustics, Teams Audio Test Specification 60026 için ACQUA Standards veri sayfası, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 Mart 2022
- ITU-T Önerisi P.863, Perceptual objective listening quality prediction
- Jabra, LSE etkileşim çalışması ve 2023 Knowledge Worker Study (üretici araştırması)
- Logitech, Your Remote Employees are Underequipped (üretici anketi); saha çalışması Mayıs 2022’de 2CV Research tarafından yürütüldü, bkz. Logitech çalışmasının tam PDF’i
- Veri notu: hiçbir kamuya açık çalışma, güncel bir web kamerasının dahili mikrofonunu aynı konuşmacılar üzerinde POLQA veya ASR ile bir kulaklıkla karşılaştırmadı; bu nedenle bu derleme, en yakın uzak alan kanıtı olarak dizüstü mikrofonu, uzak mikrofon ve mikrofon dizisi verilerini birleştiriyor. Birçok temel veri kümesi üç yıldan eski (REVERB 2016, 2016 tarihli gürültü ve yankılanma çalışması, Fiechter ve Newman 2018, DiPCo 2019, Whisper ve M2MeT 2022, Zoom ölçütleri 2022) ve kendi bölümlerinde işaretlenmiştir. Çelişkiler ve tutarsızlıklar: toplantı çalışmasının metni kulaklık kullanıcıları için Katılım olasılığında %20’lik bir artış verirken tablosu 1,16’lık bir odds oranı veriyor (tabloyu kullanıyoruz); DiPCo makalesi oturum sürelerini özetinde 15 ila 45 dakika, gövdesinde ise 15 ila 47 dakika olarak veriyor; M2MeT makalesi değerlendirme kümesi için iki farklı örtüşme oranı basıyor (hiçbirini kullanmıyoruz). 6,4 puanlık istihdam edilebilirlik farkı, henüz bir dergide yer almayan ön nitelikli bir Forum Acusticum makalesinden geliyor. Jabra ve Logitech rakamları üretici anketleridir ve öyle etiketlenmiştir. 12,82 dB, 10,76 dB ve oran rakamları, yayımlanmış değerlerin kendi çıkarma veya bölme işlemlerimizdir ve hesap metinde gösterilmiştir.
Son güncelleme: 7 Kasım 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin, Forum Acusticum 2026’nın (Avrupa Akustik Derneği’nin 12. Kongresi) nihai bildirilerinin yayımlanmasıyla birlikte gerçekleşmesi bekleniyor.