Kinect bán được 35 triệu thiết bị và việc sản xuất vẫn chấm dứt vào năm 2017 (MCV, Microsoft officially ceases Kinect production 2017), bằng chứng rõ ràng nhất cho thấy việc có micro trong hộp không biến giọng nói thành cách điều khiển trò chơi tiêu chuẩn. Steam hiện trả về 190 kết quả cho thẻ Voice Control (tìm kiếm trên cửa hàng Steam, 31 tháng 10 năm 2026), và hơn 95 triệu máy PS5 đã được giao cho nhà bán lẻ, trên một nền tảng có tay cầm DualSense tích hợp micro (Sony Interactive Entertainment, Business Data and Sales 2026). Khả năng nhận dạng vẫn chưa đồng đều: người nói tiếng Anh như ngôn ngữ thứ hai gặp khoảng cách lỗi từ 2,6 đến 5,9 lần trên các mô hình hiện nay (Roll và Graham, SLaTE 2025), một xu hướng mà chúng tôi cũng theo dõi trong thống kê thiên lệch giọng nói trong nhận dạng giọng nói. Chúng tôi tổng hợp dữ liệu từ nghiên cứu trò chơi của University of Melbourne, Disney Research, Sony, Nintendo và các bài báo khoa học về lời nói đã qua bình duyệt, để phân biệt người chơi thực sự làm gì với giọng nói của mình và những gì các chủ nền tảng đã tuyên bố.
Tóm tắt nhanh
- Kinect bán được 35 triệu thiết bị trước khi việc sản xuất chấm dứt vào năm 2017 (MCV 2017).
- Microsoft tuyên bố trung bình 120 lệnh thoại mỗi tháng vào năm 2014 (Shacknews 2014).
- Phasmophobia, trò chơi cho phép người chơi nói chuyện với những hồn ma của nó, đã vượt 25 triệu lượt bán trên tất cả các nền tảng (Kinetic Games qua WorthPlaying 2025).
- Người nói tiếng Anh như ngôn ngữ thứ hai gặp khoảng cách lỗi từ 2,6 đến 5,9 lần trên 10 mô hình nhận dạng (Roll và Graham, SLaTE 2025).
- Lời nói có giọng đạt tỷ lệ lỗi từ 30-50% trên Wav2Vec 2.0, so với 2-8% đối với người nói bản xứ (Bandodkar và cộng sự, AAAI 2024).
- Một lượt trao đổi bằng lời trọn vẹn với nhân vật trò chơi AI trung bình mất 6,909 giây, trường hợp xấu nhất là 24,362 giây (Korkiakoski và cộng sự 2025).
- Đọc chính tả tiếng Anh nhanh gấp 2,93 lần so với gõ trên bàn phím điện thoại, 153 so với 52 từ mỗi phút (Ruan và cộng sự 2017).
- Một trình nhận dạng từ khóa được xây dựng cho trẻ em đạt độ chính xác 85%, và một trình nhận dạng thương mại kém chính xác hơn 35% (Disney Research 2016).
- PS5 Voice Command vẫn là bản xem trước giới hạn ở hai quốc gia và một ngôn ngữ (PlayStation Support 2026).
1. Bốn Mươi Năm Quan Tâm Lúc Lên Lúc Xuống
106 trò chơi điện tử tương tác bằng giọng nói mới được phát hành chỉ riêng trong năm 2017 (Allison và cộng sự, Design Patterns for Voice Interaction in Games, CHI PLAY 2018), nghe như một bước đột phá cho đến khi bạn đọc lịch sử phía sau nó. Cùng nhóm nghiên cứu này nhận thấy giọng nói “chưa bao giờ đạt được thành công bền vững và rộng khắp” và thay vào đó đã trải qua bảy giai đoạn gắn với các nền tảng mới và công nghệ hỗ trợ (Allison, Carter và Gibbs, Word Play, Games and Culture 2020).
Karaoke là đỉnh điểm mang tính minh họa. Nó yêu cầu người chơi biểu diễn bằng giọng nói, chứ không phải để được hiểu từng từ một. Nhánh trò chơi âm thanh trên loa thông minh cũng theo một logic liên quan: các nhà thiết kế phần lớn rút gọn lời nói thành việc chọn từ một danh sách ngắn, giúp bài toán nhận dạng luôn nhỏ.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số trò chơi trong khảo sát trò chơi giọng nói được công bố lớn nhất, 1973 đến 2018 | 449 trò chơi điện tử cộng 22 trò chơi âm thanh | Allison và cộng sự, Design Patterns for Voice Interaction in Games, CHI PLAY 2018 |
| Số trò chơi điện tử tương tác bằng giọng nói mới phát hành trong một năm | 106 trong năm 2017 | Allison và cộng sự, CHI PLAY 2018 |
| Trò chơi karaoke phát hành từ 2003 đến 2012, các bản phát hành đa nền tảng chỉ tính một lần | Hơn 120, trong đó hơn 70 vào giai đoạn 2008 đến 2010 | Allison và cộng sự, Word Play, Games and Culture 2020 |
| Số trò chơi dùng Nintendo 64 Voice Recognition Unit, 1998 đến 1999 | 2 | Allison và cộng sự, Word Play 2020 |
| Số bản phát hành lớn dùng nhận dạng giọng nói của Kinect tại thời điểm nghiên cứu | Hơn 30 | Allison và cộng sự, Word Play 2020 |
| Trò chơi âm thanh Alexa có tương tác cốt lõi là chọn từ các lựa chọn được nói ra | 17 trên 22 được khảo sát | Allison và cộng sự, CHI PLAY 2018 |
Dữ liệu mới nhất hiện có: Allison và cộng sự, 2018 và 2020. Chúng tôi không tìm thấy cuộc thống kê nào mới hơn về trò chơi giọng nói, vì vậy các con số này mô tả lĩnh vực này đến đầu năm 2018.
2. Micro Ở Khắp Nơi, Lệnh Thoại Ở Hư Không
Hơn 95 triệu máy PS5 đã được giao cho nhà bán lẻ (Sony Interactive Entertainment, Business Data and Sales, 30 tháng 6 năm 2026), và tay cầm DualSense có micro tích hợp bên trong. Lượng thiết bị đó chưa tạo ra một nền tảng ưu tiên giọng nói. PlayStation Support vẫn mô tả Voice Command là bản xem trước dành cho tài khoản tại Hoa Kỳ và Vương quốc Anh, chỉ bằng tiếng Anh, và nhắm tới các tác vụ hệ thống như mở trò chơi và quay clip chứ không phải lối chơi.
Sự tương phản với trong nhà là con số hữu ích ở đây. 57% người dùng lệnh thoại sử dụng lệnh thoại hằng ngày (NPR và Edison Research, Smart Audio Report 2022). Mọi người thoải mái nói chuyện với thiết bị, vì vậy rào cản trong trò chơi không phải thói quen nói chuyện với máy móc. Nút bấm thì im lặng, riêng tư và tức thì, và giọng nói phải vượt qua điều đó.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số Kinect bán được trong 60 ngày đầu có mặt trên thị trường | 8 triệu | MCV, Microsoft officially ceases Kinect production 2017 |
| Tổng doanh số Kinect trong vòng đời | 35 triệu | MCV 2017 |
| Tỷ lệ chủ sở hữu Kinect sử dụng nó, theo Microsoft (tuyên bố của công ty, chưa được xác minh độc lập) | 80% | Shacknews trích lời Yusuf Mehdi của Microsoft, 16 tháng 5 năm 2014 |
| Số lệnh thoại trung bình mỗi tháng, theo Microsoft (tuyên bố của công ty) | 120 | Shacknews trích lời Microsoft, 2014 |
| Tổng số lệnh thoại đã phát ra, theo Microsoft (tuyên bố của công ty) | Hơn 1 tỷ | Shacknews trích lời Microsoft, 2014 |
| Số máy PS5 giao cho nhà bán lẻ, lũy kế đến 30 tháng 6 năm 2026 | Hơn 95 triệu | Sony Interactive Entertainment, Business Data and Sales 2026 |
| Số máy Nintendo Switch 2 đã bán, lũy kế đến 30 tháng 6 năm 2026 (micro tích hợp cho GameChat) | 23,68 triệu | Nintendo, Consolidated Hardware Sales 2026 |
| Người Mỹ từ 18 tuổi trở lên dùng trợ lý giọng nói trên bất kỳ thiết bị nào | 62% | NPR và Edison Research, Smart Audio Report 2022 |
Dữ liệu mới nhất hiện có: Shacknews, 2014 về mức sử dụng Kinect, và Smart Audio Report, 2022 về trợ lý giọng nói. Chúng tôi không tìm thấy con số nào của Sony hay Nintendo về số người chơi dùng micro để ra lệnh trong trò chơi, và MCV đưa ra dấu vết doanh số Kinect duy nhất mà chúng tôi có thể xác minh. Micro của Switch 2 còn lọc âm thanh trò chơi và thích ứng với khoảng cách của người chơi so với máy (Nintendo, GameChat features), và trò chuyện bằng giọng nói của nó tối đa 12 người tham gia.
3. Danh Mục Trò Chơi Giọng Nói Hiện Nay
25 trong 30 kết quả đầu tiên của thẻ Voice Control trên Steam có ngày phát hành 2025 hoặc 2026 (số liệu chúng tôi tự đếm từ tìm kiếm trên cửa hàng Steam, 31 tháng 10 năm 2026), riêng 2026 có 15 trò. Đó là một trang của danh sách cửa hàng, không phải thống kê toàn bộ các bản phát hành, nên tự nó không chứng minh một cơn bùng nổ. Nhưng nó cho thấy micro vẫn được các tựa game mới dùng như một điểm thu hút trong thiết kế.
Phasmophobia là trường hợp điển hình về quy mô. Trò chơi ra mắt trên máy console mà không có nhận dạng giọng nói, rồi nhà phát triển Kinetic Games bổ sung một bản cập nhật giọng nói cho console trên PlayStation 5, PS VR2 và Xbox Series X|S sau vài tháng, sử dụng một trình nhận dạng có tên VOSK. Một studio thực hiện công việc đó cho một trò chơi đã phát hành coi giọng nói là một phần của sản phẩm, chứ không phải phần thưởng thêm.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số kết quả trên cửa hàng Steam cho thẻ Voice Control, gồm cả bản demo và phần mềm tiện ích | 190 | Tìm kiếm trên cửa hàng Steam, 31 tháng 10 năm 2026 |
| Số tựa game Steam được một công cụ theo dõi bên thứ ba đếm dưới cùng thẻ (ảnh chụp không ghi ngày) | 113 | DataHumble, Voice Control Games 2026 |
| Doanh số Phasmophobia trên tất cả các nền tảng | Hơn 25 triệu | Kinetic Games qua WorthPlaying, 1 tháng 7 năm 2025 |
| Doanh số Phasmophobia trên console | Hơn 3 triệu | Kinetic Games qua WorthPlaying, 23 tháng 4 năm 2025 |
| Số ngôn ngữ được nhận dạng giọng nói trên console của Phasmophobia hỗ trợ khi ra mắt | 7 | Kinetic Games, ghi chú bản vá Console Voice Recognition 2025 |
Doanh số Phasmophobia tính trên mọi người mua, không phải mọi người chơi đã nói chuyện với một hồn ma. Chúng tôi không tìm thấy nguồn nào báo cáo tỷ lệ người chơi của trò này bật micro.
4. Độ Chính Xác Nhận Dạng Không Được Chia Đều
Người nói tiếng Anh như ngôn ngữ thứ hai gặp khoảng cách lỗi từ 2,6 đến 5,9 lần so với người nói ngôn ngữ thứ nhất trên 10 mô hình và hơn 300 biến thể tiếng Anh (Roll và Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025). Tỷ lệ lỗi từ (WER) là phần trăm từ được nói mà trình nhận dạng nhận sai, nên con số càng thấp càng tốt. Phát hiện khó chịu của bài báo là cải thiện tổng thể không thu hẹp được khoảng cách, vì chênh lệch tương đối còn tăng lên khi các mô hình tốt hơn cho người nói ngôn ngữ thứ nhất.
Với một trò chơi phát hành toàn cầu, điều này biến một chỉ số kỹ thuật thành câu hỏi ai có thể chơi được. Chính trang cửa hàng của Radio General nêu rằng trò này chỉ hoạt động bằng tiếng Anh và hoạt động tốt nhất với giọng Bắc Mỹ. Ngữ cảnh là một cách khắc phục được đề xuất: một bằng sáng chế của Sony nộp ngày 28 tháng 5 năm 2022 và được cấp ngày 13 tháng 5 năm 2025 dùng trạng thái hiện tại của trò chơi để giúp quyết định người chơi đã nói gì.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| WER trung bình của mô hình tốt nhất tổng thể được thử nghiệm, Whisper-large | 6,9% | Roll và Graham, SLaTE 2025 |
| WER trung bình của mô hình Whisper nhỏ nhất, Whisper-tiny | 13,6% | Roll và Graham, SLaTE 2025 |
| Khoảng cách WER giữa người nói tiếng Anh như ngôn ngữ thứ hai và ngôn ngữ thứ nhất trên các mô hình | 2,6 đến 5,9 lần | Roll và Graham, SLaTE 2025 |
| WER của người nói có ngôn ngữ thứ nhất là ngôn ngữ thanh điệu so với người nói có ngôn ngữ thứ nhất thuộc ngữ hệ Ấn-Âu | Cao hơn 2 đến 3 lần | Roll và Graham, SLaTE 2025 |
| WER của Whisper-large trong một kho ngữ liệu (Speech Accent Archive), người nói ngôn ngữ thứ nhất so với ngôn ngữ thứ hai | 0,8% so với 3,7% | Roll và Graham, SLaTE 2025 |
| WER của Wav2Vec 2.0, lời nói có giọng so với người nói bản xứ | 30-50% so với 2-8% | Bandodkar và cộng sự, AAAI 2024 |
| Mức cải thiện tương đối của WER trung bình vĩ mô nhờ huấn luyện lại tập trung vào tính công bằng so với mô hình Whisper huấn luyện sẵn (phân tích 26 nhóm giọng) | 58,7% | Swain và cộng sự, arXiv 2025 |
Không thử nghiệm nào trong số này dùng bản ghi từ lúc chơi game. Âm thanh trò chơi thêm vào sự hào hứng, tiếng la hét và tiếng rò rỉ từ loa, vì vậy hãy coi các tỷ lệ lỗi này là mức sàn của độ khó, chứ không phải dự báo.
5. Lời Nói Thì Nhanh, Nhận Dạng Thì Không
Lời nói vượt bàn phím điện thoại 2,93 lần, ở mức 153 so với 52 từ mỗi phút (Ruan và cộng sự, 2017). Lợi thế đó giải thích vì sao giọng nói cứ quay lại với trò chơi, nhưng đọc chính tả và điều khiển trò chơi là hai việc khác nhau. Một câu đọc chính tả đến chậm một giây cũng không sao, còn một cú né thì không. Dữ liệu mới nhất hiện có: Ruan và cộng sự, Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2017.
Các mô hình ngôn ngữ lớn làm khoảng cách rộng thêm. Trong một thử nghiệm VR với 18 người tham gia, thời gian chờ phản hồi của một nhân vật AI chủ yếu do mô hình và đầu ra giọng nói, chứ không phải khâu lắng nghe. Điều đó đặt hội thoại tự do hoàn toàn ngoài ngân sách độ trễ của trò chơi hành động, và là lý do các nhân vật điều khiển bằng giọng nói cho đến nay phù hợp với các thể loại chậm hơn. Thống kê AI trong trò chơi của chúng tôi bao quát bức tranh ngành rộng hơn, còn các con số ở đây chỉ liên quan đến đầu vào bằng lời của người chơi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tốc độ nhập văn bản, lời nói tiếng Anh so với bàn phím điện thoại | 153 so với 52 từ mỗi phút | Ruan và cộng sự, 2017 |
| Tỷ lệ lỗi đã sửa, lời nói so với bàn phím điện thoại | 5,30% so với 11,22% | Ruan và cộng sự, 2017 |
| Tỷ lệ lỗi chưa sửa, lời nói so với bàn phím điện thoại | 1,30% so với 0,79% | Ruan và cộng sự, 2017 |
| Độ dài lời nói điển hình của một lệnh trò chơi một từ (“go” hoặc “jump”) | Khoảng 300 mili giây | Disney Research qua Phys.org, 2016 |
| Khâu chuyển giọng nói thành văn bản trong thử nghiệm nhân vật AI, trung bình và trường hợp xấu nhất | 1,365 và 3,475 giây | Korkiakoski và cộng sự, arXiv 2025 |
| Khâu mô hình ngôn ngữ (GPT-4 Turbo) trong cùng thử nghiệm, trung bình và trường hợp xấu nhất | 3,113 và 14,918 giây | Korkiakoski và cộng sự, arXiv 2025 |
| Khâu chuyển văn bản thành giọng nói trong cùng thử nghiệm, trung bình và trường hợp xấu nhất | 2,376 và 12,404 giây | Korkiakoski và cộng sự, arXiv 2025 |
| Toàn bộ lượt trao đổi, từ lời nói của người chơi đến phản hồi của nhân vật, trung bình và trường hợp xấu nhất | 6,909 và 24,362 giây | Korkiakoski và cộng sự, arXiv 2025 |
Một thiết kế lai thu hẹp công việc mà mô hình phải làm. Một nghiên cứu năm 2025 cho người chơi diễn đạt lại thành lời các lựa chọn hội thoại định sẵn trong khi một mô hình ngôn ngữ ghép chúng, và 14 người tham gia báo cáo mức thích thú và cảm giác tự do cao hơn so với trỏ và nhấp (Wevelsiep và cộng sự, IWSDS 2025). Các tác giả vẫn liệt kê độ trễ là ưu tiên cho công việc trong tương lai.
6. Trẻ Em, Trị Liệu Ngôn Ngữ và Khả Năng Tiếp Cận
Một trình nhận dạng từ khóa được tinh chỉnh cho trẻ em đạt độ chính xác 85%, trong khi một trình nhận dạng thương mại kém chính xác hơn 35% trong một trò chơi hai người chơi tên Mole Madness (Disney Research, 2016, do Phys.org đưa tin). Bài học là thu hẹp từ vựng xuống hai từ làm được nhiều hơn một công cụ đa dụng. Điều này khớp với Game Accessibility Guidelines, vốn khuyến nghị nhận dạng dựa trên từ vựng nhỏ, và ở mức nâng cao là chỉ cần đạt một ngưỡng âm lượng.
Các trò chơi trị liệu ngôn ngữ cho thấy giới hạn một cách rõ ràng. Trình nhận dạng của chúng đánh giá chính loại lời nói khó nhận dạng, và trong một thử nghiệm, máy chỉ đồng thuận với con người ở chưa đến một nửa số phát âm đúng của trẻ mắc chứng apraxia lời nói ở trẻ em, một rối loạn vận động lời nói (Ahmed và cộng sự, International Journal of Speech-Language Pathology 2018). Chính Guidelines đó liệt kê “không bắt buộc nhập liệu bằng giọng nói” là quy tắc cơ bản, và Xbox Accessibility Guideline 107 yêu cầu lời nói quan trọng đối với lối chơi phải có phương án thay thế kỹ thuật số. Giọng nói có thể mở một trò chơi cho một số người chơi và đóng nó với những người khác, điều mà thống kê tính năng hỗ trợ tiếp cận trong trò chơi của chúng tôi khảo sát trên mọi loại đầu vào.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ chính xác nhận dạng từ khóa trong Mole Madness | 85% | Disney Research qua Phys.org, 2016 |
| Mức kém chính xác hơn của trình nhận dạng thương mại so với trình dò từ khóa | 35% | Disney Research qua Phys.org, 2016 |
| Mức đồng thuận giữa trình nhận dạng và con người trên các phát âm sai, trẻ phát triển điển hình so với trẻ mắc chứng apraxia lời nói ở trẻ em | 77% so với 75% | Ahmed và cộng sự, 2018 |
| Mức đồng thuận giữa trình nhận dạng và con người trên các phát âm đúng, theo người nói: trẻ phát triển điển hình so với trẻ mắc chứng apraxia so với chuyên viên ngôn ngữ trị liệu | 51% so với 47% so với 71% | Ahmed và cộng sự, 2018 |
| Độ chính xác của PocketSphinx trên âm thanh trị liệu ngôn ngữ cho trẻ, mặc định so với được điều chỉnh bằng huấn luyện maximum a posteriori (MAP) | 59,4% so với 80,0% | Hair và cộng sự, ASSETS 2019 |
| Độ chính xác trung bình của một trình nhận dạng so khớp mẫu tùy chỉnh trong cùng đánh giá | 75,8% | Hair và cộng sự, ASSETS 2019 |
| Học sinh tiểu học đã thử nghiệm nguyên mẫu trò chơi đọc dựa trên lời nói bằng tiếng Hà Lan | Hơn 40 | Radboud University, 2023 |
| Số nghiên cứu được xác định và số được đưa vào trong một tổng quan năm 2026 về trò chơi âm thanh 3D cho người chơi khiếm thị | 975 và 56 | Kaka và Juhana, JoMMiT 2026 |
Dữ liệu mới nhất hiện có: Disney Research, 2016; Ahmed và cộng sự, 2018; Hair và cộng sự, 2019. Đây là các bối cảnh lâm sàng hoặc nghiên cứu với mẫu nhỏ, và chỉ báo cáo hiệu suất của hệ thống.
7. Người Chơi Thực Sự Phản Ứng Ra Sao
Phasmophobia có 94% đánh giá tích cực trên 360.726 đánh giá tiếng Anh, trong khi Suck Up! ở mức 61% (các trang cửa hàng Steam, 31 tháng 10 năm 2026). Cả hai đều yêu cầu bạn nói chuyện với trò chơi, nhưng theo những cách khác nhau. Ở trò này, giọng nói là một tính năng đơn lẻ trong một cuộc săn ma rộng hơn. Ở trò kia, việc nói chuyện để qua mặt các nhân vật AI là vòng lặp cốt lõi, và kết quả trái chiều ấy lặp lại ở DON’T SCREAM, nơi quá ồn sẽ kết thúc lượt chơi.
Các đánh giá không thể tách giọng nói khỏi mọi thứ khác trong một trò chơi, vì vậy hãy đọc đây là một xu hướng, không phải một phép đo. Công trình học thuật cũng chỉ về cùng hướng. Một nghiên cứu CHI PLAY 2015 nhận thấy việc hiểu danh tính của người chơi trong trò chơi quan trọng ngang với độ chính xác nhận dạng. Một nghiên cứu nhỏ năm 2018 đi xa hơn, với 5 người tham gia cho thấy mức gắn kết cao hơn nhưng mức hạnh phúc thấp hơn khi dùng giọng nói so với bàn phím (p = 2.005e-14 và p = 1e-3, kiểm định t ghép cặp, Mattey và Yuksel, OverVoice). Với cỡ mẫu nhỏ như vậy, hãy coi đó là một giả thuyết.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số mục được phân tích về sự đón nhận của người chơi đối với trò chơi giọng nói (166 + 2.951 + 84 + 69) | 3.270 đánh giá, chuỗi thảo luận và video | Carter và cộng sự, CHI PLAY 2015 |
| Tỷ lệ tích cực của Phasmophobia trong các đánh giá tiếng Anh trên Steam | 94% trên 360.726 | Trang cửa hàng Steam, 2026 |
| Tỷ lệ tích cực của Mage Arena trong các đánh giá tiếng Anh trên Steam (phép thuật được niệm bằng giọng nói) | 90% trên 11.561 | Trang cửa hàng Steam, 2026 |
| Tỷ lệ tích cực của Tom Clancy’s EndWar trong các đánh giá trên Steam (trò chơi chiến lược năm 2009 có mệnh lệnh bằng giọng nói) | 80% trên 1.035 | Trang cửa hàng Steam, 2026 |
| Tỷ lệ tích cực của DON’T SCREAM trong các đánh giá tiếng Anh trên Steam | 68% trên 1.795 | Trang cửa hàng Steam, 2026 |
| Tỷ lệ tích cực của Suck Up! trong các đánh giá trên Steam (người chơi nói chuyện với nhân vật AI) | 61% trên 226 | Trang cửa hàng Steam, 2026 |
| Điểm System Usability Scale cho nhân vật AI nói chuyện trong VR (thang từ 0 đến 100) | 79,44 | Korkiakoski và cộng sự, arXiv 2025 |
| Độ chân thực của nhân vật AI nói chuyện trong VR (trên thang 10) | 6,67 | Korkiakoski và cộng sự, arXiv 2025 |
Dữ liệu mới nhất hiện có về thái độ của người chơi: Carter và cộng sự, 2015. Chúng tôi không tìm thấy khảo sát người chơi quy mô lớn nào về sở thích lệnh thoại, vì vậy bài tổng hợp này không có tỷ lệ người chơi thích điều khiển bằng giọng nói.
Tổng Kết: Lệnh Thoại và Nhận Dạng Giọng Nói Trong Trò Chơi Điện Tử Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Số trò chơi điện tử tương tác bằng giọng nói mới phát hành trong một năm | 106 trong năm 2017 | Allison và cộng sự, CHI PLAY 2018 |
| Tổng doanh số Kinect trong vòng đời | 35 triệu | MCV 2017 |
| Số lệnh thoại trung bình mỗi tháng, theo Microsoft (tuyên bố của công ty) | 120 | Shacknews 2014 |
| Số máy PS5 giao cho nhà bán lẻ, lũy kế đến 30 tháng 6 năm 2026 | Hơn 95 triệu | Sony Interactive Entertainment 2026 |
| Số máy Nintendo Switch 2 đã bán, lũy kế đến 30 tháng 6 năm 2026 | 23,68 triệu | Nintendo 2026 |
| Người Mỹ từ 18 tuổi trở lên dùng trợ lý giọng nói trên bất kỳ thiết bị nào | 62% | NPR và Edison Research 2022 |
| Số kết quả trên cửa hàng Steam cho thẻ Voice Control | 190 | Tìm kiếm trên cửa hàng Steam, 31 tháng 10 năm 2026 |
| Doanh số Phasmophobia trên tất cả các nền tảng | Hơn 25 triệu | Kinetic Games qua WorthPlaying 2025 |
| WER trung bình của mô hình tốt nhất tổng thể được thử nghiệm | 6,9% | Roll và Graham, SLaTE 2025 |
| Khoảng cách WER giữa người nói tiếng Anh như ngôn ngữ thứ hai và ngôn ngữ thứ nhất | 2,6 đến 5,9 lần | Roll và Graham, SLaTE 2025 |
| WER của Wav2Vec 2.0, lời nói có giọng so với người nói bản xứ | 30-50% so với 2-8% | Bandodkar và cộng sự, AAAI 2024 |
| Tốc độ nhập văn bản, lời nói tiếng Anh so với bàn phím điện thoại | 153 so với 52 từ mỗi phút | Ruan và cộng sự, 2017 |
| Toàn bộ lượt trao đổi bằng lời với nhân vật AI, trung bình và trường hợp xấu nhất | 6,909 và 24,362 giây | Korkiakoski và cộng sự, arXiv 2025 |
| Độ chính xác nhận dạng từ khóa trong Mole Madness | 85% | Disney Research qua Phys.org, 2016 |
| Mức đồng thuận giữa trình nhận dạng và con người trên các phát âm đúng, trẻ mắc chứng apraxia lời nói ở trẻ em | 47% | Ahmed và cộng sự, 2018 |
Phương Pháp Luận và Nguồn
Chúng tôi đã đọc mọi con số trong các nguồn dưới đây trong lần cập nhật này và truy các số liệu của công ty về đúng công ty đã công bố chúng. Các bài báo được nêu tên ở những chỗ không thể đọc trực tiếp tuyên bố gốc.
- Allison, Carter, Gibbs và Smith, Design Patterns for Voice Interaction in Games, CHI PLAY 2018
- Allison, Carter và Gibbs, Word Play: A History of Voice Interaction in Digital Games, Games and Culture 2020
- Allison, Carter và Gibbs, A History of Voice Interaction in Games, DiGRA và FDG 2016
- Carter, Allison, Downs và Gibbs, Player Identity Dissonance and Voice Interaction in Games, CHI PLAY 2015
- MCV, Microsoft officially ceases Kinect production, 26 tháng 10 năm 2017
- Shacknews, Including Kinect was ‘the right call,’ says Microsoft exec, 16 tháng 5 năm 2014
- Sony Interactive Entertainment, Business Data and Sales, tính đến 30 tháng 6 năm 2026
- PlayStation Support, Voice Command (Preview) on PS5
- Sony Interactive Entertainment, bằng sáng chế Hoa Kỳ 12300221, được cấp ngày 13 tháng 5 năm 2025
- Nintendo, Consolidated Hardware and Software Sales Units, tính đến 30 tháng 6 năm 2026
- Nintendo, GameChat features for Nintendo Switch 2
- NPR và Edison Research, Smart Audio Report 2022
- Tìm kiếm trên cửa hàng Steam, thẻ Voice Control, 31 tháng 10 năm 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 tháng 2 năm 2025
- WorthPlaying, Phasmophobia surpasses 25 million sales, 1 tháng 7 năm 2025
- WorthPlaying, Phasmophobia surpasses 3 million sales on consoles, 23 tháng 4 năm 2025
- Roll và Graham, Scaling Conformation Bias in Automatic Speech Recognition, SLaTE 2025
- Bandodkar và cộng sự, “Allot?” Is “a Lot!”, AAAI 2024
- Swain và cộng sự, Towards Fair ASR For Second Language Speakers Using Fairness Prompted Finetuning, arXiv 2025
- Ruan và cộng sự, Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, 2017
- Korkiakoski và cộng sự, An Empirical Evaluation of AI-Powered Non-Player Characters’ Perceived Realism and Performance in Virtual Reality Environments, arXiv 2025
- Wevelsiep và cộng sự, A Voice-Controlled Dialogue System for NPC Interaction using Large Language Models, IWSDS 2025
- Disney Research (Lehman, Wolfe, Pereira và Hodgins), theo đưa tin của Phys.org, 2016
- Ahmed và cộng sự, Speech-driven mobile games for speech therapy, International Journal of Speech-Language Pathology 2018
- Hair và cộng sự, Evaluating Automatic Speech Recognition for Child Speech Therapy Applications, ASSETS 2019, do Texas A&M PSI Lab liệt kê
- Radboud University, Playfully practicing speaking and reading, 28 tháng 6 năm 2023
- Kaka và Juhana, 3D Audio Games for Visually Impaired Players: A Systematic Literature Review, JoMMiT 2026
- Game Accessibility Guidelines, danh sách đầy đủ
- Microsoft, Xbox Accessibility Guideline 107
- Mattey và Yuksel, OverVoice: Voice Controlled Games Engagement Study, University of San Francisco, 2018
- Các trang cửa hàng Steam, đọc ngày 31 tháng 10 năm 2026: Phasmophobia, Mage Arena, Tom Clancy’s EndWar, DON’T SCREAM, Suck Up!, Radio General
- Lưu ý về dữ liệu: Chúng tôi không tìm thấy con số nào của chủ nền tảng về tỷ lệ người chơi dùng lệnh thoại, và các số liệu Kinect là 80%, 120 lệnh và 1 tỷ lệnh là những tuyên bố chưa được kiểm toán của Microsoft từ năm 2014. Số kết quả Steam là 190 bao gồm bản demo và phần mềm tiện ích, và dựa trên các thẻ do người dùng gắn, đó là một lý do khiến nó khác với con số 113 không ghi ngày của DataHumble. Allison và cộng sự mô tả sáu giai đoạn vào năm 2016 và bảy giai đoạn vào năm 2020, và chúng tôi dùng số đếm mới hơn. Khoảng 2-8% đối với người nói bản xứ trong AAAI 2024 được các tác giả của nó trích dẫn từ công trình trước, không phải do bài báo đó đo, và các nghiên cứu về giọng không dùng âm thanh trò chơi. Khoảng cách 2,6 đến 5,9 lần là khoảng do các tác giả nêu, và WER trung bình trên các kho ngữ liệu trong bài báo đó dao động từ 2,3% đến 26,9%, nên một tỷ lệ tiêu đề duy nhất phụ thuộc rất nhiều vào các bản ghi âm được dùng. Số đánh giá trên Steam thay đổi hằng ngày, và một số trang không nêu rõ số đó có chỉ tính đánh giá tiếng Anh hay không. Việc kiểm duyệt trò chuyện bằng giọng nói không được đề cập vì không thể truy cập các báo cáo tiến độ của Call of Duty trong lần cập nhật này. Sony và Nintendo làm mới các số liệu phần cứng của họ với mỗi báo cáo hằng quý.
Cập nhật lần cuối: ngày 31 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi Nintendo công bố bản cập nhật Consolidated Hardware and Software Sales Units tiếp theo.