Acredito que esse seja um comportamento intencional da implementação desses fones de ouvido. A idéia é que o áudio da música seja transmitido pelos "alto-falantes", e o áudio da voz seja transmitido pelo "fone de ouvido". Assim que o 'fone de ouvido' ou 'microfone' se torna ativo, o dispositivo assume que há uma chamada de voz e faz uma (decisão questionável razoável) silenciar o canal de música.
Eu acho que este fluxo de trabalho é mais apropriado para carros / dispositivos portáteis mas eu uso este fone de ouvido no meu PC onde eu prefiro ter áudio de voz de melhor qualidade (meu cliente VOIP permite que eu insira áudio através dos alto-falantes e é notavelmente melhor som do que fone de ouvido). Mas tal é a vida.
Curioso se esta é a norma para fones de ouvido bluetooth com multi fonte? Este é meu primeiro par.