Push和pull

数个月内，Facebook以乐库恩研究部门的技术为基础，开发出适合在市场上发布的产品。Facebook后来成立了应用机器学习部门，负责人是坎德拉——曾在微软研究院任职。

尽管最近数年Alphabet、苹果和微软一直在大肆宣扬系统精度的提升，但Facebook在语音识别领域却相当低调。

坎德拉表示，约2年半前，他的部门开始开发语音增强产品，并得到Jibbigo——Facebook 2013年收购的一家创业公司——的帮助。

坎德拉说，Facebook的研发活动分为两大类：Push和Pull。“Push”指认为某一技术未来会有多方面用途，然后开始开发；“Pull”指工程师提出需要开发的技术。语音识别属于“Push”类技术。

研究人员提到的语音识别技术的一种使用场景，是自动生成视频字幕。谷歌在2009年就开始这一方面的研究。

发现问题

Facebook最初专注于广告。当时的情况是，用户在关闭声音的情况下翻看自己的信息流，为了使广告更容易被用户注意到，广告客户需要在视频中添加文本。

Facebook语音架构集团工程师雷娜·菲利普(Reena Philip)表示，通过与广告团队合作，“我们开发出了原型产品”。

Facebook去年第二季度发布了这一功能。Facebook则继续深挖这一技术，自动为发布到其服务中的视频生成字幕。

坎德拉说，“我们进行过试验——增添字幕后，视频观看量增长了2位数。”

与视频字幕生成系统不同的是，Oculus语音识别功能是“Pull”的一个案例。

随着应用和游戏越来越多，Gear VR用户要找到喜欢的内容越来越困难。大声说出来成为获得具体内容的一种方法。

Facebook还需要确保与Gear VR配套的三星智能手机也能响应“Hey Oculus”命令。与Oculus Rift不同的是，Gear VR由配套手机提供运算能力，它本身没有强大的运算能力。

苹果和谷歌已经把语音激活开关整合到手机中，现在Facebook也要这样做。

菲利普表示，语音识别技术第四季度登陆Oculus时，它只支持美国英语，但团队已经开始为它增添更多种类的英语“方言”。

菲利普说，随着时间推移，Facebook可能使Oculus语音识别技术能在线下运行。Facebook还可能最终支持英语之外的其他语言。

除此之外，Facebook员工并不清楚公司在语音识别技术领域未来的发展。

目前，Facebook主要业务是社区。这可能决定Facebook语音识别技术的未来发展方向。Facebook产品经理默林·邓(Merlyn Deng)说，“我们未来的语音识别技术必须与公司使命，以及我们掌握的数据相契合”。