黃彥翔想像一下，如果房子裡的東西可以對你的聲音有回應（即使你對著煙霧警報器大叫），還可以追蹤房子附近徘徊的人、認出你的聲音就能解開門鎖、甚至偵測你的情緒。這些功能，微軟 (Microsoft) 都準備要加到 Project Oxford 裡面—這是去年 5 月微軟在 Build 大會上推出的雲端機器學習服務。
這些服務會發揮多種影像處理和認知功能，提供文字轉化成語音和語音辨識服務，甚至可以把自然語言轉化成特殊目的的應用指令。微軟的 Cortana 個人助理以及 Skype 的翻譯服務也使用相同科技，Skype Translator 已經可以把語音即時轉成 6 國語言，文字則可以轉成 50 種語言。
微軟本週推出了臉部辨識 API 的升級版，他們在去年為 Movember 基金會的「十一月蓄鬍」募款活動設計了專門的臉部毛髮辨識 API，可以為人臉上的鬍子做評分，還可以在臉部影像上增加鬍子的圖案。
新的升級採用同樣以網路為基礎的 REST API，增加了聲音、文字和影像服務，還把人工智慧用來處理影響內容。微軟今天在倫敦的 Future Decoded 大會推出了新的介面，Microsoft Research Cambridge 主管 Chris Bishop 還發表了專題演說。微軟科技與研究部份資深專案負責人 Ryan Galgon 提到了新的 API 的新功能。相關細節如下：
情緒辨識：這種以 Azure 為基礎的服務，今天已經開放公開測試，它和其他 Project Oxford 的臉部 API 一樣，可以處理影像。這個服務可以辨識多組臉部畫面，來辨別不同的人類表情，可以把人的表情加以分類。它可以把註解資料 (metadata) 應用在影像上，判斷這個人的影響大部分是高興還是傷心，還可以蒐集人對於特定事件、影像或行銷訊息的反應。
拼字檢查：以網路 API 為基礎的拼字檢查，可以整合到所有的行動或雲端應用，不只可以辨識拼錯字，還可找出大小寫錯誤、情境拼字錯誤和其他問題。 Galgon 表示，由於是在雲端，所以不必一直更新，而且可以根據用法改變，不斷改善拼字建議。例如，一直到現在，拼字檢查還是會以為 Lyft（編註：這是美國的乘車服務）是 Lift 的錯字。 Project Oxford 的拼字服務可以根據情境，來決定拼字是否正確，而且把 Lyft 的開頭改成大寫。
影像處理：新的 Project Oxford 影像 API 是以微軟的 Hyperlapse 影像處理工具為基礎，會在今年底以前開放 Beta 測試版。它可以處理大量影像，辨別影像中相同的臉，並加以追蹤。它還可以偵測影像中人與物件的移動。利用這些偵測能力，機器學習演算法可以編輯影像，包括發揮影像穩定功能、避免不必要的晃動等。
發聲者辨識：Project Oxford 已經可以把語音轉化成文字，但新的發聲者辨識功能（也是年底測試）可以讓應用進行身份檢查，找出是誰在說話。 Galgon 表示，這種辨識並不是要取代變成更強的認證工具。但如果使用應用的人有變化，它可以偵測出來，然後要求提供額外的認證。另外的使用情境，可以用來辨識使用者，例如，可以辨識在電話會議中說話的人是誰，或辨別簡報或影片的配音員是誰。
客製辨識智慧服務 (Custom Recognition Intelligence Services; CRIS)：目前已經開放測試。開發者可以用這個服務來開發語音辨識服務，做出更複雜的應用，滿足不同的情境或需求。 Galgon 表示，CRIS 服務可以用在球場的販售機，現場可能因為有大面水泥牆的回音和背景球迷的噪音，導致一般語音/文字引擎難以作用。另一個應用是，該服務可以在教室環境裡，把一個五歲孩童的話準確翻成文字，沒有錯誤。
除了臉部毛髮功能外，微軟也推出了新改版的 Project Oxford 臉部 API 。其中，性別與年齡偵測功能都獲得改善，另外微軟也加入了「微笑預測」工具。