脸书发布全新自动语音识别的卷积方法 ，以及开源目前最先进的端到端语音识别系统wav2letter++。这个自动语音识别方法使用卷积神经网络（CNN）进行声音建模和语言建模，再加上脸书一同发布的工具，让其他开发者也能实例出相同的成果。
通常CNN架构比起循环架构（Recurrent Architecture），对于有建模长期相依性的任务更具有竞争力，能够良好执行语言建模、机器翻译和语音合成等工作，而在端到端的语音识别其中，循环架构在声音建模和语言建模上却更为普遍。
而脸书的这项研究，是在端到端语音识别中使用CNN架构，脸书表示，端到端语音识别可以轻松的扩展到多种语言，另外，直接从原始语音学习，则是解决音频品质变化大的好方法。脸书的语音团队现在发布第一个全卷积的语音识别系统，从波型到最后的单词转录为文本，系统的可学习部分，能仅由卷积层组成，而这样的性能则可以与循环架构相当。
另外，脸书还发布了快速且灵活的独立机器学习函数库Flashlight，这是由脸书的语音团队以及Torch和DeepSpeech的开发者共同设计的，能为现代C++进行JIT编译，并针对CPU和GPU后端，实现性能与规模最大化，而Wav2letter++工具则创建于Flashlight之上。
由于高性能框架Wav2letter++能进行快速迭代，因此可以加速研究进展，并方便的对新数据集和任务进行模型优化。脸书发布全新自动语音识别的卷积方法的同时，也同时发布了Flashlight和Wav2letter++开发框架，以实现成果的可重复性。