全程参照官方文档 ，仅少许浅坑。这篇文章算是摘要 + 翻译 + 注解吧。

前提条件

• Python 3.6

  严格遵守，实测 3.8 版本会有诸多错误。

• Mac 或 Linux 环境

  建议避过 Mac，缺失的依赖比 Linux 多很多，问题也多，我是半途放弃 Mac 转到 Ubuntu 的。可以通过启用 Windows 10 的 WSL 功能创建 Ubuntu 环境，可以使用所有的硬件能力。

• CUDA 10.0 / CuDNN v7.6 per Dockerfile.

  这条为非必须，因为我是新手，直接用 CPU 训练的。

Mozilla 实现的 DeepSpeech 语音识别引擎可以离线使用、可以运行在树莓派 4 上，简直就是给我准备的。

它附赠了一个训练好的普通话模型，我暂时没有试用。但训练自己专属的语音助手明显更带感，也更能贴近自己的说话习惯。