现在有很多论文是关于基于深度学习的语音识别系统，比如listen attend and spell https://arxiv.org/abs/1508.01211.

我的问题是根据论文构建一个可以工作的语音识别系统难度有多大？欢迎有这方面经历的大拿指教，谢谢。
--
修改:loooong FROM 113.5.4.*
FROM 113.5.4.*