搭建了将手势转化为字符的神经网络。在预处理阶段只考虑了主手以减少无效特征，删除了没有检测到手的帧并利用插值法对齐输入视频，同时创建了一阶导数来丰富输入特征。其间尝试了将编辑距离构造为可微分的损失函数。另外还使用了数据增强、残差网络、因果卷积、Ranger、CTC、BeamSearch等技术。最后，利用TensorFlow Lite转换器对模型进行了一些优化，以提高模型在移动设备上的性能和效率。这些优化包括量化（quantization）、权重剪枝（weight pruning）、图优化（graph optimization）等。