В работе исследуется применение федеративного обучения (FL) для диаризации и распознавания речи в условиях наложения голосов. Традиционные методы основаны на централизованном обучении, что несет риски для конфиденциальности данных. Современные нейросетевые подходы улучшают точность, но требуют большого объема аннотированных данных и плохо адаптируются к многоговорящей речи. FL позволяет обучать модели локально, однако его применение в таких условиях остается малоизученным. В работе анализируются существующие методы и предлагается подход, обеспечивающий баланс между точностью диаризации, обработкой наложения голосов и защитой данных пользователей.

Байрамова Х.Б. (науч. рук. Авдюшина А.Е.) Подходы федеративного обучения к диаризации и распознаванию речи в условиях пересекающихся голосов // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15766