передовой подход к шумоподавлению без разделения говорящих. В проекте использовалась модель Demucs в качестве основы, дополненная голосовыми эмбеддингами на базе архитектуры ResNet и технологии x-vector, а также инструменты Kaldi, PyTorch и TensorFlow. Для обучения и оценки применялись крупные публичные наборы данных, включая LibriSpeech и VoxCeleb2, общим объемом более 1 терабайта, а также небольшие клиентские наборы данных. Было проведено более 100 экспериментов, и команда достигла целевых показателей PVAD как для ближних, так и для дальних микрофонных условий, улучшив качество модели на клиентских тестовых данных. Однако контур шумоподавителя не смог достичь результатов уровня SOTA (State-of-the-Art — передовых методов) в установленные сроки, что команда считает важным выводом о применимости данного подхода.