本文探讨了联邦自监督学习的新方法，如FedEMA、RSCFed和Fed-QSSL，旨在解决分散数据的非独立同分布问题。这些方法在性能上优于现有技术，能够有效利用用户数据并保护隐私。

该文综述联邦自监督学习在语音音频领域的应用：利用预训练ASR编码器提升识别性能并保护隐私；提出FedEMA解决数据非独立同分布问题；LW-FedSSL降低客户端资源需求；SSFL应对标签不足与数据异构；并探索鸟类声音、关键词识别及谱特征融合等任务。