\documentclass[aspectratio=169]{beamer}

\usepackage[T2A]{fontenc}
\usepackage[utf8]{inputenc}
\usepackage[russian]{babel}
\usepackage{booktabs}
\usepackage{graphicx}
\usepackage{amsmath}

\usetheme{Madrid}
\usecolortheme{default}

\setbeamertemplate{navigation symbols}{}
\setbeamertemplate{footline}[frame number]

\title{Подбор оптимальной конфигурации модульной системы автоматического протоколирования совещаний с помощью генетических алгоритмов}
\author{Тищенко А.\,А.}
\institute{СПбПУ, ИКНиКБ, ВШ ТИИИ\\гр. 5130201/20101\\[6pt]Руководитель: проф., д.т.н. Большаков А.\,А.}
\date{2026}

\begin{document}

% ===== 1. Title =====
\begin{frame}
\titlepage
\end{frame}

% ===== 2. Introduction =====
\begin{frame}{Автоматическое протоколирование совещаний}
\begin{itemize}
    \item Протоколирование совещаний --- фиксация решений и договорённостей
    \item Автоматизация стала возможна благодаря развитию моделей ASR, диаризации и LLM
\end{itemize}

\vspace{0.4cm}
\textbf{Три этапа пайплайна:}
\begin{enumerate}
    \item \textbf{Транскрибация} --- преобразование аудио в текст
    \item \textbf{Диаризация} --- определение говорящих
    \item Суммаризация --- формирование протокола (не рассматривается)
\end{enumerate}

\vspace{0.4cm}
В данной работе рассматриваются \textbf{этапы~1 и~2}: оптимизация выбора моделей и их параметров.
\end{frame}

% ===== 3. Problem statement =====
\begin{frame}{Постановка задачи}
\textbf{Цель:} найти конфигурацию $\mathbf{x}^*$, минимизирующую:
\[
f(\mathbf{x}) = 0{,}4 \cdot \text{WER}(\mathbf{x}) + 0{,}4 \cdot \text{DER}(\mathbf{x}) + 0{,}2 \cdot T(\mathbf{x})
\]

\begin{itemize}
    \item WER --- ошибка транскрибации (\%)
    \item DER --- ошибка диаризации (\%)
    \item $T$ --- нормализованное время инференса
\end{itemize}

\vspace{0.3cm}
\textbf{Аппаратные ограничения:}
\begin{itemize}
    \item GPU Tesla T4 (16~ГБ VRAM), 16~ГБ ОЗУ
    \item Вычислительный бюджет: $\sim$10 часов
\end{itemize}
\end{frame}

% ===== 4. Configuration space =====
\begin{frame}{Пространство конфигураций}
\small
\begin{table}
\centering
\begin{tabular}{l l l}
\toprule
\textbf{Параметр} & \textbf{Тип} & \textbf{Значения} \\
\midrule
Модель транскрибации & категориальный & 5 моделей \\
beam\_size & дискретный & \{1, 3, 5, 7, 10\} \\
vad\_threshold & дискретный & \{0.3, 0.4, 0.5, 0.6, 0.7\} \\
Модель диаризации & категориальный & 3 модели \\
min\_speech\_duration & дискретный & \{0.25, 0.5, 0.75, 1.0, 1.5\}~с \\
clustering\_threshold & дискретный & \{0.3, 0.45, 0.6, 0.75, 0.9\} \\
\bottomrule
\end{tabular}
\end{table}

\vspace{0.2cm}
\begin{columns}
\column{0.48\textwidth}
\textbf{Транскрибация (5 моделей):}
\begin{itemize}
    \item Whisper large-v3 / medium
    \item Faster-Whisper large-v3
    \item GigaAM-CTC / RNN-T
\end{itemize}

\column{0.48\textwidth}
\textbf{Диаризация (3 модели):}
\begin{itemize}
    \item pyannote 3.1
    \item pyannote Community-1
    \item Sortformer (NeMo)
\end{itemize}
\end{columns}

\vspace{0.3cm}
\centering
Всего конфигураций: $5 \times 5 \times 5 \times 3 \times 5 \times 5 = \mathbf{9375}$
\end{frame}

% ===== 5. Computational constraints =====
\begin{frame}{Вычислительные ограничения}
\begin{itemize}
    \item Полный перебор 9375 конфигураций $\times$ 5~мин $= \sim$\textbf{780 часов}
    \item Необходимы эвристические методы оптимизации
\end{itemize}

\vspace{0.3cm}
\textbf{Сокращение затрат:}
\begin{enumerate}
    \item 1 вариант датасета (raw) --- сравнение конфигураций, а не устойчивости к шуму
    \item Половина датасета ($\sim$45~мин аудио) --- $\sim$5~мин на оценку
    \item Суммаризация исключена: LLM-инференс $\sim$20--40~мин/оценку
\end{enumerate}

\vspace{0.3cm}
Итог: $\sim$5~мин на одну оценку конфигурации, бюджет 10 часов.
\end{frame}

% ===== 6. GA design =====
\begin{frame}{Генетический алгоритм}
\textbf{Хромосома:} вектор из 6 генов (индексы допустимых значений)

\vspace{0.3cm}
\begin{columns}
\column{0.48\textwidth}
\textbf{Операторы:}
\begin{itemize}
    \item Турнирная селекция ($k=3$)
    \item Равномерный кроссовер
    \item Мутация: $p=0{,}15$ на ген\\(70\% --- соседнее значение,\\30\% --- случайное)
    \item Элитизм: 2 лучшие особи
\end{itemize}

\column{0.48\textwidth}
\textbf{Параметры:}
\begin{itemize}
    \item Популяция: 15 особей
    \item Поколений: 25
    \item Веса: $\alpha=0{,}4$, $\beta=0{,}4$, $\gamma=0{,}2$
\end{itemize}
\end{columns}
\end{frame}

% ===== 7. Optimizations =====
\begin{frame}{Оптимизации вычислений}
\textbf{1. Модульное кэширование}
\begin{itemize}
    \item Транскрибация и диаризация --- \textbf{независимые} модули
    \item Кэш транскрибации: ключ = (модель, beam\_size, vad\_threshold)
    \item Кэш диаризации: ключ = (модель, min\_speech\_dur, clustering\_thr, vad\_thr)
    \item Изменение параметров одного модуля не требует пересчёта другого
\end{itemize}

\vspace{0.4cm}
\textbf{2. Пакетное планирование по моделям}
\begin{itemize}
    \item Загрузка модели в GPU: 30--60~с для крупных моделей
    \item Конфигурации группируются по модели перед запуском
    \item Модель загружается \textbf{один раз} для всего пакета
\end{itemize}
\end{frame}

% ===== 8. Convergence =====
\begin{frame}{Результаты: сходимость}
\begin{columns}
\column{0.55\textwidth}
\includegraphics[width=\textwidth]{../report/img/convergence.png}

\column{0.42\textwidth}
\begin{itemize}
    \item Быстрое улучшение в поколениях 0--4
    \item Плато после 10-го поколения
    \item Среднее сходится к лучшему --- популяция концентрируется в области оптимума
\end{itemize}
\end{columns}
\end{frame}

% ===== 9. Best configurations =====
\begin{frame}{Результаты: лучшие конфигурации}
\footnotesize Для каждой уникальной комбинации моделей транскрибации и диаризации --- лучшая найденная конфигурация параметров.

\vspace{0.5em}
\small
\begin{table}
\centering
\begin{tabular}{c l l c c c c}
\toprule
\textbf{\#} & \textbf{Транскр.} & \textbf{Диариз.} & \textbf{WER} & \textbf{DER} & \textbf{T} & $f(\mathbf{x})$ \\
\midrule
1 & GigaAM-RNN-T & Sortformer    & 5.32\% & 19.07\% & 7.5' & 11.25 \\
2 & GigaAM-CTC   & Sortformer    & 6.54\% & 19.07\% & 5.3' & 11.30 \\
3 & GigaAM-RNN-T & pya. C.-1     & 5.32\% & 20.50\% & 6.4' & 11.60 \\
4 & GigaAM-CTC   & pya. C.-1     & 6.54\% & 20.50\% & 4.2' & 11.66 \\
5 & F.-Whisper    & Sortformer    & 7.59\% & 19.01\% & 6.0' & 11.84 \\
\bottomrule
\end{tabular}
\end{table}

\vspace{0.3cm}
\textbf{Лучшая:} GigaAM-RNN-T + Sortformer\\
beam\_size=1, vad\_thr=0.5, min\_speech\_dur=0.5~с, clustering\_thr=0.6
\end{frame}

% ===== 10. WER vs DER scatter =====
\begin{frame}{Результаты: распределение конфигураций}
\centering
\includegraphics[width=0.56\textwidth]{../report/img/wer_der_scatter.png}

\small Алгоритм сконцентрировал поиск в области малых WER и DER.
\end{frame}

% ===== 11. Model frequency =====
\begin{frame}{Результаты: частота моделей в топ-20}
\centering
\includegraphics[width=0.82\textwidth]{../report/img/model_frequency.png}

\vspace{0.2cm}
\small GigaAM-RNN-T доминирует в транскрибации, Sortformer --- в диаризации.
\end{frame}

% ===== 12. Comparison =====
\begin{frame}{Сравнение стратегий поиска}
\begin{table}
\centering
\begin{tabular}{l c c c c}
\toprule
\textbf{Стратегия} & \textbf{Оценок} & $f(\mathbf{x}^*)$ & \textbf{WER} & \textbf{DER} \\
\midrule
Полный перебор      & 9375           & ---   & ---     & --- \\
Случ. поиск (15)    & 15             & 13.03 & 6.99\%  & 23.35\% \\
Случ. поиск (60)    & 60             & 12.20 & 6.54\%  & 21.50\% \\
Случ. поиск (120)   & 120            & 11.60 & 5.57\%  & 19.80\% \\
\textbf{ГА (25 пок.)} & \textbf{93 мод.} & \textbf{11.25} & \textbf{5.32\%} & \textbf{19.07\%} \\
\bottomrule
\end{tabular}
\end{table}

\vspace{0.3cm}
\begin{itemize}
    \item ГА с 93 мод. выч. ($\sim$4~ч) лучше случайного поиска со 120 оценками (10~ч)
    \item $93 / 9375 \approx 1\%$ пространства поиска
    \item Оценочное время: $\sim$4 часа вместо 780 часов --- \textbf{ускорение $>$100$\times$}
\end{itemize}
\end{frame}

% ===== 13. Conclusion =====
\begin{frame}{Заключение}
\begin{itemize}
    \item Разработан ГА для оптимизации конфигурации модулей транскрибации и диаризации
    \item Модульное кэширование сокращает вычисления в 2.6 раза
    \item Пакетное планирование устраняет избыточные загрузки моделей
    \item Сходимость за 4--10 поколений (93 модульных вычисления)
    \item Лучшая конфигурация: WER~=~5.32\%, DER~=~19.07\%
    \item Ускорение $>$100$\times$ по сравнению с полным перебором
\end{itemize}

\vspace{0.4cm}
\textbf{Дальнейшая работа:}
\begin{itemize}
    \item Расширение на этап суммаризации (дипломная работа)
    \item Апробация на полном датасете
\end{itemize}
\end{frame}

\end{document}