El aprendizaje profundo brinda la oportunidad de lograr una esteganálisis efectiva del habla en señales de voz. Sin embargo, las muestras de habla utilizadas para entrenar modelos de esteganálisis del habla (es decir, esteganalizadores) suelen ser sensibles y distribuidas entre diferentes agencias, lo que hace impracticable entrenar un esteganalizador centralizado efectivo. Por lo tanto, en este documento, presentamos un marco efectivo, llamado FedSpy, que utiliza el aprendizaje federado, lo que permite a múltiples agencias entrenar de manera segura y conjunta los modelos de esteganálisis del habla sin compartir sus muestras de habla. FedSpy es un marco flexible y extensible que puede funcionar de manera efectiva en conjunto con varios métodos de esteganálisis del habla basados en aprendizaje profundo. Evaluamos el rendimiento de FedSpy al detectar la esteganografía de habla basada en Modulación de Índice de Cuantización, la más utilizada, con tres métodos de esteganálisis basados en aprendizaje profundo de última generación representativamente. Los resultados muestran que FedSpy supera significativamente a los esteganalizadores locales y logra una buena precisión de detección comparable al esteganalizador centralizado.