Speech Recognition for Indian Languages
-
IndicASR is built on top of
and
and has pre-trained models for
Teluguin the current release. -
The Telugu model is trained on the train set of MSR Indic corpus + a private corpus of ~94 hours obtained from various telugu interview playlists from Youtube.
pip install --upgrade indicasrfrom indicasr import IndicASR
asr = IndicASR("telugu")
# Run one file at once
asr.transcribe("samples/telugu/hari.16k.wav")
# "ఈ సినిమా తర్వాత నిర్మాతలు రూటు మార్చే ఆలోచనలో ఉన్నారు"
# Batch inference
asr.transcribe(["samples/telugu/hari.16k.wav",
"samples/telugu/ramana.16k.wav"])
# ["ఈ సినిమా తర్వాత నిర్మాతలు రూటు మార్చే ఆలోచనలో ఉన్నారు",
# "భారత దేశము నా మాత్ర భూమి భారతీవులంతా నా సోదరి సోదరులు"]| sample name | prediction | expected |
|---|---|---|
| telugu/hari.16k.wav | ఈ సినిమా తర్వాత నిర్మాతలు రూటు మార్చే ఆలోచనలో ఉన్నారు | ఈ సినిమా తర్వాత నిర్మాతలు రూటు మార్చే ఆలోచనలో ఉన్నారు |
| telugu/harsha.16k.wav | నేను ఇప్పుడు గడ్డి కొడుతున్నారు | నేను ఇప్పుడు గడ్డి కొడుతున్నాను |
| telugu/indra.16k.wav | నేను భారత దేశంలో ఉన్నాను | నేను భారత దేశంలో ఉన్నాను |
| telugu/praneeth.16k.wav | నా పేరు ప్రణి బేదపూడి | నా పేరు ప్రణీత్ బేదపూడి |
| telugu/ramana.16k.wav | భారత దేశము నా మాత్ర భూమి భారతీవులంతా నా సోదరి సోదరులు | భారత దేశము నా మాతృ భూమి భారతీయులంతా నా సోదరీ సోదరులు |
| telugu/sai_krishna.16k.wav | నా పేరు సాయి కృష్ణ | నా పేరు సాయి కృష్ణ |