indicasr 1.0.0

Speeech Recognition for Indic languages.

IndicASR

Speech Recognition for Indian Languages

Notes

• IndicASR is built on top of and and has pre-trained models for Telugu in 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.

Use as python module

pip install --upgrade indicasr

from 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