Metadata-Version: 2.1
Name: indicasr
Version: 1.0.0
Summary: Speeech Recognition for Indic languages.
Home-page: https://github.com/notAI-tech/IndicASR
Author: BEDAPUDI PRANEETH
Author-email: praneeth@bpraneeth.com
License: GPLv3
Platform: UNKNOWN
Classifier: License :: OSI Approved :: GNU General Public License v3 (GPLv3)
Classifier: Programming Language :: Python
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.6
Classifier: Programming Language :: Python :: Implementation :: CPython
Classifier: Programming Language :: Python :: Implementation :: PyPy
Requires-Python: >=3.6.0
Description-Content-Type: text/markdown
Requires-Dist: transformers (>=4.4.2)
Requires-Dist: pydload (>=1.0.9)
Requires-Dist: torch
Requires-Dist: torchaudio


# IndicASR
Speech Recognition for Indian Languages

# Notes

- IndicASR is built on top of ![wav2vec2 XLSR-53](https://github.com/pytorch/fairseq/tree/master/examples/wav2vec) and ![Huggingface's transformers](https://github.com/huggingface/transformers/) 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
```bash
pip install --upgrade indicasr
```

```python
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    |


