Duplicate from kavyamanohar/stt_ml_fastconformer_ctc_med_punct

Co-authored-by: Kavya Manohar <kavyamanohar@users.noreply.huggingface.co>

.gitattributes

@@ -0,0 +1,35 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ckpt filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.mlmodel filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+*.safetensors filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tar filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text

299f3c3e10064a928e07b138ca8d25c8_vocab.txt

@@ -0,0 +1,511 @@
+##ന്
+##ക്
+##ത്
+##ക്ക
+പ
+##്ട
+##ന്ന
+ക
+അ
+##ും
+##തി
+വ
+ന
+##ങ്
+##യി
+സ
+##്പ
+##ട്ട
+മ
+##്യ
+##ച്
+എ
+##രു
+##ങ്ങ
+##പ്പ
+##്ര
+##ാണ
+##റ്
+##ണ്ട
+##രി
+##്ല
+ഇ
+ആ
+##ല്ല
+##ത്ത
+##സ്
+##ത്തി
+##ുന്ന
+ത
+ച
+##ച്ച
+##ാണ്
+##െയ
+##ായി
+##ക്ക്
+##ുക
+##ിയ
+##ിൽ
+##ിക്ക
+ഒ
+##ില
+##ടെ
+##റ്റ
+##ള്
+##ള്ള
+##ന്ന്
+##ാന
+പ്ര
+##ാര
+ഉ
+##ാൻ
+##ടു
+നമ
+##ഞ്
+##ന്റ
+##്മ
+##ായ
+##ങ്ങള
+##ുള്ള
+##ുമ
+##ണ്ട്
+##ങ്ക
+ര
+വി
+##വി
+##ക്കെ
+ഒരു
+##ന്റെ
+ബ
+##ോൾ
+##ങ്ങൾ
+ചെയ
+##ട്ട്
+നി
+##ഞ്ഞ
+##ന്നെ
+##ിച്ച
+##ിക
+ജ
+##ക്ഷ
+##ുടെ
+##രുന്ന
+പറ
+പി
+##ദ്
+##ാർ
+സ്
+##ന്ത്
+നമ്മ
+##യിൽ
+കു
+##െങ്ക
+##റി
+##ാല
+അത
+##പ്പോൾ
+ശ
+ഓ
+##ന്ത
+സം
+##ാവ
+##ദേ
+##ാക്ക
+##ാം
+##രിക്ക
+##ത്ര
+അവ
+##നി
+##നെ
+##ൊക്കെ
+##ുണ്ട്
+##െന്ന്
+##ലെ
+പോ
+##ാൽ
+##ണം
+ഞ
+##ില്ല
+ല
+ചെയ്യ
+##ട്
+##പ്പെ
+##ച്ച്
+##ടി
+എന്ന
+##ന്നും
+##ുന്നത്
+##ത്തിൽ
+കാര
+ഗ
+ഭ
+കൂ
+കോ
+കേ
+##റ്റ്
+ഫ
+നമു
+കൊ
+##രുന്നു
+##ോഗ
+നട
+##ത്ത്
+അതി
+മാ
+##ാമ
+വേ
+##െങ്കിൽ
+മു
+##ത്തെ
+##സി
+##ഴി
+സമ
+##ിട്ട
+##്യമ
+ഈ
+അത്
+##ന്ത്രി
+പിന്നെ
+പറഞ്ഞ
+നമുക്ക്
+##സ്ഥ
+വെ
+##ുകയ
+##ുവ
+##ന്ദ
+ഡ
+യ
+##ണ്
+ഹ
+##ഡ്
+ഏ
+പു
+##ിലും
+നമ്മൾ
+ദ
+##രെ
+##വർ
+##ദേശ
+##വും
+##ാധ
+##മായി
+##യ്
+##ുപ
+##ുണ്ട
+അങ്ങ
+##ുകള
+റ
+ചെയ്
+നല്ല
+പറയ
+എല്ല
+##ടുക്ക
+##േഷ
+##ിക്കുന്ന
+ഞാൻ
+കാര്യ
+##ാള
+##ുട
+##ൊരു
+രാ
+##ിവ
+ഉണ്ട
+തന്നെ
+##യില
+##മ്മ
+##ുകൾ
+##ാക
+##കള
+##നം
+കുറ
+നേ
+##ഷ്ട
+##ായിരുന്നു
+ട
+##ദ്ധ
+എന്ത
+##ുമ്പ
+##മെ
+##ദ്യ
+##രം
+##ന്ദ്ര
+ഇപ്പോൾ
+സ്ഥ
+##പ്പം
+അപ്പോൾ
+##ക്കും
+##ിലെ
+##ടുത്ത
+പരി
+വീ
+##പാ
+##െയാണ്
+##യും
+##ാസ
+##ന്ധ
+##നു
+##മായ
+##ികള
+##ിച്ചു
+ക്
+##ശ്
+##ാറ
+തി
+##ൽക
+##റ്റി
+##മാണ്
+##പ്പ്
+##റിയ
+##ാഗ
+##ച്ചു
+കൂടു
+##ഴ്
+##ട്ടി
+നൽക
+പറഞ്ഞു
+1
+കൂടുത
+##ണ്ടി
+തുട
+എന്ന്
+##വിടെ
+##കൾ
+##ത്തില
+##ാപ
+##കാര
+##രോ
+അല്ല
+##തു
+2
+വ്യ
+##ംഗ
+##ികൾ
+##സ്ഥാന
+##മ്പ
+##ഴിഞ്ഞ
+##െങ്കിലും
+##െന്നും
+##തിയ
+##നിക്ക്
+##ധാന
+##പ്പോ
+##േക്ക്
+##ത്യ
+സി
+##ൂർ
+##കര
+##െയും
+##ദേഹ
+നമ്മുടെ
+ചെ
+അവർ
+ഉപ
+സാധ
+##ന്ത്യ
+##ുകൊ
+എനിക്ക്
+##ത്തിന്റെ
+##പ്പെട്ട
+##ാത
+##ദ്ദേഹ
+##്
+▁
+##ി
+##ക
+##ന
+##ു
+##ത
+##ാ
+##യ
+##ട
+##പ
+##ര
+##െ
+##മ
+##ല
+##വ
+##ം
+##റ
+##സ
+##ണ
+##ച
+##ങ
+##ള
+##ോ
+##.
+##അ
+##േ
+##ൽ
+##ർ
+##ൾ
+##ദ
+##എ
+##ഞ
+##ീ
+##ൻ
+##ഷ
+##ഇ
+##ൊ
+##ആ
+##ശ
+##ൂ
+##,
+##ഗ
+##ധ
+##ജ
+##ബ
+##ഒ
+##ഴ
+##ഡ
+##ഹ
+##ഉ
+##ഭ
+##ഥ
+##ഫ
+##ൈ
+##ഓ
+##ഖ
+##?
+##0
+##ൺ
+##ൃ
+##ഈ
+##ഏ
+##2
+##1
+##ഘ
+##ൗ
+##3
+##5
+##-
+##ഠ
+##4
+##ഐ
+##6
+##7
+##8
+##9
+##P
+##C
+##I
+##ഛ
+##D
+##W
+##ഊ
+##S
+##A
+##ഔ
+##T
+##O
+##R
+##:
+##ഃ
+##F
+##r
+##N
+##ഢ
+##M
+##E
+##L
+##!
+##"
+##'
+##/
+##V
+##B
+##;
+##G
+##J
+##ഋ
+##t
+##ഝ
+##(
+##)
+##o
+##x
+##e
+##c
+##H
+##n
+##i
+##a
+##u
+##K
+##s
+##m
+##d
+##l
+##%
+##U
+##f
+##v
+##h
+##p
+##൦
+##൫
+##Y
+##b
+##൨
+##—
+##X
+##൩
+##`
+##൪
+##g
+##y
+##ഌ
+##൧
+##@
+##்
+##+
+##k
+##ा
+##ச
+##。
+##ं
+##न
+##्
+##ய
+##൭
+##൯
+##ൿ
+##$
+##*
+##~
+##ठ
+##ध
+##ब
+##म
+##ா
+##൬
+##Q
+##Z
+##°
+##त
+##द
+##प
+##य
+##र
+##ल
+##व
+##स
+##ह
+##ि
+##ु
+##े
+##ঠ
+##র
+##ো
+##લ
+##ુ
+##ன
+##ம
+##ற
+##న
+##ల
+##ా
+##ి
+##ీ
+##్
+##ತ
+##ಿ

49704422a930474bb04998e5f862af1e_tokenizer.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ae65ec9e1cb9e5f400246142d19a9ac76cc1541c50c53d86c670575b556f2c11
+size 248296

87be75af54e141a8a50481d3ebfa5088_tokenizer.vocab

@@ -0,0 +1,512 @@
+<unk>	0
+ന്	-0
+ക്	-1
+ത്	-2
+ക്ക	-3
+▁പ	-4
+്ട	-5
+ന്ന	-6
+▁ക	-7
+▁അ	-8
+ും	-9
+തി	-10
+▁വ	-11
+▁ന	-12
+ങ്	-13
+യി	-14
+▁സ	-15
+്പ	-16
+ട്ട	-17
+▁മ	-18
+്യ	-19
+ച്	-20
+▁എ	-21
+രു	-22
+ങ്ങ	-23
+പ്പ	-24
+്ര	-25
+ാണ	-26
+റ്	-27
+ണ്ട	-28
+രി	-29
+്ല	-30
+▁ഇ	-31
+▁ആ	-32
+ല്ല	-33
+ത്ത	-34
+സ്	-35
+ത്തി	-36
+ുന്ന	-37
+▁ത	-38
+▁ച	-39
+ച്ച	-40
+ാണ്	-41
+െയ	-42
+ായി	-43
+ക്ക്	-44
+ുക	-45
+ിയ	-46
+ിൽ	-47
+ിക്ക	-48
+▁ഒ	-49
+ില	-50
+ടെ	-51
+റ്റ	-52
+ള്	-53
+ള്ള	-54
+ന്ന്	-55
+ാന	-56
+▁പ്ര	-57
+ാര	-58
+▁ഉ	-59
+ാൻ	-60
+ടു	-61
+▁നമ	-62
+ഞ്	-63
+ന്റ	-64
+്മ	-65
+ായ	-66
+ങ്ങള	-67
+ുള്ള	-68
+ുമ	-69
+ണ്ട്	-70
+ങ്ക	-71
+▁ര	-72
+▁വി	-73
+വി	-74
+ക്കെ	-75
+▁ഒരു	-76
+ന്റെ	-77
+▁ബ	-78
+ോൾ	-79
+ങ്ങൾ	-80
+▁ചെയ	-81
+ട്ട്	-82
+▁നി	-83
+ഞ്ഞ	-84
+ന്നെ	-85
+ിച്ച	-86
+ിക	-87
+▁ജ	-88
+ക്ഷ	-89
+ുടെ	-90
+രുന്ന	-91
+▁പറ	-92
+▁പി	-93
+ദ്	-94
+ാർ	-95
+▁സ്	-96
+ന്ത്	-97
+▁നമ്മ	-98
+യിൽ	-99
+▁കു	-100
+െങ്ക	-101
+റി	-102
+ാല	-103
+▁അത	-104
+പ്പോൾ	-105
+▁ശ	-106
+▁ഓ	-107
+ന്ത	-108
+▁സം	-109
+ാവ	-110
+ദേ	-111
+ാക്ക	-112
+ാം	-113
+രിക്ക	-114
+ത്ര	-115
+▁അവ	-116
+നി	-117
+നെ	-118
+ൊക്കെ	-119
+ുണ്ട്	-120
+െന്ന്	-121
+ലെ	-122
+▁പോ	-123
+ാൽ	-124
+ണം	-125
+▁ഞ	-126
+ില്ല	-127
+▁ല	-128
+▁ചെയ്യ	-129
+ട്	-130
+പ്പെ	-131
+ച്ച്	-132
+ടി	-133
+▁എന്ന	-134
+ന്നും	-135
+ുന്നത്	-136
+ത്തിൽ	-137
+▁കാര	-138
+▁ഗ	-139
+▁ഭ	-140
+▁കൂ	-141
+▁കോ	-142
+▁കേ	-143
+റ്റ്	-144
+▁ഫ	-145
+▁നമു	-146
+▁കൊ	-147
+രുന്നു	-148
+ോഗ	-149
+▁നട	-150
+ത്ത്	-151
+▁അതി	-152
+▁മാ	-153
+ാമ	-154
+▁വേ	-155
+െങ്കിൽ	-156
+▁മു	-157
+ത്തെ	-158
+സി	-159
+ഴി	-160
+▁സമ	-161
+ിട്ട	-162
+്യമ	-163
+▁ഈ	-164
+▁അത്	-165
+ന്ത്രി	-166
+▁പിന്നെ	-167
+▁പറഞ്ഞ	-168
+▁നമുക്ക്	-169
+സ്ഥ	-170
+▁വെ	-171
+ുകയ	-172
+ുവ	-173
+ന്ദ	-174
+▁ഡ	-175
+▁യ	-176
+ണ്	-177
+▁ഹ	-178
+ഡ്	-179
+▁ഏ	-180
+▁പു	-181
+ിലും	-182
+▁നമ്മൾ	-183
+▁ദ	-184
+രെ	-185
+വർ	-186
+ദേശ	-187
+വും	-188
+ാധ	-189
+മായി	-190
+യ്	-191
+ുപ	-192
+ുണ്ട	-193
+▁അങ്ങ	-194
+ുകള	-195
+▁റ	-196
+▁ചെയ്	-197
+▁നല്ല	-198
+▁പറയ	-199
+▁എല്ല	-200
+ടുക്ക	-201
+േഷ	-202
+ിക്കുന്ന	-203
+▁ഞാൻ	-204
+▁കാര്യ	-205
+ാള	-206
+ുട	-207
+ൊരു	-208
+▁രാ	-209
+ിവ	-210
+▁ഉണ്ട	-211
+▁തന്നെ	-212
+യില	-213
+മ്മ	-214
+ുകൾ	-215
+ാക	-216
+കള	-217
+നം	-218
+▁കുറ	-219
+▁നേ	-220
+ഷ്ട	-221
+ായിരുന്നു	-222
+▁ട	-223
+ദ്ധ	-224
+▁എന്ത	-225
+ുമ്പ	-226
+മെ	-227
+ദ്യ	-228
+രം	-229
+ന്ദ്ര	-230
+▁ഇപ്പോൾ	-231
+▁സ്ഥ	-232
+പ്പം	-233
+▁അപ്പോൾ	-234
+ക്കും	-235
+ിലെ	-236
+ടുത്ത	-237
+▁പരി	-238
+▁വീ	-239
+പാ	-240
+െയാണ്	-241
+യും	-242
+ാസ	-243
+ന്ധ	-244
+നു	-245
+മായ	-246
+ികള	-247
+ിച്ചു	-248
+▁ക്	-249
+ശ്	-250
+ാറ	-251
+▁തി	-252
+ൽക	-253
+റ്റി	-254
+മാണ്	-255
+പ്പ്	-256
+റിയ	-257
+ാഗ	-258
+ച്ചു	-259
+▁കൂടു	-260
+ഴ്	-261
+ട്ടി	-262
+▁നൽക	-263
+▁പറഞ്ഞു	-264
+▁1	-265
+▁കൂടുത	-266
+ണ്ടി	-267
+▁തുട	-268
+▁എന്ന്	-269
+വിടെ	-270
+കൾ	-271
+ത്തില	-272
+ാപ	-273
+കാര	-274
+രോ	-275
+▁അല്ല	-276
+തു	-277
+▁2	-278
+▁വ്യ	-279
+ംഗ	-280
+ികൾ	-281
+സ്ഥാന	-282
+മ്പ	-283
+ഴിഞ്ഞ	-284
+െങ്കിലും	-285
+െന്നും	-286
+തിയ	-287
+നിക്ക്	-288
+ധാന	-289
+പ്പോ	-290
+േക്ക്	-291
+ത്യ	-292
+▁സി	-293
+ൂർ	-294
+കര	-295
+െയും	-296
+ദേഹ	-297
+▁നമ്മുടെ	-298
+▁ചെ	-299
+▁അവർ	-300
+▁ഉപ	-301
+▁സാധ	-302
+ന്ത്യ	-303
+ുകൊ	-304
+▁എനിക്ക്	-305
+ത്തിന്റെ	-306
+പ്പെട്ട	-307
+ാത	-308
+���്ദേഹ	-309
+്	-310
+▁	-311
+ി	-312
+ക	-313
+ന	-314
+ു	-315
+ത	-316
+ാ	-317
+യ	-318
+ട	-319
+പ	-320
+ര	-321
+െ	-322
+മ	-323
+ല	-324
+വ	-325
+ം	-326
+റ	-327
+സ	-328
+ണ	-329
+ച	-330
+ങ	-331
+ള	-332
+ോ	-333
+.	-334
+അ	-335
+േ	-336
+ൽ	-337
+ർ	-338
+ൾ	-339
+ദ	-340
+എ	-341
+ഞ	-342
+ീ	-343
+ൻ	-344
+ഷ	-345
+ഇ	-346
+ൊ	-347
+ആ	-348
+ശ	-349
+ൂ	-350
+,	-351
+ഗ	-352
+ധ	-353
+ജ	-354
+ബ	-355
+ഒ	-356
+ഴ	-357
+ഡ	-358
+ഹ	-359
+ഉ	-360
+ഭ	-361
+ഥ	-362
+ഫ	-363
+ൈ	-364
+ഓ	-365
+ഖ	-366
+?	-367
+0	-368
+ൺ	-369
+ൃ	-370
+ഈ	-371
+ഏ	-372
+2	-373
+1	-374
+ഘ	-375
+ൗ	-376
+3	-377
+5	-378
+-	-379
+ഠ	-380
+4	-381
+ഐ	-382
+6	-383
+7	-384
+8	-385
+9	-386
+P	-387
+C	-388
+I	-389
+ഛ	-390
+D	-391
+W	-392
+ഊ	-393
+S	-394
+A	-395
+ഔ	-396
+T	-397
+O	-398
+R	-399
+:	-400
+ഃ	-401
+F	-402
+r	-403
+N	-404
+ഢ	-405
+M	-406
+E	-407
+L	-408
+!	-409
+"	-410
+'	-411
+/	-412
+V	-413
+B	-414
+;	-415
+G	-416
+J	-417
+ഋ	-418
+t	-419
+ഝ	-420
+(	-421
+)	-422
+o	-423
+x	-424
+e	-425
+c	-426
+H	-427
+n	-428
+i	-429
+a	-430
+u	-431
+K	-432
+s	-433
+m	-434
+d	-435
+l	-436
+%	-437
+U	-438
+f	-439
+v	-440
+h	-441
+p	-442
+൦	-443
+൫	-444
+Y	-445
+b	-446
+൨	-447
+—	-448
+X	-449
+൩	-450
+`	-451
+൪	-452
+g	-453
+y	-454
+ഌ	-455
+൧	-456
+@	-457
+்	-458
++	-459
+k	-460
+ा	-461
+ச	-462
+。	-463
+ं	-464
+न	-465
+्	-466
+ய	-467
+൭	-468
+൯	-469
+ൿ	-470
+$	-471
+*	-472
+~	-473
+ठ	-474
+ध	-475
+ब	-476
+म	-477
+ா	-478
+൬	-479
+Q	-480
+Z	-481
+°	-482
+त	-483
+द	-484
+प	-485
+य	-486
+र	-487
+ल	-488
+व	-489
+स	-490
+ह	-491
+ि	-492
+ु	-493
+े	-494
+ঠ	-495
+র	-496
+ো	-497
+લ	-498
+ુ	-499
+ன	-500
+ம	-501
+ற	-502
+న	-503
+ల	-504
+ా	-505
+ి	-506
+ీ	-507
+్	-508
+ತ	-509
+ಿ	-510

README.md

@@ -0,0 +1,196 @@
+---
+library_name: nemo
+license: cc-by-4.0
+tags:
+- pytorch
+- NeMo
+---
+
+# Stt Ml Fastconformer Ctc Med Punct
+
+<style>
+img {
+ display: inline;
+}
+</style>
+
+[![Model architecture](https://img.shields.io/badge/Model_Arch-PUT-YOUR-ARCHITECTURE-HERE-lightgrey#model-badge)](#model-architecture)
+| [![Model size](https://img.shields.io/badge/Params-PUT-YOUR-MODEL-SIZE-HERE-lightgrey#model-badge)](#model-architecture)
+| [![Language](https://img.shields.io/badge/Language-PUT-YOUR-LANGUAGE-HERE-lightgrey#model-badge)](#datasets)
+
+**Put a short model description here.**
+
+See the [model architecture](#model-architecture) section and [NeMo documentation](https://docs.nvidia.com/deeplearning/nemo/user-guide/docs/en/stable/index.html) for complete architecture details.
+
+
+## NVIDIA NeMo: Training
+
+To train, fine-tune or play with the model you will need to install [NVIDIA NeMo](https://github.com/NVIDIA/NeMo). We recommend you install it after you've installed latest Pytorch version.
+```
+pip install nemo_toolkit['all']
+``` 
+
+## How to Use this Model
+
+The model is available for use in the NeMo toolkit [3], and can be used as a pre-trained checkpoint for inference or for fine-tuning on another dataset.
+
+### Automatically instantiate the model
+
+**NOTE**: Please update the model class below to match the class of the model being uploaded.
+
+```python
+import nemo.core import ModelPT
+model = ModelPT.from_pretrained("kavyamanohar/stt_ml_fastconformer_ctc_med_punct")
+```
+
+### NOTE
+
+    Add some information about how to use the model here. An example is provided for ASR inference below.
+
+    ### Transcribing using Python
+    First, let's get a sample
+    ```
+    wget https://dldata-public.s3.us-east-2.amazonaws.com/2086-149220-0033.wav
+    ```
+    Then simply do:
+    ```
+    asr_model.transcribe(['2086-149220-0033.wav'])
+    ```
+
+    ### Transcribing many audio files
+
+    ```shell
+    python [NEMO_GIT_FOLDER]/examples/asr/transcribe_speech.py      pretrained_name="kavyamanohar/stt_ml_fastconformer_ctc_med_punct"      audio_dir=""
+    ```
+
+### Input
+
+**Add some information about what are the inputs to this model**
+
+### Output
+
+**Add some information about what are the outputs of this model**
+
+## Model Architecture
+
+**Add information here discussing architectural details of the model or any comments to users about the model.**
+
+## Training
+
+**Add information here about how the model was trained. It should be as detailed as possible, potentially including the the link to the script used to train as well as the base config used to train the model. If extraneous scripts are used to prepare the components of the model, please include them here.**
+
+### NOTE
+
+    An example is provided below for ASR
+
+    The NeMo toolkit [3] was used for training the models for over several hundred epochs. These model are trained with this [example script](https://github.com/NVIDIA/NeMo/blob/main/examples/asr/asr_transducer/speech_to_text_rnnt_bpe.py) and this [base config](https://github.com/NVIDIA/NeMo/blob/main/examples/asr/conf/fastconformer/fast-conformer_transducer_bpe.yaml).
+
+    The tokenizers for these models were built using the text transcripts of the train set with this [script](https://github.com/NVIDIA/NeMo/blob/main/scripts/tokenizers/process_asr_text_tokenizer.py).
+
+
+### Datasets
+
+**Try to provide as detailed a list of datasets as possible. If possible, provide links to the datasets on HF by adding it to the manifest section at the top of the README (marked by ---).**
+
+### NOTE
+
+    An example for the manifest section is provided below for ASR datasets
+
+    datasets:
+    - librispeech_asr
+    - fisher_corpus
+    - Switchboard-1
+    - WSJ-0
+    - WSJ-1
+    - National-Singapore-Corpus-Part-1
+    - National-Singapore-Corpus-Part-6
+    - vctk
+    - voxpopuli
+    - europarl
+    - multilingual_librispeech
+    - mozilla-foundation/common_voice_8_0
+    - MLCommons/peoples_speech
+
+    The corresponding text in this section for those datasets is stated below -
+
+    The model was trained on 64K hours of English speech collected and prepared by NVIDIA NeMo and Suno teams.
+
+    The training dataset consists of private subset with 40K hours of English speech plus 24K hours from the following public datasets:
+
+    - Librispeech 960 hours of English speech
+    - Fisher Corpus
+    - Switchboard-1 Dataset
+    - WSJ-0 and WSJ-1
+    - National Speech Corpus (Part 1, Part 6)
+    - VCTK
+    - VoxPopuli (EN)
+    - Europarl-ASR (EN)
+    - Multilingual Librispeech (MLS EN) - 2,000 hour subset
+    - Mozilla Common Voice (v7.0)
+    - People's Speech  - 12,000 hour subset
+
+
+## Performance
+
+**Add information here about the performance of the model. Discuss what is the metric that is being used to evaluate the model and if there are external links explaning the custom metric, please link to it.
+
+### NOTE
+
+    An example is provided below for ASR metrics list that can be added to the top of the README
+    
+    model-index:
+    - name: PUT_MODEL_NAME
+      results:
+      - task:
+          name: Automatic Speech Recognition
+          type: automatic-speech-recognition
+        dataset:
+          name: AMI (Meetings test)
+          type: edinburghcstr/ami
+          config: ihm
+          split: test
+          args:
+            language: en
+        metrics:
+        - name: Test WER
+          type: wer
+          value: 17.10
+      - task:
+          name: Automatic Speech Recognition
+          type: automatic-speech-recognition
+        dataset:
+          name: Earnings-22
+          type: revdotcom/earnings22
+          split: test
+          args:
+            language: en
+        metrics:
+        - name: Test WER
+          type: wer
+          value: 14.11
+
+Provide any caveats about the results presented in the top of the discussion so that nuance is not lost. 
+
+It should ideally be in a tabular format (you can use the following website to make your tables in markdown format - https://www.tablesgenerator.com/markdown_tables)**
+
+## Limitations
+
+**Discuss any practical limitations to the model when being used in real world cases. They can also be legal disclaimers, or discussion regarding the safety of the model (particularly in the case of LLMs).**
+
+
+### Note
+
+    An example is provided below 
+
+    Since this model was trained on publicly available speech datasets, the performance of this model might degrade for speech which includes technical terms, or vernacular that the model has not been trained on. The model might also perform worse for accented speech.
+
+
+## License
+
+License to use this model is covered by the [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/). By downloading the public and release version of the model, you accept the terms and conditions of the [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/) license.
+
+## References
+
+**Provide appropriate references in the markdown link format below. Please order them numerically.**
+
+[1] [NVIDIA NeMo Toolkit](https://github.com/NVIDIA/NeMo)

model_config.yaml

@@ -0,0 +1,743 @@
+sample_rate: 16000
+log_prediction: true
+ctc_reduction: mean_volume
+skip_nan_grad: false
+init_from_nemo_model: exp/fastconformer_512_1_2/2025-11-24_22-11-55/checkpoints/fastconformer_512_1_2.nemo
+train_ds:
+  manifest_filepath: data/all_manifests/adalat-ai_common_voice_17_0_curated_train.jsonl,data/all_manifests/adalat-ai_festvox-iiith-ml_curated_train.jsonl,data/all_manifests/adalat-ai_fleurs_ml_curated_train.jsonl,data/all_manifests/adalat-ai_fleurs_ml_curated_validation.jsonl,data/all_manifests/adalat-ai_indic_tts_ml_curated_train.jsonl,data/all_manifests/adalat-ai_openslr63_ml_curated_train.jsonl,data/all_manifests/adalat-ai_Shrutilipi_ml_curated_train.jsonl,data/all_manifests/adalat-ai_IMaSC_ml_curated_train.jsonl,data/all_manifests/adalat-ai_IndicVoices-malayalam_curated_train.jsonl,data/all_manifests/adalat-ai_Kathbath_ml_curated_train.jsonl
+  sample_rate: 16000
+  batch_size: 128
+  shuffle: true
+  num_workers: 18
+  pin_memory: true
+  max_duration: 25
+  min_duration: 0.1
+  is_tarred: false
+  tarred_audio_filepaths: null
+  shuffle_n: 2048
+  bucketing_strategy: fully_randomized
+  bucketing_batch_size: null
+validation_ds:
+  manifest_filepath: data/all_manifests/adalat-ai_curated-malayalam-test_test.jsonl
+  sample_rate: 16000
+  batch_size: 128
+  shuffle: false
+  use_start_end_token: false
+  num_workers: 8
+  pin_memory: true
+test_ds:
+  manifest_filepath: data/all_manifests/adalat-ai_in22_ml_test.jsonl
+  sample_rate: 16000
+  batch_size: 64
+  shuffle: false
+  use_start_end_token: false
+  num_workers: 8
+  pin_memory: true
+tokenizer:
+  dir: data/tokenizer-512-punct/tokenizer_spe_bpe_v512
+  type: bpe
+  model_path: nemo:49704422a930474bb04998e5f862af1e_tokenizer.model
+  vocab_path: nemo:299f3c3e10064a928e07b138ca8d25c8_vocab.txt
+  spe_tokenizer_vocab: nemo:87be75af54e141a8a50481d3ebfa5088_tokenizer.vocab
+preprocessor:
+  _target_: nemo.collections.asr.modules.AudioToMelSpectrogramPreprocessor
+  sample_rate: 16000
+  normalize: per_feature
+  window_size: 0.025
+  window_stride: 0.01
+  window: hann
+  features: 80
+  n_fft: 512
+  log: true
+  frame_splicing: 1
+  dither: 1.0e-05
+  pad_to: 0
+  pad_value: 0.0
+spec_augment:
+  _target_: nemo.collections.asr.modules.SpectrogramAugmentation
+  freq_masks: 2
+  time_masks: 10
+  freq_width: 27
+  time_width: 0.05
+encoder:
+  _target_: nemo.collections.asr.modules.ConformerEncoder
+  feat_in: 80
+  feat_out: -1
+  n_layers: 16
+  d_model: 256
+  subsampling: dw_striding
+  subsampling_factor: 8
+  subsampling_conv_channels: 256
+  causal_downsampling: false
+  ff_expansion_factor: 4
+  self_attention_model: rel_pos
+  n_heads: 4
+  att_context_size:
+  - 70
+  - 6
+  att_context_style: regular
+  xscaling: true
+  untie_biases: true
+  pos_emb_max_len: 5000
+  use_pytorch_sdpa: false
+  use_pytorch_sdpa_backends: []
+  conv_kernel_size: 9
+  conv_norm_type: batch_norm
+  conv_context_size: null
+  dropout: 0.1
+  dropout_pre_encoder: 0.1
+  dropout_emb: 0.0
+  dropout_att: 0.1
+  stochastic_depth_drop_prob: 0.0
+  stochastic_depth_mode: linear
+  stochastic_depth_start_layer: 1
+decoder:
+  _target_: nemo.collections.asr.modules.ConvASRDecoder
+  feat_in: 256
+  num_classes: 512
+  vocabulary:
+  - <unk>
+  - ന്
+  - ക്
+  - ത്
+  - ക്ക
+  - ▁പ
+  - ്ട
+  - ന്ന
+  - ▁ക
+  - ▁അ
+  - ും
+  - തി
+  - ▁വ
+  - ▁ന
+  - ങ്
+  - യി
+  - ▁സ
+  - ്പ
+  - ട്ട
+  - ▁മ
+  - ്യ
+  - ച്
+  - ▁എ
+  - രു
+  - ങ്ങ
+  - പ്പ
+  - ്ര
+  - ാണ
+  - റ്
+  - ണ്ട
+  - രി
+  - ്ല
+  - ▁ഇ
+  - ▁ആ
+  - ല്ല
+  - ത്ത
+  - സ്
+  - ത്തി
+  - ുന്ന
+  - ▁ത
+  - ▁ച
+  - ച്ച
+  - ാണ്
+  - െയ
+  - ായി
+  - ക്ക്
+  - ുക
+  - ിയ
+  - ിൽ
+  - ിക്ക
+  - ▁ഒ
+  - ില
+  - ടെ
+  - റ്റ
+  - ള്
+  - ള്ള
+  - ന്ന്
+  - ാന
+  - ▁പ്ര
+  - ാര
+  - ▁ഉ
+  - ാൻ
+  - ടു
+  - ▁നമ
+  - ഞ്
+  - ന്റ
+  - ്മ
+  - ായ
+  - ങ്ങള
+  - ുള്ള
+  - ുമ
+  - ണ്ട്
+  - ങ്ക
+  - ▁ര
+  - ▁വി
+  - വി
+  - ക്കെ
+  - ▁ഒരു
+  - ന്റെ
+  - ▁ബ
+  - ോൾ
+  - ങ്ങൾ
+  - ▁ചെയ
+  - ട്ട്
+  - ▁നി
+  - ഞ്ഞ
+  - ന്നെ
+  - ിച്ച
+  - ിക
+  - ▁ജ
+  - ക്ഷ
+  - ുടെ
+  - രുന്ന
+  - ▁പറ
+  - ▁പി
+  - ദ്
+  - ാർ
+  - ▁സ്
+  - ന്ത്
+  - ▁നമ്മ
+  - യിൽ
+  - ▁കു
+  - െങ്ക
+  - റി
+  - ാല
+  - ▁അത
+  - പ്പോൾ
+  - ▁ശ
+  - ▁ഓ
+  - ന്ത
+  - ▁സം
+  - ാവ
+  - ദേ
+  - ാക്ക
+  - ാം
+  - രിക്ക
+  - ത്ര
+  - ▁അവ
+  - നി
+  - നെ
+  - ൊക്കെ
+  - ുണ്ട്
+  - െന്ന്
+  - ലെ
+  - ▁പോ
+  - ാൽ
+  - ണം
+  - ▁ഞ
+  - ില്ല
+  - ▁ല
+  - ▁ചെയ്��
+  - ട്
+  - പ്പെ
+  - ച്ച്
+  - ടി
+  - ▁എന്ന
+  - ന്നും
+  - ുന്നത്
+  - ത്തിൽ
+  - ▁കാര
+  - ▁ഗ
+  - ▁ഭ
+  - ▁കൂ
+  - ▁കോ
+  - ▁കേ
+  - റ്റ്
+  - ▁ഫ
+  - ▁നമു
+  - ▁കൊ
+  - രുന്നു
+  - ോഗ
+  - ▁നട
+  - ത്ത്
+  - ▁അതി
+  - ▁മാ
+  - ാമ
+  - ▁വേ
+  - െങ്കിൽ
+  - ▁മു
+  - ത്തെ
+  - സി
+  - ഴി
+  - ▁സമ
+  - ിട്ട
+  - ്യമ
+  - ▁ഈ
+  - ▁അത്
+  - ന്ത്രി
+  - ▁പിന്നെ
+  - ▁പറഞ്ഞ
+  - ▁നമുക്ക്
+  - സ്ഥ
+  - ▁വെ
+  - ുകയ
+  - ുവ
+  - ന്ദ
+  - ▁ഡ
+  - ▁യ
+  - ണ്
+  - ▁ഹ
+  - ഡ്
+  - ▁ഏ
+  - ▁പു
+  - ിലും
+  - ▁നമ്മൾ
+  - ▁ദ
+  - രെ
+  - വർ
+  - ദേശ
+  - വും
+  - ാധ
+  - മായി
+  - യ്
+  - ുപ
+  - ുണ്ട
+  - ▁അങ്ങ
+  - ുകള
+  - ▁റ
+  - ▁ചെയ്
+  - ▁നല്ല
+  - ▁പറയ
+  - ▁എല്ല
+  - ടുക്ക
+  - േഷ
+  - ിക്കുന്ന
+  - ▁ഞാൻ
+  - ▁കാര്യ
+  - ാള
+  - ുട
+  - ൊരു
+  - ▁രാ
+  - ിവ
+  - ▁ഉണ്ട
+  - ▁തന്നെ
+  - യില
+  - മ്മ
+  - ുകൾ
+  - ാക
+  - കള
+  - നം
+  - ▁കുറ
+  - ▁നേ
+  - ഷ്ട
+  - ായിരുന്നു
+  - ▁ട
+  - ദ്ധ
+  - ▁എന്ത
+  - ുമ്പ
+  - മെ
+  - ദ്യ
+  - രം
+  - ന്ദ്ര
+  - ▁ഇപ്പോൾ
+  - ▁സ്ഥ
+  - പ്പം
+  - ▁അപ്പോൾ
+  - ക്കും
+  - ിലെ
+  - ടുത്ത
+  - ▁പരി
+  - ▁വീ
+  - പാ
+  - െയാണ്
+  - യും
+  - ാസ
+  - ന്ധ
+  - നു
+  - മായ
+  - ികള
+  - ിച്ചു
+  - ▁ക്
+  - ശ്
+  - ാറ
+  - ▁തി
+  - ൽക
+  - റ്റി
+  - മാണ്
+  - പ്പ്
+  - റിയ
+  - ാഗ
+  - ച്ചു
+  - ▁കൂടു
+  - ഴ്
+  - ട്ടി
+  - ▁നൽക
+  - ▁പറഞ്ഞു
+  - ▁1
+  - ▁കൂടുത
+  - ണ്ടി
+  - ▁തുട
+  - ▁എന്ന്
+  - വിടെ
+  - കൾ
+  - ത്തില
+  - ാപ
+  - കാര
+  - രോ
+  - ▁അല്ല
+  - തു
+  - ▁2
+  - ▁വ്യ
+  - ംഗ
+  - ികൾ
+  - സ്ഥാന
+  - മ്പ
+  - ഴിഞ്ഞ
+  - െങ്കിലും
+  - െന്നും
+  - തിയ
+  - നിക്ക്
+  - ധാന
+  - പ്പോ
+  - േക്ക്
+  - ത്യ
+  - ▁സി
+  - ൂർ
+  - കര
+  - െയും
+  - ദേഹ
+  - ▁നമ്മുടെ
+  - ▁ചെ
+  - ▁അവർ
+  - ▁ഉപ
+  - ▁സാധ
+  - ന്ത്യ
+  - ുകൊ
+  - ▁എനിക്ക്
+  - ത്തിന്റെ
+  - പ്പെട്ട
+  - ാത
+  - ദ്ദേഹ
+  - ്
+  - ▁
+  - ി
+  - ക
+  - ന
+  - ു
+  - ത
+  - ാ
+  - യ
+  - ട
+  - പ
+  - ര
+  - െ
+  - മ
+  - ല
+  - വ
+  - ം
+  - റ
+  - സ
+  - ണ
+  - ച
+  - ങ
+  - ള
+  - ോ
+  - .
+  - അ
+  - േ
+  - ൽ
+  - ർ
+  - ൾ
+  - ദ
+  - എ
+  - ഞ
+  - ീ
+  - ൻ
+  - ഷ
+  - ഇ
+  - ൊ
+  - ആ
+  - ശ
+  - ൂ
+  - ','
+  - ഗ
+  - ധ
+  - ജ
+  - ബ
+  - ഒ
+  - ഴ
+  - ഡ
+  - ഹ
+  - ഉ
+  - ഭ
+  - ഥ
+  - ഫ
+  - ൈ
+  - ഓ
+  - ഖ
+  - '?'
+  - '0'
+  - ൺ
+  - ൃ
+  - ഈ
+  - ഏ
+  - '2'
+  - '1'
+  - ഘ
+  - ൗ
+  - '3'
+  - '5'
+  - '-'
+  - ഠ
+  - '4'
+  - ഐ
+  - '6'
+  - '7'
+  - '8'
+  - '9'
+  - P
+  - C
+  - I
+  - ഛ
+  - D
+  - W
+  - ഊ
+  - S
+  - A
+  - ഔ
+  - T
+  - O
+  - R
+  - ':'
+  - ഃ
+  - F
+  - r
+  - 'N'
+  - ഢ
+  - M
+  - E
+  - L
+  - '!'
+  - '"'
+  - ''''
+  - /
+  - V
+  - B
+  - ;
+  - G
+  - J
+  - ഋ
+  - t
+  - ഝ
+  - (
+  - )
+  - o
+  - x
+  - e
+  - c
+  - H
+  - 'n'
+  - i
+  - a
+  - u
+  - K
+  - s
+  - m
+  - d
+  - l
+  - '%'
+  - U
+  - f
+  - v
+  - h
+  - p
+  - '൦'
+  - '൫'
+  - 'Y'
+  - b
+  - '൨'
+  - —
+  - X
+  - '൩'
+  - '`'
+  - '൪'
+  - g
+  - 'y'
+  - ഌ
+  - '൧'
+  - '@'
+  - ்
+  - +
+  - k
+  - ा
+  - ச
+  - 。
+  - ं
+  - न
+  - ्
+  - ய
+  - '൭'
+  - '൯'
+  - ൿ
+  - $
+  - '*'
+  - '~'
+  - ठ
+  - ध
+  - ब
+  - म
+  - ா
+  - '൬'
+  - Q
+  - Z
+  - °
+  - त
+  - द
+  - प
+  - य
+  - र
+  - ल
+  - व
+  - स
+  - ह
+  - ि
+  - ु
+  - े
+  - ঠ
+  - র
+  - ো
+  - લ
+  - ુ
+  - ன
+  - ம
+  - ற
+  - న
+  - ల
+  - ా
+  - ి
+  - ీ
+  - ్
+  - ತ
+  - ಿ
+interctc:
+  loss_weights: []
+  apply_at_layers: []
+optim:
+  name: adamw
+  lr: 0.001
+  betas:
+  - 0.9
+  - 0.98
+  weight_decay: 0.005
+  sched:
+    name: CosineAnnealing
+    warmup_steps: 40000
+    warmup_ratio: null
+    min_lr: 1.0e-05
+target: nemo.collections.asr.models.ctc_bpe_models.EncDecCTCModelBPE
+nemo_version: 2.5.2
+decoding:
+  strategy: greedy_batch
+  preserve_alignments: null
+  compute_timestamps: null
+  word_seperator: ' '
+  segment_seperators:
+  - .
+  - '!'
+  - '?'
+  segment_gap_threshold: null
+  ctc_timestamp_type: all
+  batch_dim_index: 0
+  greedy:
+    preserve_alignments: false
+    compute_timestamps: false
+    preserve_frame_confidence: false
+    confidence_method_cfg:
+      name: entropy
+      entropy_type: tsallis
+      alpha: 0.33
+      entropy_norm: exp
+      temperature: DEPRECATED
+    ngram_lm_model: null
+    ngram_lm_alpha: 0.0
+    boosting_tree:
+      model_path: null
+      key_phrases_file: null
+      key_phrases_list: null
+      context_score: 1.0
+      depth_scaling: 1.0
+      unk_score: 0.0
+      final_eos_score: 1.0
+      score_per_phrase: 0.0
+      source_lang: en
+      use_triton: true
+      uniform_weights: false
+      use_bpe_dropout: false
+      num_of_transcriptions: 5
+      bpe_alpha: 0.3
+    boosting_tree_alpha: 0.0
+    allow_cuda_graphs: true
+  beam:
+    beam_size: 4
+    search_type: default
+    preserve_alignments: false
+    compute_timestamps: false
+    return_best_hypothesis: true
+    allow_cuda_graphs: true
+    beam_alpha: null
+    beam_beta: 1.0
+    beam_threshold: 20.0
+    kenlm_path: null
+    ngram_lm_alpha: 1.0
+    ngram_lm_model: null
+    boosting_tree:
+      model_path: null
+      key_phrases_file: null
+      key_phrases_list: null
+      context_score: 1.0
+      depth_scaling: 1.0
+      unk_score: 0.0
+      final_eos_score: 1.0
+      score_per_phrase: 0.0
+      source_lang: en
+      use_triton: true
+      uniform_weights: false
+      use_bpe_dropout: false
+      num_of_transcriptions: 5
+      bpe_alpha: 0.3
+    boosting_tree_alpha: 0.0
+    flashlight_cfg:
+      lexicon_path: null
+      boost_path: null
+      beam_size_token: 16
+      beam_threshold: 20.0
+      unk_weight: -.inf
+      sil_weight: 0.0
+    pyctcdecode_cfg:
+      beam_prune_logp: -10.0
+      token_min_logp: -5.0
+      prune_history: false
+      hotwords: null
+      hotword_weight: 10.0
+  wfst:
+    beam_size: 4
+    search_type: riva
+    return_best_hypothesis: true
+    preserve_alignments: false
+    compute_timestamps: false
+    decoding_mode: nbest
+    open_vocabulary_decoding: false
+    beam_width: 10.0
+    lm_weight: 1.0
+    device: cuda
+    arpa_lm_path: null
+    wfst_lm_path: null
+    riva_decoding_cfg: {}
+    k2_decoding_cfg:
+      search_beam: 20.0
+      output_beam: 10.0
+      min_active_states: 30
+      max_active_states: 10000
+  confidence_cfg:
+    preserve_frame_confidence: false
+    preserve_token_confidence: false
+    preserve_word_confidence: false
+    exclude_blank: true
+    aggregation: min
+    tdt_include_duration: false
+    method_cfg:
+      name: entropy
+      entropy_type: tsallis
+      alpha: 0.33
+      entropy_norm: exp
+      temperature: DEPRECATED
+  temperature: 1.0

model_weights.ckpt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f59ca749274296b867c83adb1832ba6e49a89170183f29a4caceba7b118d016d
+size 105409123