Added Cardinal class for Telugu TN

nemo_text_processing/text_normalization/normalize.py

@@ -166,6 +166,7 @@ def __init__(
 
             if post_process:
                 self.post_processor = PostProcessingFst(cache_dir=cache_dir, overwrite_cache=overwrite_cache)
+
         elif lang == 'it':
             from nemo_text_processing.text_normalization.it.taggers.tokenize_and_classify import ClassifyFst
             from nemo_text_processing.text_normalization.it.verbalizers.verbalize_final import VerbalizeFinalFst
@@ -191,6 +192,13 @@ def __init__(
         elif lang == 'ko':
             from nemo_text_processing.text_normalization.ko.taggers.tokenize_and_classify import ClassifyFst
             from nemo_text_processing.text_normalization.ko.verbalizers.verbalize_final import VerbalizeFinalFst
+        elif lang == 'te':
+            from nemo_text_processing.text_normalization.te.taggers.tokenize_and_classify import ClassifyFst
+            from nemo_text_processing.text_normalization.te.verbalizers.post_processing import PostProcessingFst
+            from nemo_text_processing.text_normalization.te.verbalizers.verbalize_final import VerbalizeFinalFst
+
+            if post_process:
+                self.post_processor = PostProcessingFst(cache_dir=cache_dir, overwrite_cache=overwrite_cache)
         else:
             raise NotImplementedError(f"Language {lang} has not been supported yet.")
 
@@ -391,7 +399,11 @@ def normalize(
                 return text
         output = SPACE_DUP.sub(' ', output[1:])
 
-        if self.lang in ["en", "hi", "vi"] and hasattr(self, 'post_processor') and self.post_processor is not None:
+        if (
+            self.lang in ["en", "hi", "te", "vi"]
+            and hasattr(self, 'post_processor')
+            and self.post_processor is not None
+        ):
             output = self.post_process(output)
 
         if punct_post_process:
@@ -737,7 +749,7 @@ def parse_args():
     parser.add_argument(
         "--language",
         help="language",
-        choices=["en", "de", "es", "fr", "hu", "sv", "zh", "ar", "it", "hy", "ja", "hi", "ko", "vi", "pt"],
+        choices=["en", "de", "es", "fr", "hu", "sv", "zh", "ar", "it", "hy", "ja", "hi", "te", "ko", "vi", "pt"],
         default="en",
         type=str,
     )

nemo_text_processing/text_normalization/run_evaluate.py

@@ -35,7 +35,7 @@ def parse_args():
     parser.add_argument(
         "--lang",
         help="language",
-        choices=['ar', 'de', 'en', 'es', 'fr', 'hu', 'it', 'ru', 'sv', 'zh', 'hy', 'hi', 'ko', 'vi', 'pt'],
+        choices=['ar', 'de', 'en', 'es', 'fr', 'hu', 'it', 'ru', 'sv', 'zh', 'hy', 'hi', 'te', 'ko', 'vi', 'pt'],
         default="en",
         type=str,
     )
@@ -67,6 +67,10 @@ def parse_args():
     to_lower = args.input_case == "lower_cased"
     training_data = load_files([file_path], to_lower=to_lower)
 
+    # print("Loading training data: " + file_path)
+    # to_lower = True if args.input_case == "lower_cased" else False
+    # training_data = load_files([file_path], to_lower=to_lower)
+
     if args.filter:
         training_data = filter_loaded_data(training_data)
 

nemo_text_processing/text_normalization/te/__init__.py

@@ -0,0 +1,13 @@
+# Copyright (c) 2026, NVIDIA CORPORATION.  All rights reserved.
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.

nemo_text_processing/text_normalization/te/data/numbers/__init__.py

@@ -0,0 +1,13 @@
+# Copyright (c) 2026, NVIDIA CORPORATION.  All rights reserved.
+#
+# Licensed under the Apache License, Version 2.0 (the "License");
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.

nemo_text_processing/text_normalization/te/data/numbers/digit.tsv

@@ -0,0 +1,18 @@
+1	ఒకటి
+2	రెండు
+3	మూడు
+4	నాలుగు
+5	ఐదు
+6	ఆరు
+7	ఏడు
+8	ఎనిమిది
+9	తొమ్మిది
+౧	ఒకటి
+౨	రెండు
+౩	మూడు
+౪	నాలుగు
+౫	ఐదు
+౬	ఆరు
+౭	ఏడు
+౮	ఎనిమిది
+౯	తొమ్మిది

nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties.tsv

@@ -0,0 +1,90 @@
+౧౦	పది
+౧౧	పదకొండు
+౧౨	పన్నెండు
+౧౩	పదమూడు
+౧౪	పద్నాలుగు
+౧౫	పదిహేను
+౧౬	పదహారు
+౧౭	పదిహేడు
+౧౮	పధ్ధెనిమిది
+౧౯	పంతొమ్మిది
+౨౦	ఇరవై
+౨౧	ఇరవై ఒకటి
+౨౨	ఇరవై రెండు
+౨౩	ఇరవై మూడు
+౨౪	ఇరవై నాలుగు
+౨౫	ఇరవై ఐదు
+౨౬	ఇరవై ఆరు
+౨౭	ఇరవై ఏడు
+౨౮	ఇరవై ఎనిమిది
+౨౯	ఇరవై తొమ్మిది
+౩౦	ముప్పై
+౩౧	ముప్పై ఒకటి
+౩౨	ముప్పై రెండు
+౩౩	ముప్పై మూడు
+౩౪	ముప్పై నాలుగు
+౩౫	ముప్పై ఐదు
+౩౬	ముప్పై ఆరు
+౩౭	ముప్పై ఏడు
+౩౮	ముప్పై ఎనిమిది
+౩౯	ముప్పై తొమ్మిది
+౪౦	నలభై
+౪౧	నలభై ఒకటి
+౪౨	నలభై రెండు
+౪౩	నలభై మూడు
+౪౪	నలభై నాలుగు
+౪౫	నలభై ఐదు
+౪౬	నలభై ఆరు
+౪౭	నలభై ఏడు
+౪౮	నలభై ఎనిమిది
+౪౯	నలభై తొమ్మిది
+౫౦	యాభై
+౫౧	యాభై ఒకటి
+౫౨	యాభై రెండు
+౫౩	యాభై మూడు
+౫౪	యాభై నాలుగు
+౫౫	యాభై ఐదు
+౫౬	యాభై ఆరు
+౫౭	యాభై ఏడు
+౫౮	యాభై ఎనిమిది
+౫౯	యాభై తొమ్మిది
+౬౦	అరవై
+౬౧	అరవై ఒకటి
+౬౨	అరవై రెండు
+౬౩	అరవై మూడు
+౬౪	అరవై నాలుగు
+౬౫	అరవై ఐదు
+౬౬	అరవై ఆరు
+౬౭	అరవై ఏడు
+౬౮	అరవై ఎనిమిది
+౬౯	అరవై తొమ్మిది
+౭౦	డెబ్బై
+౭౧	డెబ్బై ఒకటి
+౭౨	డెబ్బై రెండు
+౭౩	డెబ్బై మూడు
+౭౪	డెబ్బై నాలుగు
+౭౫	డెబ్బై ఐదు
+౭౬	డెబ్బై ఆరు
+౭౭	డెబ్బై ఏడు
+౭౮	డెబ్బై ఎనిమిది
+౭౯	డెబ్బై తొమ్మిది
+౮౦	ఎనభై
+౮౧	ఎనభై ఒకటి
+౮౨	ఎనభై రెండు
+౮౩	ఎనభై మూడు
+౮౪	ఎనభై నాలుగు
+౮౫	ఎనభై ఐదు
+౮౬	ఎనభై ఆరు
+౮౭	ఎనభై ఏడు
+౮౮	ఎనభై ఎనిమిది
+౮౯	ఎనభై తొమ్మిది
+౯౦	తొంభై
+౯౧	తొంభై ఒకటి
+౯౨	తొంభై రెండు
+౯౩	తొంభై మూడు
+౯౪	తొంభై నాలుగు
+౯౫	తొంభై ఐదు
+౯౬	తొంభై ఆరు
+౯౭	తొంభై ఏడు
+౯౮	తొంభై ఎనిమిది
+౯౯	తొంభై తొమ్మిది

nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties_en.tsv

@@ -0,0 +1,90 @@
+10	పది
+11	పదకొండు
+12	పన్నెండు
+13	పదమూడు
+14	పద్నాలుగు
+15	పదిహేను
+16	పదహారు
+17	పదిహేడు
+18	పధ్ధెనిమిది
+19	పంతొమ్మిది
+20	ఇరవై
+21	ఇరవై ఒకటి
+22	ఇరవై రెండు
+23	ఇరవై మూడు
+24	ఇరవై నాలుగు
+25	ఇరవై ఐదు
+26	ఇరవై ఆరు
+27	ఇరవై ఏడు
+28	ఇరవై ఎనిమిది
+29	ఇరవై తొమ్మిది
+30	ముప్పై
+31	ముప్పై ఒకటి
+32	ముప్పై రెండు
+33	ముప్పై మూడు
+34	ముప్పై నాలుగు
+35	ముప్పై ఐదు
+36	ముప్పై ఆరు
+37	ముప్పై ఏడు
+38	ముప్పై ఎనిమిది
+39	ముప్పై తొమ్మిది
+40	నలభై
+41	నలభై ఒకటి
+42	నలభై రెండు
+43	నలభై మూడు
+44	నలభై నాలుగు
+45	నలభై ఐదు
+46	నలభై ఆరు
+47	నలభై ఏడు
+48	నలభై ఎనిమిది
+49	నలభై తొమ్మిది
+50	యాభై
+51	యాభై ఒకటి
+52	యాభై రెండు
+53	యాభై మూడు
+54	యాభై నాలుగు
+55	యాభై ఐదు
+56	యాభై ఆరు
+57	యాభై ఏడు
+58	యాభై ఎనిమిది
+59	యాభై తొమ్మిది
+60	అరవై
+61	అరవై ఒకటి
+62	అరవై రెండు
+63	అరవై మూడు
+64	అరవై నాలుగు
+65	అరవై ఐదు
+66	అరవై ఆరు
+67	అరవై ఏడు
+68	అరవై ఎనిమిది
+69	అరవై తొమ్మిది
+70	డెబ్బై
+71	డెబ్బై ఒకటి
+72	డెబ్బై రెండు
+73	డెబ్బై మూడు
+74	డెబ్బై నాలుగు
+75	డెబ్బై ఐదు
+76	డెబ్బై ఆరు
+77	డెబ్బై ఏడు
+78	డెబ్బై ఎనిమిది
+79	డెబ్బై తొమ్మిది
+80	ఎనభై
+81	ఎనభై ఒకటి
+82	ఎనభై రెండు
+83	ఎనభై మూడు
+84	ఎనభై నాలుగు
+85	ఎనభై ఐదు
+86	ఎనభై ఆరు
+87	ఎనభై ఏడు
+88	ఎనభై ఎనిమిది
+89	ఎనభై తొమ్మిది
+90	తొంభై
+91	తొంభై ఒకటి
+92	తొంభై రెండు
+93	తొంభై మూడు
+94	తొంభై నాలుగు
+95	తొంభై ఐదు
+96	తొంభై ఆరు
+97	తొంభై ఏడు
+98	తొంభై ఎనిమిది
+99	తొంభై తొమ్మిది

nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties_thousand.tsv

@@ -0,0 +1,16 @@
+21	ఇరవై ఒక
+31	ముప్పై ఒక
+41	నలభై ఒక
+51	యాభై ఒక
+61	అరవై ఒక
+71	డెబ్బై ఒక
+81	ఎనభై ఒక
+91	తొంభై ఒక
+౨౧	ఇరవై ఒక
+౩౧	ముప్పై ఒక
+౪౧	నలభై ఒక
+౫౧	యాభై ఒక
+౬౧	అరవై ఒక
+౭౧	డెబ్బై ఒక
+౮౧	ఎనభై ఒక
+౯౧	తొంభై ఒక

nemo_text_processing/text_normalization/te/data/numbers/zero.tsv

@@ -0,0 +1,2 @@
+0	సున్నా
+౦	సున్నా