diff --git a/Jenkinsfile b/Jenkinsfile
index 38e05bb00..b85f9c8ce 100644
--- a/Jenkinsfile
+++ b/Jenkinsfile
@@ -30,6 +30,7 @@ pipeline {
     JA_TN_CACHE='/home/jenkins/TestData/text_norm/ci/grammars/10-17-24-1'
     HI_TN_CACHE='/home/jenkins/TestData/text_norm/ci/grammars/06-04-26-5'
     KO_TN_CACHE='/home/jenkins/TestData/text_norm/ci/grammars/06-04-25-6'
+    TE_TN_CACHE='/home/jenkins/TestData/text_norm/ci/grammars/07-21-26-0'
     DEFAULT_TN_CACHE='/home/jenkins/TestData/text_norm/ci/grammars/06-08-23-0'
   }
   stages {
@@ -112,6 +113,24 @@ pipeline {
         }
       }
     }
+    stage('L0: Create TE TN Grammars') {
+      when {
+        anyOf {
+          branch 'main'
+          branch 'staging/**'
+          branch 'staging_*'
+          changeRequest target: 'main'
+        }
+      }
+      failFast true
+      parallel {
+        stage('L0: TE TN grammars') {
+          steps {
+            sh 'CUDA_VISIBLE_DEVICES="" python nemo_text_processing/text_normalization/normalize.py --lang=te --text="౧" --cache_dir ${TE_TN_CACHE}'
+          }
+        }
+      }
+    }
 
     stage('L0: Create DE/ES TN/ITN Grammars') {
       when {
@@ -408,6 +427,11 @@ pipeline {
             sh 'CUDA_VISIBLE_DEVICES="" pytest tests/nemo_text_processing/hi/ -m "not pleasefixme" --cpu --tn_cache_dir ${HI_TN_CACHE}'
           }
         }
+        stage('L1: Run all TE TN/ITN tests (restore grammars from cache)') {
+          steps {
+            sh 'CUDA_VISIBLE_DEVICES="" pytest tests/nemo_text_processing/te/ -m "not pleasefixme" --cpu --tn_cache_dir ${TE_TN_CACHE}'
+          }
+        }
         stage('L1: Run all Codeswitched ES/EN TN/ITN tests (restore grammars from cache)') {
           steps {
             sh 'CUDA_VISIBLE_DEVICES="" pytest tests/nemo_text_processing/es_en/ -m "not pleasefixme" --cpu --tn_cache_dir ${ES_EN_TN_CACHE}'
diff --git a/nemo_text_processing/text_normalization/normalize.py b/nemo_text_processing/text_normalization/normalize.py
index d8ebf2f4d..f365dfeb2 100644
--- a/nemo_text_processing/text_normalization/normalize.py
+++ b/nemo_text_processing/text_normalization/normalize.py
@@ -191,6 +191,9 @@ 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.verbalize_final import VerbalizeFinalFst
         else:
             raise NotImplementedError(f"Language {lang} has not been supported yet.")
 
@@ -737,7 +740,7 @@ 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,
     )
diff --git a/nemo_text_processing/text_normalization/run_evaluate.py b/nemo_text_processing/text_normalization/run_evaluate.py
index 3a1964bbd..1df194042 100644
--- a/nemo_text_processing/text_normalization/run_evaluate.py
+++ b/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,
     )
diff --git a/nemo_text_processing/text_normalization/te/__init__.py b/nemo_text_processing/text_normalization/te/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/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.
diff --git a/nemo_text_processing/text_normalization/te/data/__init__.py b/nemo_text_processing/text_normalization/te/data/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/__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.
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/__init__.py b/nemo_text_processing/text_normalization/te/data/numbers/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/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.
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/digit.tsv b/nemo_text_processing/text_normalization/te/data/numbers/digit.tsv
new file mode 100644
index 000000000..ab878ec99
--- /dev/null
+++ b/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
\ No newline at end of file
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/exact_power.tsv b/nemo_text_processing/text_normalization/te/data/numbers/exact_power.tsv
new file mode 100644
index 000000000..c43f22889
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/exact_power.tsv
@@ -0,0 +1,8 @@
+100	వంద
+౧౦౦	వంద
+1000	వెయ్యి
+౧౦౦౦	వెయ్యి
+100000	లక్ష
+౧౦౦౦౦౦	లక్ష
+10000000	కోటి
+౧౦౦౦౦౦౦౦	కోటి
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/hundred_prefix.tsv b/nemo_text_processing/text_normalization/te/data/numbers/hundred_prefix.tsv
new file mode 100644
index 000000000..b08a6aa40
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/hundred_prefix.tsv
@@ -0,0 +1,4 @@
+10	నూట 
+౧౦	నూట 
+1	నూట 
+౧	నూట 
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/hundreds_before_one.tsv b/nemo_text_processing/text_normalization/te/data/numbers/hundreds_before_one.tsv
new file mode 100644
index 000000000..f4198c9ce
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/hundreds_before_one.tsv
@@ -0,0 +1,2 @@
+1	 వందల ఒక
+౧	 వందల ఒక
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/magnitudes.tsv b/nemo_text_processing/text_normalization/te/data/numbers/magnitudes.tsv
new file mode 100644
index 000000000..ecf379124
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/magnitudes.tsv
@@ -0,0 +1,11 @@
+hundreds_plural	వందలు
+hundreds_before	వందల
+thousand	వెయ్యి
+thousands_plural	వేలు
+thousands_before	వేల
+lakh	లక్ష
+lakhs_plural	లక్షలు
+lakhs_before	లక్షల
+crore	కోటి
+crores_plural	కోట్లు
+crores_before	కోట్ల
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties.tsv b/nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties.tsv
new file mode 100644
index 000000000..69eadf9f7
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/teens_and_ties.tsv
@@ -0,0 +1,20 @@
+౧౦	పది
+౧౧	పదకొండు
+౧౨	పన్నెండు
+౧౩	పదమూడు
+౧౪	పద్నాలుగు
+౧౫	పదిహేను
+౧౬	పదహారు
+౧౭	పదిహేడు
+౧౮	పధ్ధెనిమిది
+౧౯	పంతొమ్మిది
+10	పది
+11	పదకొండు
+12	పన్నెండు
+13	పదమూడు
+14	పద్నాలుగు
+15	పదిహేను
+16	పదహారు
+17	పదిహేడు
+18	పధ్ధెనిమిది
+19	పంతొమ్మిది
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/ties.tsv b/nemo_text_processing/text_normalization/te/data/numbers/ties.tsv
new file mode 100644
index 000000000..a8d7d7227
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/ties.tsv
@@ -0,0 +1,16 @@
+2	ఇరవై
+3	ముప్పై
+4	నలభై
+5	యాభై
+6	అరవై
+7	డెబ్బై
+8	ఎనభై
+9	తొంభై
+౨	ఇరవై
+౩	ముప్పై
+౪	నలభై
+౫	యాభై
+౬	అరవై
+౭	డెబ్బై
+౮	ఎనభై
+౯	తొంభై
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/ties_one_suffix.tsv b/nemo_text_processing/text_normalization/te/data/numbers/ties_one_suffix.tsv
new file mode 100644
index 000000000..d312af237
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/ties_one_suffix.tsv
@@ -0,0 +1,2 @@
+1	ఒక
+౧	ఒక
diff --git a/nemo_text_processing/text_normalization/te/data/numbers/zero.tsv b/nemo_text_processing/text_normalization/te/data/numbers/zero.tsv
new file mode 100644
index 000000000..309aab75e
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/data/numbers/zero.tsv
@@ -0,0 +1,2 @@
+0	సున్నా
+౦	సున్నా
\ No newline at end of file
diff --git a/nemo_text_processing/text_normalization/te/graph_utils.py b/nemo_text_processing/text_normalization/te/graph_utils.py
new file mode 100644
index 000000000..6fdea0492
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/graph_utils.py
@@ -0,0 +1,130 @@
+# Copyright (c) 2026, NVIDIA CORPORATION.  All rights reserved.
+# Copyright 2015 and onwards Google, Inc.
+#
+# 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.
+
+import logging
+import os
+from pathlib import Path
+from typing import Dict
+
+import pynini
+from pynini import Far
+from pynini.export import export
+from pynini.lib import byte, pynutil, utf8
+
+from nemo_text_processing.text_normalization.te.utils import get_abs_path
+
+NEMO_CHAR = utf8.VALID_UTF8_CHAR
+NEMO_DIGIT = byte.DIGIT
+
+NEMO_ALL_ZERO = pynini.project(pynini.string_file(get_abs_path("data/numbers/zero.tsv")), "input").optimize()
+NEMO_ALL_DIGIT = pynini.union(
+    pynini.project(pynini.string_file(get_abs_path("data/numbers/digit.tsv")), "input"),
+    NEMO_ALL_ZERO,
+).optimize()
+
+NEMO_NON_BREAKING_SPACE = u"\u00a0"
+NEMO_SPACE = " "
+NEMO_WHITE_SPACE = pynini.union(" ", "\t", "\n", "\r", NEMO_NON_BREAKING_SPACE).optimize()
+NEMO_NOT_SPACE = pynini.difference(NEMO_CHAR, NEMO_WHITE_SPACE).optimize()
+NEMO_NOT_QUOTE = pynini.difference(NEMO_CHAR, r'"').optimize()
+NEMO_SIGMA = pynini.closure(NEMO_CHAR)
+
+delete_space = pynutil.delete(pynini.closure(NEMO_WHITE_SPACE))
+insert_space = pynutil.insert(" ")
+delete_extra_space = pynini.cross(pynini.closure(NEMO_WHITE_SPACE, 1), " ")
+
+
+def generator_main(file_name: str, graphs: Dict[str, 'pynini.FstLike']):
+    """
+    Exports graph as OpenFst finite state archive (FAR) file with given file name and rule name.
+
+    Args:
+        file_name: exported file name
+        graphs: Mapping of a rule name and Pynini WFST graph to be exported
+    """
+    exporter = export.Exporter(file_name)
+    for rule, graph in graphs.items():
+        exporter[rule] = graph.optimize()
+    exporter.close()
+    logging.info(f'Created {file_name}')
+
+
+class GraphFst:
+    """
+    Base class for all grammar fsts.
+
+    Args:
+        name: name of grammar class
+        kind: either 'classify' or 'verbalize'
+        deterministic: if True will provide a single transduction option,
+            for False multiple transduction are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, name: str, kind: str, deterministic: bool = True):
+        self.name = name
+        self.kind = kind
+        self._fst = None
+        self.deterministic = deterministic
+
+        self.far_path = Path(os.path.dirname(__file__) + '/grammars/' + kind + '/' + name + '.far')
+        if self.far_exist():
+            self._fst = Far(self.far_path, mode="r", arc_type="standard", far_type="default").get_fst()
+
+    def far_exist(self) -> bool:
+        """
+        Returns true if FAR can be loaded
+        """
+        return self.far_path.exists()
+
+    @property
+    def fst(self) -> 'pynini.FstLike':
+        return self._fst
+
+    @fst.setter
+    def fst(self, fst):
+        self._fst = fst
+
+    def add_tokens(self, fst) -> 'pynini.FstLike':
+        """
+        Wraps class name around to given fst
+
+        Args:
+            fst: input fst
+
+        Returns:
+            Fst: fst
+        """
+        return pynutil.insert(f"{self.name} {{ ") + fst + pynutil.insert(" }")
+
+    def delete_tokens(self, fst) -> 'pynini.FstLike':
+        """
+        Deletes class name wrap around output of given fst
+
+        Args:
+            fst: input fst
+
+        Returns:
+            Fst: fst
+        """
+        res = (
+            pynutil.delete(f"{self.name}")
+            + delete_space
+            + pynutil.delete("{")
+            + delete_space
+            + fst
+            + delete_space
+            + pynutil.delete("}")
+        )
+        return res @ pynini.cdrewrite(pynini.cross(NEMO_NON_BREAKING_SPACE, " "), "", "", NEMO_SIGMA)
diff --git a/nemo_text_processing/text_normalization/te/taggers/__init__.py b/nemo_text_processing/text_normalization/te/taggers/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/taggers/__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.
diff --git a/nemo_text_processing/text_normalization/te/taggers/cardinal.py b/nemo_text_processing/text_normalization/te/taggers/cardinal.py
new file mode 100644
index 000000000..fdaab111e
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/taggers/cardinal.py
@@ -0,0 +1,388 @@
+# 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.
+
+import pynini
+from pynini.examples import plurals
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import (
+    NEMO_ALL_DIGIT,
+    NEMO_ALL_ZERO,
+    NEMO_DIGIT,
+    NEMO_SIGMA,
+    GraphFst,
+    insert_space,
+)
+from nemo_text_processing.text_normalization.te.utils import get_abs_path, load_labels
+
+
+class CardinalFst(GraphFst):
+    """
+    Finite state transducer for classifying cardinals, e.g.
+        -౨౩ -> cardinal { negative: "true"  integer: "ఇరవై మూడు" }
+
+    Covers numbers up to 19 digits by composing crore (కోటి) groups
+    (through hundred crore crores (వంద కోట్ల కోట్లు) / 10^17).
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transduction are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="cardinal", kind="classify", deterministic=deterministic)
+
+        digit = pynini.string_file(get_abs_path("data/numbers/digit.tsv"))
+        zero = pynini.string_file(get_abs_path("data/numbers/zero.tsv"))
+        teens = pynini.string_file(get_abs_path("data/numbers/teens_and_ties.tsv"))
+        ties = pynini.string_file(get_abs_path("data/numbers/ties.tsv"))
+        exact_power = pynini.string_file(get_abs_path("data/numbers/exact_power.tsv"))
+        hundred_prefix = pynini.string_file(get_abs_path("data/numbers/hundred_prefix.tsv"))
+        ties_one_suffix = pynini.string_file(get_abs_path("data/numbers/ties_one_suffix.tsv"))
+        hundreds_before_one = pynini.string_file(get_abs_path("data/numbers/hundreds_before_one.tsv"))
+        mag = dict(load_labels(get_abs_path("data/numbers/magnitudes.tsv")))
+
+        te_digit = pynini.difference(NEMO_ALL_DIGIT, NEMO_DIGIT).optimize()
+        one_digit = pynini.union("1", "౧")
+        del_one = pynutil.delete(one_digit)
+        one_as_oka = (one_digit @ ties_one_suffix).optimize()
+        digit_nx01 = (pynini.difference(NEMO_ALL_DIGIT, NEMO_ALL_ZERO | one_digit) @ digit).optimize()
+
+        def union(*parts):
+            return pynini.union(*parts).optimize()
+
+        def exact_n(n, graph=exact_power):
+            return pynini.compose(NEMO_ALL_DIGIT**n, graph).optimize()
+
+        def mag_ins(key, space=True):
+            return pynutil.insert((" " if space else "") + mag[key])
+
+        ins_thou = mag_ins("thousand", False)
+        ins_thous, ins_thous_pl = mag_ins("thousands_before"), mag_ins("thousands_plural")
+        ins_lakh = mag_ins("lakh", False)
+        ins_lakhs, ins_lakhs_pl = mag_ins("lakhs_before"), mag_ins("lakhs_plural")
+        ins_koti, ins_koti_sp = mag_ins("crore", False), mag_ins("crore")
+        ins_kotlu, ins_kotlu_pl = mag_ins("crores_before"), mag_ins("crores_plural")
+        ins_hund, ins_hund_pl = mag_ins("hundreds_before"), mag_ins("hundreds_plural")
+
+        hprefix_2d = union(
+            pynini.compose(NEMO_DIGIT + NEMO_DIGIT, hundred_prefix),
+            pynini.compose(te_digit + te_digit, hundred_prefix),
+        )
+        hprefix_1d = union(pynini.compose(NEMO_DIGIT, hundred_prefix), pynini.compose(te_digit, hundred_prefix))
+
+        def make_teens(d_cls, zero_ch, dig_map):
+            t = pynini.compose(d_cls + d_cls, teens)
+            ti = (d_cls @ ties).optimize()
+            return t | (ti + pynutil.delete(zero_ch)) | (ti + insert_space + dig_map)
+
+        dig_ascii, dig_te = (NEMO_DIGIT @ digit).optimize(), (te_digit @ digit).optimize()
+        dig_nx01_en = (pynini.difference(NEMO_DIGIT, pynini.union("0", "1")) @ digit).optimize()
+        dig_nx01_te = (pynini.difference(te_digit, pynini.union("౦", "౧")) @ digit).optimize()
+        teens_ties = union(make_teens(NEMO_DIGIT, "0", dig_ascii), make_teens(te_digit, "౦", dig_te))
+        teens_x1 = union(make_teens(NEMO_DIGIT, "0", dig_nx01_en), make_teens(te_digit, "౦", dig_nx01_te))
+        teens_oka = union(
+            (NEMO_DIGIT @ ties) + insert_space + (NEMO_DIGIT @ ties_one_suffix),
+            (te_digit @ ties) + insert_space + (te_digit @ ties_one_suffix),
+        )
+        teens_before = union(teens_oka, teens_x1)
+        self.single_digits_graph = (digit | zero) + pynini.closure(insert_space + (digit | zero))
+        delete_zero = pynutil.delete(NEMO_ALL_ZERO)
+        zdel = {0: pynini.accep("")}
+
+        for n in range(1, 8):
+            zdel[n] = (zdel[n - 1] + delete_zero).optimize()
+
+        def with_unit(prefix, suf, zeros):
+            return prefix + suf if zeros == 0 else prefix + zdel[zeros] + suf
+
+        def with_rem(prefix, suf, zeros, sub):
+            return prefix + (suf if zeros == 0 else suf + zdel[zeros]) + insert_space + sub
+
+        def mag_forms(prefix, suf, ladder, head=None, head_z=None):
+            g = with_unit(prefix, head, head_z) if head is not None else None
+            for zeros, sub in ladder:
+                g = with_rem(prefix, suf, zeros, sub) if g is None else g | with_rem(prefix, suf, zeros, sub)
+            return g
+
+        def prio(a, b):
+            return plurals._priority_union(a, b, NEMO_SIGMA)
+
+        def ties_scale(oka_suf, other_suf, ladder, head_oka, head_other, head_z):
+            return union(
+                mag_forms(teens_oka, oka_suf, ladder, head_oka, head_z),
+                mag_forms(teens_x1, other_suf, ladder, head_other, head_z),
+            )
+
+        def scale(exact, sg, before, head, spaced, zeros, ladder, one_ladder=None, extra=None, ten_oka=None):
+            one_ladder = ladder if one_ladder is None else one_ladder
+            g = exact | mag_forms(del_one, sg, one_ladder)
+            if extra is not None:
+                g = g | extra
+            g = union(g, mag_forms(digit_nx01, before, ladder, head, zeros))
+            ten = ties_scale(ten_oka or before, before, ladder, spaced, head, zeros)
+            return g, ten
+
+        def oka_mult(sg, before, remainders):
+            def side(use_digit):
+                parts = []
+                for zeros, rem in remainders:
+                    body = zdel[zeros] + insert_space + rem
+                    if use_digit:
+                        parts += [del_one + sg + body, digit_nx01 + before + body]
+                    else:
+                        parts += [teens_oka + before + body, teens_x1 + before + body]
+                return union(*parts)
+
+            return prio(side(True), side(False)).optimize()
+
+        def crore_unit(oka, other, other_head=None, nested=False):
+            if nested:
+                oka_suf, oka_head = ins_koti_sp, ins_koti_sp
+            else:
+                oka_suf, oka_head = ins_kotlu, ins_kotlu_pl
+            return prio(
+                mag_forms(oka, oka_suf, crore_ladder, oka_head, 7),
+                mag_forms(other, ins_kotlu, crore_ladder, other_head or ins_kotlu_pl, 7),
+            ).optimize()
+
+        def outer_crores(count):
+            return mag_forms(count, ins_kotlu, crore_ladder, ins_kotlu_pl, 7).optimize()
+
+        graph_hundreds = union(
+            exact_n(3),
+            hprefix_2d + digit,
+            hprefix_1d + teens_ties,
+            with_unit(digit_nx01, ins_hund_pl, 2),
+            with_rem(digit_nx01, ins_hund, 1, digit),
+            with_rem(digit_nx01, ins_hund, 0, teens_ties),
+        )
+        thousand_ladder = [(2, digit), (1, teens_ties), (0, graph_hundreds)]
+        graph_thousands, graph_ten_thousands = scale(
+            exact_n(4), ins_thou, ins_thous, ins_thous_pl, ins_thous_pl, 3, thousand_ladder
+        )
+        lakh_ladder = [
+            (4, digit),
+            (3, teens_ties),
+            (2, graph_hundreds),
+            (1, graph_thousands),
+            (0, graph_ten_thousands),
+        ]
+        graph_lakhs, graph_ten_lakhs = scale(
+            exact_n(6),
+            ins_lakh,
+            ins_lakhs,
+            ins_lakhs_pl,
+            ins_lakhs_pl,
+            5,
+            lakh_ladder,
+            one_ladder=lakh_ladder[1:],
+            extra=with_rem(del_one, ins_lakh, 4, digit),
+        )
+        crore_ladder = [
+            (6, digit),
+            (5, teens_ties),
+            (4, graph_hundreds),
+            (3, graph_thousands),
+            (2, graph_ten_thousands),
+            (1, graph_lakhs),
+            (0, graph_ten_lakhs),
+        ]
+        graph_crores, graph_ten_crores = scale(
+            exact_n(8), ins_koti, ins_kotlu, ins_kotlu_pl, ins_kotlu_pl, 7, crore_ladder
+        )
+        hundred_one = union(
+            hprefix_1d + pynutil.delete(NEMO_ALL_ZERO) + one_as_oka,
+            digit_nx01 + pynutil.delete(NEMO_ALL_ZERO) + hundreds_before_one,
+        )
+        hundred_crore = union(
+            exact_n(3),
+            hundred_one,
+            hprefix_2d + one_as_oka,
+            hprefix_2d + digit_nx01,
+            hprefix_1d + teens_before,
+            with_unit(digit_nx01, ins_hund, 2),
+            with_rem(digit_nx01, ins_hund, 1, digit_nx01),
+            with_rem(digit_nx01, ins_hund, 0, teens_before),
+        )
+        thou_crore_ladder = [(2, digit_nx01), (1, teens_before), (0, hundred_crore)]
+        thousand_one = oka_mult(ins_thou, ins_thous, [(2, one_as_oka), (0, hundred_one)])
+        thousand_crore, ten_thousand_crore = scale(
+            exact_n(4), ins_thou, ins_thous, ins_thous, ins_thous, 3, thou_crore_ladder
+        )
+        graph_hundred_crores = union(
+            crore_unit(hundred_one, hundred_crore), with_rem(hundred_crore, ins_kotlu, 0, graph_crores)
+        )
+        graph_thousand_crores = crore_unit(thousand_one, union(thousand_crore, ten_thousand_crore))
+        graph_ten_thousand_crores = crore_unit(thousand_one, ten_thousand_crore)
+        lakh_crore_ladder = [
+            (4, digit_nx01),
+            (3, teens_before),
+            (2, hundred_crore),
+            (1, thousand_crore),
+            (0, ten_thousand_crore),
+        ]
+        lakh_one = oka_mult(
+            ins_lakh,
+            ins_lakhs,
+            [(4, one_as_oka), (2, hundred_one), (1, exact_n(4, thousand_one)), (0, exact_n(5, thousand_one))],
+        )
+        lakh_crore, ten_lakh_crore = scale(exact_n(6), ins_lakh, ins_lakhs, ins_lakhs, ins_lakhs, 5, lakh_crore_ladder)
+        graph_lakh_crores = crore_unit(lakh_one, union(lakh_crore, ten_lakh_crore))
+        ten_lakh_rem = ties_scale(
+            ins_lakhs,
+            ins_lakhs,
+            [
+                (4, digit),
+                (3, teens_before),
+                (2, hundred_crore),
+                (1, thousand_crore),
+                (0, ten_thousand_crore),
+            ],
+            ins_lakhs,
+            ins_lakhs,
+            5,
+        )
+        koti_ladder = [
+            (6, digit),
+            (5, teens_before),
+            (4, hundred_crore),
+            (3, thousand_crore),
+            (2, ten_thousand_crore),
+            (1, lakh_crore),
+            (0, ten_lakh_rem),
+        ]
+        crore_one = oka_mult(
+            ins_koti,
+            ins_kotlu,
+            [
+                (6, one_as_oka),
+                (4, hundred_one),
+                (3, exact_n(4, thousand_one)),
+                (2, exact_n(5, thousand_one)),
+                (1, exact_n(6, lakh_one)),
+                (0, exact_n(7, lakh_one)),
+            ],
+        )
+
+        def nest_one(count):
+            return union(
+                with_rem(count, ins_kotlu, 6, one_as_oka),
+                with_rem(count, ins_kotlu, 4, exact_n(3, hundred_one)),
+                with_rem(count, ins_kotlu, 3, exact_n(4, thousand_one)),
+                with_rem(count, ins_kotlu, 2, exact_n(5, thousand_one)),
+                with_rem(count, ins_kotlu, 1, exact_n(6, lakh_one)),
+                with_rem(count, ins_kotlu, 0, exact_n(7, lakh_one)),
+            ).optimize()
+
+        crore_one_10 = nest_one(hundred_crore)
+        crore_one_11 = nest_one(union(thousand_one, thousand_crore))
+        crore_one_12 = nest_one(union(exact_n(5, thousand_one), ten_thousand_crore))
+
+        crore_before, ten_crore_before = scale(exact_n(8), ins_koti, ins_kotlu, ins_kotlu, ins_kotlu, 7, koti_ladder)
+        ten_lakh_crore_count = prio(
+            union(
+                with_rem(del_one, ins_koti, 0, ten_lakh_rem),
+                with_rem(digit_nx01, ins_kotlu, 0, ten_lakh_rem),
+                with_rem(teens_oka, ins_kotlu, 0, ten_lakh_rem),
+                with_rem(teens_x1, ins_kotlu, 0, ten_lakh_rem),
+            ),
+            union(crore_before, ten_crore_before),
+        ).optimize()
+        graph_ten_lakh_crores = crore_unit(exact_n(8, crore_one), ten_lakh_crore_count, nested=True)
+        other_nine = mag_forms(teens_x1, ins_kotlu, koti_ladder, ins_kotlu, 7)
+
+        graph_crore_crores = prio(
+            union(
+                mag_forms(exact_n(9, crore_one), ins_koti_sp, crore_ladder, ins_koti_sp, 7),
+                outer_crores(with_unit(teens_oka, ins_kotlu, 7)),
+            ),
+            outer_crores(
+                union(
+                    mag_forms(teens_oka, ins_kotlu, koti_ladder, ins_kotlu_pl, 7),
+                    other_nine,
+                )
+            ),
+        ).optimize()
+        graph_ten_crore_crores = prio(
+            union(
+                mag_forms(crore_one_10, ins_koti_sp, crore_ladder, ins_koti_sp, 7),
+                outer_crores(with_unit(hundred_one, ins_kotlu, 7)),
+            ),
+            outer_crores(
+                union(
+                    mag_forms(hundred_one, ins_kotlu, koti_ladder, ins_kotlu_pl, 7),
+                    mag_forms(hundred_crore, ins_kotlu, koti_ladder, ins_kotlu, 7),
+                )
+            ),
+        ).optimize()
+        hcc_oka = mag_forms(teens_oka, ins_thous, thou_crore_ladder, ins_thous, 3)
+        hcc_x1 = union(thousand_crore, mag_forms(teens_x1, ins_thous, thou_crore_ladder, ins_thous, 3))
+        graph_hundred_crore_crores = prio(
+            union(
+                mag_forms(crore_one_12, ins_koti_sp, crore_ladder, ins_koti_sp, 7),
+                mag_forms(crore_one_11, ins_koti_sp, crore_ladder, ins_koti_sp, 7),
+                outer_crores(with_unit(thousand_one, ins_kotlu, 7)),
+                outer_crores(with_unit(hcc_oka, ins_kotlu, 7)),
+            ),
+            outer_crores(
+                union(
+                    mag_forms(thousand_one, ins_kotlu, koti_ladder, ins_kotlu_pl, 7),
+                    mag_forms(hcc_oka, ins_kotlu, koti_ladder, ins_kotlu_pl, 7),
+                    mag_forms(hcc_x1, ins_kotlu, koti_ladder, ins_kotlu, 7),
+                )
+            ),
+        ).optimize()
+
+        graph = union(
+            digit,
+            zero,
+            teens_ties,
+            graph_hundreds,
+            graph_thousands,
+            graph_ten_thousands,
+            graph_lakhs,
+            graph_ten_lakhs,
+            graph_crores,
+            graph_ten_crores,
+            exact_n(10, graph_hundred_crores),
+            exact_n(11, graph_thousand_crores),
+            exact_n(12, graph_ten_thousand_crores),
+            exact_n(13, graph_lakh_crores),
+            exact_n(14, graph_lakh_crores),
+            exact_n(15, graph_ten_lakh_crores),
+            exact_n(16, graph_crore_crores),
+            exact_n(17, graph_ten_crore_crores),
+            exact_n(18, graph_hundred_crore_crores),
+            exact_n(19, graph_hundred_crore_crores),
+        )
+        graph = pynini.compose(pynini.closure(NEMO_DIGIT, 1) | pynini.closure(te_digit, 1), graph)
+
+        leading_zeros = pynini.compose(
+            (pynini.closure("0", 1) + pynini.closure(NEMO_DIGIT))
+            | (pynini.closure("౦", 1) + pynini.closure(te_digit)),
+            self.single_digits_graph,
+        )
+        sep, two, three = pynutil.delete(","), NEMO_ALL_DIGIT**2, NEMO_ALL_DIGIT**3
+        grouped = pynini.compose(
+            union(
+                pynini.closure(NEMO_ALL_DIGIT, 1, 2) + pynini.closure(sep + two) + sep + three,
+                pynini.closure(NEMO_ALL_DIGIT, 1, 3) + pynini.closure(sep + three, 1),
+            ),
+            graph,
+        ).optimize()
+        final = union(graph, leading_zeros, grouped)
+        minus = pynini.closure(pynutil.insert("negative: ") + pynini.cross("-", '"true" '), 0, 1)
+        self.final_graph = final.optimize()
+        self.fst = self.add_tokens(minus + pynutil.insert('integer: "') + self.final_graph + pynutil.insert('"'))
diff --git a/nemo_text_processing/text_normalization/te/taggers/punctuation.py b/nemo_text_processing/text_normalization/te/taggers/punctuation.py
new file mode 100644
index 000000000..c5811c55a
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/taggers/punctuation.py
@@ -0,0 +1,61 @@
+# 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.
+
+import sys
+from unicodedata import category
+
+import pynini
+from pynini.examples import plurals
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import NEMO_NOT_SPACE, NEMO_SIGMA, GraphFst
+
+
+class PunctuationFst(GraphFst):
+    """
+    Finite state transducer for classifying punctuation
+        e.g. a, -> tokens { name: "a" } tokens { name: "," }
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transductions are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="punctuation", kind="classify", deterministic=deterministic)
+        s = "!#%&\'()*+,-./:;<=>?@^_`{|}~\""
+
+        punct_symbols_to_exclude = ["[", "]"]
+        punct_unicode = [
+            chr(i)
+            for i in range(sys.maxunicode)
+            if category(chr(i)).startswith("P") and chr(i) not in punct_symbols_to_exclude
+        ]
+
+        punct_marks = punct_unicode + list(s)
+
+        punct = pynini.union(*punct_marks)
+        punct = pynini.closure(punct, 1)
+
+        emphasis = (
+            pynini.accep("<")
+            + pynini.union(
+                (pynini.closure(NEMO_NOT_SPACE - pynini.union("<", ">"), 1) + pynini.closure(pynini.accep("/"), 0, 1)),
+                (pynini.accep("/") + pynini.closure(NEMO_NOT_SPACE - pynini.union("<", ">"), 1)),
+            )
+            + pynini.accep(">")
+        )
+        punct = plurals._priority_union(emphasis, punct, NEMO_SIGMA)
+
+        self.fst = (pynutil.insert("name: \"") + punct + pynutil.insert("\"")).optimize()
diff --git a/nemo_text_processing/text_normalization/te/taggers/tokenize_and_classify.py b/nemo_text_processing/text_normalization/te/taggers/tokenize_and_classify.py
new file mode 100644
index 000000000..980275081
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/taggers/tokenize_and_classify.py
@@ -0,0 +1,115 @@
+# 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.
+
+import logging
+import os
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import (
+    NEMO_SPACE,
+    NEMO_WHITE_SPACE,
+    GraphFst,
+    delete_extra_space,
+    delete_space,
+    generator_main,
+)
+from nemo_text_processing.text_normalization.te.taggers.cardinal import CardinalFst
+from nemo_text_processing.text_normalization.te.taggers.punctuation import PunctuationFst
+from nemo_text_processing.text_normalization.te.taggers.word import WordFst
+
+
+class ClassifyFst(GraphFst):
+    """
+    Final class that composes all other classification grammars. This class can process an entire sentence including punctuation.
+    For deployment, this grammar will be compiled and exported to OpenFst Finite State Archive (FAR) File.
+    More details to deployment at NeMo/tools/text_processing_deployment.
+
+    Args:
+        input_case: accepting either "lower_cased" or "cased" input.
+        deterministic: if True will provide a single transduction option,
+            for False multiple options (used for audio-based normalization)
+        cache_dir: path to a dir with .far grammar file. Set to None to avoid using cache.
+        overwrite_cache: set to True to overwrite .far files
+        whitelist: path to a file with whitelist replacements
+    """
+
+    def __init__(
+        self,
+        input_case: str,
+        deterministic: bool = True,
+        cache_dir: str = None,
+        overwrite_cache: bool = False,
+        whitelist: str = None,
+    ):
+        super().__init__(name="tokenize_and_classify", kind="classify", deterministic=deterministic)
+
+        far_file = None
+        if cache_dir is not None and cache_dir != "None":
+            os.makedirs(cache_dir, exist_ok=True)
+            whitelist_file = os.path.basename(whitelist) if whitelist else ""
+            far_file = os.path.join(
+                cache_dir,
+                f"te_tn_{deterministic}_deterministic_{input_case}_{whitelist_file}_tokenize.far",
+            )
+        if not overwrite_cache and far_file and os.path.exists(far_file):
+            self.fst = pynini.Far(far_file, mode="r")["tokenize_and_classify"]
+            logging.info(f"ClassifyFst.fst was restored from {far_file}.")
+        else:
+            logging.info(f"Creating ClassifyFst grammars.")
+
+            cardinal = CardinalFst(deterministic=deterministic)
+            cardinal_graph = cardinal.fst
+
+            punctuation = PunctuationFst(deterministic=deterministic)
+            punct_graph = punctuation.fst
+
+            classify = pynutil.add_weight(cardinal_graph, 1.1)
+
+            word_graph = WordFst(deterministic=deterministic).fst
+
+            punct = pynutil.insert("tokens { ") + pynutil.add_weight(punct_graph, weight=2.1) + pynutil.insert(" }")
+            punct = pynini.closure(
+                pynini.union(
+                    pynini.compose(pynini.closure(NEMO_WHITE_SPACE, 1), delete_extra_space),
+                    (pynutil.insert(NEMO_SPACE) + punct),
+                ),
+                1,
+            )
+
+            classify = pynini.union(classify, pynutil.add_weight(word_graph, 100))
+            token = pynutil.insert("tokens { ") + classify + pynutil.insert(" }")
+            token_plus_punct = (
+                pynini.closure(punct + pynutil.insert(NEMO_SPACE))
+                + token
+                + pynini.closure(pynutil.insert(NEMO_SPACE) + punct)
+            )
+
+            graph = token_plus_punct + pynini.closure(
+                pynini.union(
+                    pynini.compose(pynini.closure(NEMO_WHITE_SPACE, 1), delete_extra_space),
+                    (pynutil.insert(NEMO_SPACE) + punct + pynutil.insert(NEMO_SPACE)),
+                )
+                + token_plus_punct
+            )
+
+            graph = delete_space + graph + delete_space
+            graph = pynini.union(graph, punct)
+
+            self.fst = graph.optimize()
+
+            if far_file:
+                generator_main(far_file, {"tokenize_and_classify": self.fst})
+                logging.info(f"ClassifyFst grammars are saved to {far_file}.")
diff --git a/nemo_text_processing/text_normalization/te/taggers/word.py b/nemo_text_processing/text_normalization/te/taggers/word.py
new file mode 100644
index 000000000..5ef0b0778
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/taggers/word.py
@@ -0,0 +1,34 @@
+# 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.
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import NEMO_NOT_SPACE, GraphFst
+
+
+class WordFst(GraphFst):
+    """
+    Finite state transducer for classifying Telugu words.
+        e.g. తెలుగు -> tokens { name: "తెలుగు" }
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transductions are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="word", kind="classify", deterministic=deterministic)
+        word = pynutil.insert("name: \"") + pynini.closure(NEMO_NOT_SPACE, 1) + pynutil.insert("\"")
+        self.fst = word.optimize()
diff --git a/nemo_text_processing/text_normalization/te/utils.py b/nemo_text_processing/text_normalization/te/utils.py
new file mode 100644
index 000000000..5e7e96c27
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/utils.py
@@ -0,0 +1,41 @@
+# 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.
+
+import csv
+import os
+
+
+def get_abs_path(rel_path):
+    """
+    Get absolute path
+
+    Args:
+        rel_path: relative path to this file
+
+    Returns absolute path
+    """
+    return os.path.dirname(os.path.abspath(__file__)) + '/' + rel_path
+
+
+def load_labels(abs_path):
+    """
+    loads relative path file as dictionary
+
+    Args:
+        abs_path: absolute path
+
+    Returns dictionary of mappings
+    """
+    with open(abs_path, encoding="utf-8") as label_tsv:
+        return list(csv.reader(label_tsv, delimiter="\t"))
diff --git a/nemo_text_processing/text_normalization/te/verbalizers/__init__.py b/nemo_text_processing/text_normalization/te/verbalizers/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/verbalizers/__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.
diff --git a/nemo_text_processing/text_normalization/te/verbalizers/cardinal.py b/nemo_text_processing/text_normalization/te/verbalizers/cardinal.py
new file mode 100644
index 000000000..b70c957f3
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/verbalizers/cardinal.py
@@ -0,0 +1,41 @@
+# 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.
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import NEMO_NOT_QUOTE, GraphFst
+
+
+class CardinalFst(GraphFst):
+    """
+    Finite state transducer for verbalizing cardinals, e.g.
+        cardinal { integer: "ఐదు" } -> ఐదు
+        cardinal { negative: "true" integer: "ఇరవై మూడు" } -> మైనస్ ఇరవై మూడు
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transduction are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="cardinal", kind="verbalize", deterministic=deterministic)
+
+        optional_sign = pynini.closure(pynini.cross("negative: \"true\" ", "మైనస్ "), 0, 1)
+
+        integer = pynini.closure(NEMO_NOT_QUOTE, 1)
+        integer = pynutil.delete("integer:") + pynutil.delete(" \"") + integer + pynutil.delete("\"")
+
+        graph = optional_sign + integer
+        self.fst = self.delete_tokens(graph).optimize()
diff --git a/nemo_text_processing/text_normalization/te/verbalizers/verbalize.py b/nemo_text_processing/text_normalization/te/verbalizers/verbalize.py
new file mode 100644
index 000000000..f2564e504
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/verbalizers/verbalize.py
@@ -0,0 +1,38 @@
+# 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.
+
+from nemo_text_processing.text_normalization.te.graph_utils import GraphFst
+from nemo_text_processing.text_normalization.te.verbalizers.cardinal import CardinalFst
+
+
+class VerbalizeFst(GraphFst):
+    """
+    Composes other verbalizer grammars.
+    For deployment, this grammar will be compiled and exported to OpenFst Finite State Archive (FAR) File.
+    More details to deployment at NeMo/tools/text_processing_deployment.
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple options (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="verbalize", kind="verbalize", deterministic=deterministic)
+
+        cardinal = CardinalFst(deterministic=deterministic)
+        cardinal_graph = cardinal.fst
+
+        graph = cardinal_graph
+
+        self.fst = graph
diff --git a/nemo_text_processing/text_normalization/te/verbalizers/verbalize_final.py b/nemo_text_processing/text_normalization/te/verbalizers/verbalize_final.py
new file mode 100644
index 000000000..beb01924b
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/verbalizers/verbalize_final.py
@@ -0,0 +1,75 @@
+# 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.
+
+import logging
+import os
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import (
+    GraphFst,
+    delete_extra_space,
+    delete_space,
+    generator_main,
+)
+from nemo_text_processing.text_normalization.te.verbalizers.verbalize import VerbalizeFst
+from nemo_text_processing.text_normalization.te.verbalizers.word import WordFst
+
+
+class VerbalizeFinalFst(GraphFst):
+    """
+    Finite state transducer that verbalizes an entire sentence, e.g.
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple options (used for audio-based normalization)
+        cache_dir: path to a dir with .far grammar file. Set to None to avoid using cache.
+        overwrite_cache: set to True to overwrite .far files
+    """
+
+    def __init__(self, deterministic: bool = True, cache_dir: str = None, overwrite_cache: bool = False):
+        super().__init__(name="verbalize_final", kind="verbalize", deterministic=deterministic)
+
+        far_file = None
+        if cache_dir is not None and cache_dir != "None":
+            os.makedirs(cache_dir, exist_ok=True)
+            far_file = os.path.join(cache_dir, f"te_tn_{deterministic}_deterministic_verbalizer.far")
+        if not overwrite_cache and far_file and os.path.exists(far_file):
+            self.fst = pynini.Far(far_file, mode="r")["verbalize"]
+            logging.info(f'VerbalizeFinalFst graph was restored from {far_file}.')
+        else:
+            verbalize = VerbalizeFst(deterministic=deterministic).fst
+            word = WordFst(deterministic=deterministic).fst
+            types = verbalize | word
+
+            if deterministic:
+                graph = (
+                    pynutil.delete("tokens")
+                    + delete_space
+                    + pynutil.delete("{")
+                    + delete_space
+                    + types
+                    + delete_space
+                    + pynutil.delete("}")
+                )
+            else:
+                graph = delete_space + types + delete_space
+
+            graph = delete_space + pynini.closure(graph + delete_extra_space) + graph + delete_space
+
+            self.fst = graph.optimize()
+            if far_file:
+                generator_main(far_file, {"verbalize": self.fst})
+                logging.info(f"VerbalizeFinalFst grammars are saved to {far_file}.")
diff --git a/nemo_text_processing/text_normalization/te/verbalizers/word.py b/nemo_text_processing/text_normalization/te/verbalizers/word.py
new file mode 100644
index 000000000..ece2e9b76
--- /dev/null
+++ b/nemo_text_processing/text_normalization/te/verbalizers/word.py
@@ -0,0 +1,35 @@
+# 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.
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.te.graph_utils import NEMO_CHAR, GraphFst, delete_space
+
+
+class WordFst(GraphFst):
+    """
+    Finite state transducer for verbalizing Telugu words.
+        e.g. tokens { name: "ఏడు" } -> ఏడు
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transduction are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, deterministic: bool = True):
+        super().__init__(name="word", kind="verbalize", deterministic=deterministic)
+        chars = pynini.closure(NEMO_CHAR - " ", 1)
+        char = pynutil.delete("name:") + delete_space + pynutil.delete("\"") + chars + pynutil.delete("\"")
+        self.fst = char.optimize()
diff --git a/tests/nemo_text_processing/te/__init__.py b/tests/nemo_text_processing/te/__init__.py
new file mode 100644
index 000000000..4fc25d0d3
--- /dev/null
+++ b/tests/nemo_text_processing/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.
diff --git a/tests/nemo_text_processing/te/data_text_normalization/test_cases_cardinal.txt b/tests/nemo_text_processing/te/data_text_normalization/test_cases_cardinal.txt
new file mode 100644
index 000000000..ca47a9006
--- /dev/null
+++ b/tests/nemo_text_processing/te/data_text_normalization/test_cases_cardinal.txt
@@ -0,0 +1,267 @@
+4 నాలుగులు~నాలుగు నాలుగులు
+౬ మంది ఆటగాళ్లు బయటకు~ఆరు మంది ఆటగాళ్లు బయటకు
+4 ఓవర్లలో 17 పరుగులు~నాలుగు ఓవర్లలో పదిహేడు పరుగులు
+౫ చాక్లెట్లు ౯ టాఫీలు~ఐదు చాక్లెట్లు తొమ్మిది టాఫీలు
+5551 అరటిపండ్లు~ఐదు వేల ఐదు వందల యాభై ఒకటి అరటిపండ్లు
+౫౫౫౧ అరటిపండ్లు~ఐదు వేల ఐదు వందల యాభై ఒకటి అరటిపండ్లు
+4 మంది మృతి 18 మందికి గాయాలు~నాలుగు మంది మృతి పధ్ధెనిమిది మందికి గాయాలు
+అధ్యాయం ౧౦ శ్లోకం ౨~అధ్యాయం పది శ్లోకం రెండు
+ఆదాయం -5000 రూపాయలు~ఆదాయం మైనస్ ఐదు వేలు రూపాయలు
+₹ -100~₹ మైనస్ వంద
+10~పది
+౧౦~పది
+100~వంద
+౧౦౦~వంద
+101~నూట ఒకటి
+111~నూట పదకొండు
+130~నూట ముప్పై
+200~రెండు వందలు
+203~రెండు వందల మూడు
+312~మూడు వందల పన్నెండు
+425~నాలుగు వందల ఇరవై ఐదు
+525~ఐదు వందల ఇరవై ఐదు
+౫౨౫~ఐదు వందల ఇరవై ఐదు
+85~ఎనభై ఐదు
+౯౧~తొంభై ఒకటి
+1001~వెయ్యి ఒకటి
+10099~పది వేల తొంభై తొమ్మిది
+100001~లక్ష ఒకటి
+12346~పన్నెండు వేల మూడు వందల నలభై ఆరు
+1345~వెయ్యి మూడు వందల నలభై ఐదు
+123456~లక్ష ఇరవై మూడు వేల నాలుగు వందల యాభై ఆరు
+౧౩౪౫౬~పదమూడు వేల నాలుగు వందల యాభై ఆరు
+872987~ఎనిమిది లక్షల డెబ్బై రెండు వేల తొమ్మిది వందల ఎనభై ఏడు
+9876789~తొంభై ఎనిమిది లక్షల డెబ్బై ఆరు వేల ఏడు వందల ఎనభై తొమ్మిది
+2345567~ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+12345567~కోటి ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+12121212~కోటి ఇరవై ఒక లక్షల ఇరవై ఒక వేల రెండు వందల పన్నెండు
+1122345567~నూట పన్నెండు కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+1022345567~నూట రెండు కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+11022345567~వెయ్యి నూట రెండు కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+51022345567~ఐదు వేల నూట రెండు కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+10000000000~వెయ్యి కోట్లు
+100000000000~పది వేల కోట్లు
+1000000000000~లక్ష కోట్లు
+10000000000000~పది లక్షల కోట్లు
+100000000000000~కోటి కోట్లు
+999999999999999~తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+1000000000000000~పది కోట్ల కోట్లు
+999999999999999999~తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+9999999999999999999~తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+జనాభా 999999999999999~జనాభా తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯~తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯౯~తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+05~సున్నా ఐదు
+01~సున్నా ఒకటి
+073~సున్నా ఏడు మూడు
+0001~సున్నా సున్నా సున్నా ఒకటి
+000~సున్నా సున్నా సున్నా
+-23~మైనస్ ఇరవై మూడు
+-100~మైనస్ వంద
+-12345567~మైనస్ కోటి ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+-51022345567~మైనస్ ఐదు వేల నూట రెండు కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+1,23,456~లక్ష ఇరవై మూడు వేల నాలుగు వందల యాభై ఆరు
+12,345~పన్నెండు వేల మూడు వందల నలభై ఐదు
+1,00,00,000~కోటి
+5,50,00,000~ఐదు కోట్ల యాభై లక్షలు
+32,45,000~ముప్పై రెండు లక్షల నలభై ఐదు వేలు
+5,56,320~ఐదు లక్షల యాభై ఆరు వేల మూడు వందల ఇరవై
+32,450,000~మూడు కోట్ల ఇరవై నాలుగు లక్షల యాభై వేలు
+4,99,99,000~నాలుగు కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేలు
+11,220~పదకొండు వేల రెండు వందల ఇరవై
+౧,౨౩,౪౫౬~లక్ష ఇరవై మూడు వేల నాలుగు వందల యాభై ఆరు
+-1,23,456~మైనస్ లక్ష ఇరవై మూడు వేల నాలుగు వందల యాభై ఆరు
+10050~పది వేల యాభై
+10100~పది వేల వంద
+100100~లక్ష వంద
+101000~లక్ష వెయ్యి
+100010~లక్ష పది
+1005000~పది లక్షల ఐదు వేలు
+1002003~పది లక్షల రెండు వేల మూడు
+2050607~ఇరవై లక్షల యాభై వేల ఆరు వందల ఏడు
+10000050~కోటి యాభై
+10010000~కోటి పది వేలు
+10100000~కోటి లక్ష
+10001001~కోటి వెయ్యి ఒకటి
+100000000001~పది వేల కోట్ల ఒకటి
+1,00,100~లక్ష వంద
+10,05,000~పది లక్షల ఐదు వేలు
+1,00,01,001~కోటి వెయ్యి ఒకటి
+50000000001~ఐదు వేల కోట్ల ఒకటి
+2100000000000~రెండు లక్షల పది వేల కోట్లు
+210000000000000~రెండు కోట్ల పది లక్షల కోట్లు
+2200000000000000~ఇరవై రెండు కోట్ల కోట్లు
+10000000000000000~వంద కోట్ల కోట్లు
+10200000000000000~నూట రెండు కోట్ల కోట్లు
+990000000000000000~తొమ్మిది వేల తొమ్మిది వందల కోట్ల కోట్లు
+9999999990000000~తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్లు
+99999999999999999~తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+12345678901234567~నూట ఇరవై మూడు కోట్ల నలభై ఐదు లక్షల అరవై ఏడు వేల ఎనిమిది వందల తొంభై కోట్ల పన్నెండు లక్షల ముప్పై నాలుగు వేల ఐదు వందల అరవై ఏడు
+2100000000000000~ఇరవై ఒక కోట్ల కోట్లు
+20100000000000000~రెండు వందల ఒక కోట్ల కోట్లు
+99000000000000~తొంభై తొమ్మిది లక్షల కోట్లు
+990000000000000~తొమ్మిది కోట్ల తొంభై లక్షల కోట్లు
+1010000000~నూట ఒక కోట్లు
+1012345567~నూట ఒక కోట్ల ఇరవై మూడు లక్షల నలభై ఐదు వేల ఐదు వందల అరవై ఏడు
+1,01,00,00,000~నూట ఒక కోట్లు
+2010000000~రెండు వందల ఒక కోట్లు
+9010000000~తొమ్మిది వందల ఒక కోట్లు
+1020000000~నూట రెండు కోట్లు
+12౩45~12౩45
+1౨345~1౨345
+౧2345~౧2345
+1234౫~1234౫
+123౪56789~123౪56789
+14~పద్నాలుగు
+15~పదిహేను
+16~పదహారు
+19~పంతొమ్మిది
+114~నూట పద్నాలుగు
+1015~వెయ్యి పదిహేను
+216~రెండు వందల పదహారు
+౧౪~పద్నాలుగు
+౧౯~పంతొమ్మిది
+999999999~తొంభై తొమ్మిది కోట్ల తొంభై తొమ్మిది లక్షల తొంభై తొమ్మిది వేల తొమ్మిది వందల తొంభై తొమ్మిది
+220000000~ఇరవై రెండు కోట్లు
+210000000~ఇరవై ఒక కోట్లు
+900000000~తొంభై కోట్లు
+123456789~పన్నెండు కోట్ల ముప్పై నాలుగు లక్షల యాభై ఆరు వేల ఏడు వందల ఎనభై తొమ్మిది
+1000~వెయ్యి
+100000~లక్ష
+10000000~కోటి
+౧౦౦౦~వెయ్యి
+౧౦౦౦౦౦~లక్ష
+౧౦౦౦౦౦౦౦~కోటి
+౧౦౧~నూట ఒకటి
+౧౧౧~నూట పదకొండు
+౧౩౦~నూట ముప్పై
+21000~ఇరవై ఒక వేలు
+2100000~ఇరవై ఒక లక్షలు
+3100000~ముప్పై ఒక లక్షలు
+9100000~తొంభై ఒక లక్షలు
+2100001~ఇరవై ఒక లక్షల ఒకటి
+21000000000000~ఇరవై ఒక లక్షల కోట్లు
+2040000000000~రెండు లక్షల నాలుగు వేల కోట్లు
+3014000000000~మూడు లక్షల వెయ్యి నాలుగు వందల కోట్లు
+9040000000000~తొమ్మిది లక్షల నాలుగు వేల కోట్లు
+2000400000000000~ఇరవై కోట్ల నలభై వేల కోట్లు
+200000000000000~రెండు కోట్ల కోట్లు
+100040000000000~కోటి నాలుగు వేల కోట్లు
+104000000000000~కోటి నాలుగు లక్షల కోట్లు
+100004000000000~కోటి నాలుగు వందల కోట్లు
+500000000000001~ఐదు కోట్ల కోట్ల ఒకటి
+12100000000000000~నూట ఇరవై ఒక కోట్ల కోట్లు
+12140000000000000~నూట ఇరవై ఒక కోట్ల నలభై లక్షల కోట్లు
+1210000000~నూట ఇరవై ఒక కోట్లు
+101010101010101010~వెయ్యి పది కోట్ల పది లక్షల పది వేల నూట ఒక కోటి లక్ష వెయ్యి పది
+123456789012345678~వెయ్యి రెండు వందల ముప్పై నాలుగు కోట్ల యాభై ఆరు లక్షల డెబ్బై ఎనిమిది వేల తొమ్మిది వందల ఒక కోటి ఇరవై మూడు లక్షల నలభై ఐదు వేల ఆరు వందల డెబ్బై ఎనిమిది
+12100000~కోటి ఇరవై ఒక లక్షలు
+31000~ముప్పై ఒక వేలు
+91000~తొంభై ఒక వేలు
+21500~ఇరవై ఒక వేల ఐదు వందలు
+౨౧౦౦౦~ఇరవై ఒక వేలు
+210000000000~ఇరవై ఒక వేల కోట్లు
+2100000000000000000~ఇరవై ఒక వేల కోట్ల కోట్లు
+0~సున్నా
+౦~సున్నా
+-0~మైనస్ సున్నా
+99999999999999999999~99999999999999999999
+1,0000~ఒకటి , సున్నా సున్నా సున్నా సున్నా
+12,34~పన్నెండు , ముప్పై నాలుగు
+1,2,3~ఒకటి , రెండు , మూడు
+51010000000~ఐదు వేల నూట ఒక కోట్లు
+34018285364~మూడు వేల నాలుగు వందల ఒక కోట్ల ఎనభై రెండు లక్షల ఎనభై ఐదు వేల మూడు వందల అరవై నాలుగు
+711010000000~డెబ్బై ఒక వేల నూట ఒక కోట్లు
+465017762066~నలభై ఆరు వేల ఐదు వందల ఒక కోట్ల డెబ్బై ఏడు లక్షల అరవై రెండు వేల అరవై ఆరు
+3164010000000~మూడు లక్షల పదహారు వేల నాలుగు వందల ఒక కోట్లు
+97931010000000~తొంభై ఏడు లక్షల తొంభై మూడు వేల నూట ఒక కోట్లు
+90140000000000000~తొమ్మిది వందల ఒక కోట్ల నలభై లక్షల కోట్లు
+340100000000000000~మూడు వేల నాలుగు వందల ఒక కోట్ల కోట్లు
+340182853640000000~మూడు వేల నాలుగు వందల ఒక కోట్ల ఎనభై రెండు లక్షల ఎనభై ఐదు వేల మూడు వందల అరవై నాలుగు కోట్లు
+4650177620660000000~నలభై ఆరు వేల ఐదు వందల ఒక కోట్ల డెబ్బై ఏడు లక్షల అరవై రెండు వేల అరవై ఆరు కోట్లు
+51020000000~ఐదు వేల నూట రెండు కోట్లు
+34028285364~మూడు వేల నాలుగు వందల రెండు కోట్ల ఎనభై రెండు లక్షల ఎనభై ఐదు వేల మూడు వందల అరవై నాలుగు
+90240000000000000~తొమ్మిది వందల రెండు కోట్ల నలభై లక్షల కోట్లు
+90100000000000000~తొమ్మిది వందల ఒక కోట్ల కోట్లు
+10010000000~వెయ్యి ఒక కోట్లు
+20010000000~రెండు వేల ఒక కోట్లు
+50010000000~ఐదు వేల ఒక కోట్లు
+10001010000000~పది లక్షల నూట ఒక కోట్లు
+10000000101~వెయ్యి కోట్ల నూట ఒకటి
+10000000201~వెయ్యి కోట్ల రెండు వందల ఒకటి
+220000000000000~రెండు కోట్ల ఇరవై లక్షల కోట్లు
+230000000000000~రెండు కోట్ల ముప్పై లక్షల కోట్లు
+410000000000000~నాలుగు కోట్ల పది లక్షల కోట్లు
+941302654706146~తొమ్మిది కోట్ల నలభై ఒక లక్షల ముప్పై వేల రెండు వందల అరవై ఐదు కోట్ల నలభై ఏడు లక్షల ఆరు వేల నూట నలభై ఆరు
+851750346234890~ఎనిమిది కోట్ల యాభై ఒక లక్షల డెబ్బై ఐదు వేల ముప్పై నాలుగు కోట్ల అరవై రెండు లక్షల ముప్పై నాలుగు వేల ఎనిమిది వందల తొంభై
+0౫~0౫
+౦5~౦5
+00౭~00౭
+0౦5~0౦5
+05~సున్నా ఐదు
+౦౫~సున్నా ఐదు
+007~సున్నా సున్నా ఏడు
+౦౦౭~సున్నా సున్నా ఏడు
+1000010000000~లక్ష ఒక కోట్లు
+2000010000000~రెండు లక్షల ఒక కోట్లు
+5000010000000~ఐదు లక్షల ఒక కోట్లు
+9000010000000~తొమ్మిది లక్షల ఒక కోట్లు
+11000010000000~పదకొండు లక్షల ఒక కోట్లు
+99000010000000~తొంభై తొమ్మిది లక్షల ఒక కోట్లు
+1000014261933~లక్ష ఒక కోట్ల నలభై రెండు లక్షల అరవై ఒక వేల తొమ్మిది వందల ముప్పై మూడు
+10000010000000~పది లక్షల ఒక కోట్లు
+50000010000000~యాభై లక్షల ఒక కోట్లు
+90000010701028~తొంభై లక్షల ఒక కోట్ల ఏడు లక్షల వెయ్యి ఇరవై ఎనిమిది
+1010010000000~లక్ష వెయ్యి ఒక కోట్లు
+3010010000000~మూడు లక్షల వెయ్యి ఒక కోట్లు
+5010010000000~ఐదు లక్షల వెయ్యి ఒక కోట్లు
+1010012900770~లక్ష వెయ్యి ఒక కోట్ల ఇరవై తొమ్మిది లక్షల ఏడు వందల డెబ్బై
+5010012900770~ఐదు లక్షల వెయ్యి ఒక కోట్ల ఇరవై తొమ్మిది లక్షల ఏడు వందల డెబ్బై
+5001010000000~ఐదు లక్షల నూట ఒక కోట్లు
+90410010000205~తొంభై లక్షల నలభై ఒక వేల ఒక కోట్ల రెండు వందల ఐదు
+30920010793149~ముప్పై లక్షల తొంభై రెండు వేల ఒక కోట్ల ఏడు లక్షల తొంభై మూడు వేల నూట నలభై తొమ్మిది
+10601010405114~పది లక్షల అరవై వేల నూట ఒక కోట్ల నాలుగు లక్షల ఐదు వేల నూట పద్నాలుగు
+1000020000000~లక్ష రెండు కోట్లు
+10000020000000~పది లక్షల రెండు కోట్లు
+50000020000000~యాభై లక్షల రెండు కోట్లు
+500000010000000~ఐదు కోట్ల ఒక కోటి
+5000000010000000~యాభై కోట్ల ఒక కోటి
+50000000010000000~ఐదు వందల కోట్ల ఒక కోటి
+500000000010000000~ఐదు వేల కోట్ల ఒక కోటి
+5000000000010000000~యాభై వేల కోట్ల ఒక కోటి
+500000015724739~ఐదు కోట్ల ఒక కోటి యాభై ఏడు లక్షల ఇరవై నాలుగు వేల ఏడు వందల ముప్పై తొమ్మిది
+50000000015724739~ఐదు వందల కోట్ల ఒక కోటి యాభై ఏడు లక్షల ఇరవై నాలుగు వేల ఏడు వందల ముప్పై తొమ్మిది
+268828015724739~రెండు కోట్ల అరవై ఎనిమిది లక్షల ఎనభై రెండు వేల ఎనిమిది వందల ఒక కోటి యాభై ఏడు లక్షల ఇరవై నాలుగు వేల ఏడు వందల ముప్పై తొమ్మిది
+558073012157368~ఐదు కోట్ల యాభై ఎనిమిది లక్షల ఏడు వేల మూడు వందల ఒక కోటి ఇరవై ఒక లక్షల యాభై ఏడు వేల మూడు వందల అరవై ఎనిమిది
+6690674013350484~అరవై ఆరు కోట్ల తొంభై లక్షల అరవై ఏడు వేల నాలుగు వందల ఒక కోటి ముప్పై మూడు లక్షల యాభై వేల నాలుగు వందల ఎనభై నాలుగు
+500000020000000~ఐదు కోట్ల రెండు కోట్లు
+500000110000000~ఐదు కోట్ల పదకొండు కోట్లు
+268828025724739~రెండు కోట్ల అరవై ఎనిమిది లక్షల ఎనభై రెండు వేల ఎనిమిది వందల రెండు కోట్ల యాభై ఏడు లక్షల ఇరవై నాలుగు వేల ఏడు వందల ముప్పై తొమ్మిది
+100010010000000~కోటి వెయ్యి ఒక కోటి
+40100000010000000~నాలుగు వందల ఒక కోట్ల ఒక కోటి
+100100000010000000~వెయ్యి ఒక కోట్ల ఒక కోటి
+40010009010002012~నాలుగు వందల కోట్ల పది లక్షల తొమ్మిది వందల ఒక కోటి రెండు వేల పన్నెండు
+400100090100002012~నాలుగు వేల ఒక కోట్ల తొమ్మిది వేల పది కోట్ల రెండు వేల పన్నెండు
+200100090100002012~రెండు వేల ఒక కోట్ల తొమ్మిది వేల పది కోట్ల రెండు వేల పన్నెండు
+౪౦౦౧౦౦౦౯౦౧౦౦౦౦౨౦౧౨~నాలుగు వేల ఒక కోట్ల తొమ్మిది వేల పది కోట్ల రెండు వేల పన్నెండు
+40001000010002012~నాలుగు వందల కోట్ల లక్ష ఒక కోటి రెండు వేల పన్నెండు
+40002000010002012~నాలుగు వందల కోట్ల రెండు లక్షల ఒక కోటి రెండు వేల పన్నెండు
+40002100010002012~నాలుగు వందల కోట్ల రెండు లక్షల పది వేల ఒక కోటి రెండు వేల పన్నెండు
+400101000010002012~నాలుగు వేల ఒక కోట్ల లక్ష ఒక కోటి రెండు వేల పన్నెండు
+4000101000010002012~నలభై వేల ఒక కోట్ల లక్ష ఒక కోటి రెండు వేల పన్నెండు
+౪౦౦౦౧౦౦౦౦౧౦౦౦౨౦౧౨~నాలుగు వందల కోట్ల లక్ష ఒక కోటి రెండు వేల పన్నెండు
+40000001010002012~నాలుగు వందల కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+40000002010002012~నాలుగు వందల కోట్ల రెండు వందల ఒక కోటి రెండు వేల పన్నెండు
+40000009010002012~నాలుగు వందల కోట్ల తొమ్మిది వందల ఒక కోటి రెండు వేల పన్నెండు
+40000001010000000~నాలుగు వందల కోట్ల నూట ఒక కోటి
+400100001010002012~నాలుగు వేల ఒక కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+4000100001010002012~నలభై వేల ఒక కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+౪౦౦౦౦౦౦౧౦౧౦౦౦౨౦౧౨~నాలుగు వందల కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+210000~రెండు లక్షల పది వేలు
+40000010010002012~నాలుగు వందల కోట్ల వెయ్యి ఒక కోటి రెండు వేల పన్నెండు
+40000100010002012~నాలుగు వందల కోట్ల పది వేల ఒక కోటి రెండు వేల పన్నెండు
+40000002100002012~నాలుగు వందల కోట్ల రెండు వందల పది కోట్ల రెండు వేల పన్నెండు
+40000001210002012~నాలుగు వందల కోట్ల నూట ఇరవై ఒక కోట్ల రెండు వేల పన్నెండు
+200001010002012~రెండు కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+2100001010002012~ఇరవై ఒక కోట్ల నూట ఒక కోటి రెండు వేల పన్నెండు
+123,456,789~పన్నెండు కోట్ల ముప్పై నాలుగు లక్షల యాభై ఆరు వేల ఏడు వందల ఎనభై తొమ్మిది
\ No newline at end of file
diff --git a/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation.txt b/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation.txt
new file mode 100644
index 000000000..1e2426eb7
--- /dev/null
+++ b/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation.txt
@@ -0,0 +1,38 @@
+ఒక `కోట్` ఉదాహరణ~ఒక `కోట్` ఉదాహరణ
+ఒక `25` ఉదాహరణ~ఒక ` ఇరవై ఐదు ` ఉదాహరణ
+సింగిల్ కోట్.'~సింగిల్ కోట్.'
+సింగిల్ కోట్. '4~సింగిల్ కోట్. ' నాలుగు
+పరీక్ష -~పరీక్ష -
+-5 పరీక్ష -~మైనస్ ఐదు పరీక్ష -
+సంక్షిప్తం యు.ఎస్.ఏ.~సంక్షిప్తం యు.ఎస్.ఏ.
+డా. రాము~డా. రాము
+ఎ.పి.~ఎ.పి.
+1-4=5~ఒకటి - నాలుగు = ఐదు
+?,~?,
+?,లేదు~?,లేదు
+అవును, సరే.~అవును, సరే.
+మీరు ఎలా ఉన్నారు?~మీరు ఎలా ఉన్నారు?
+ఇది (12 జాతులు) మరియు...~ఇది ( పన్నెండు జాతులు) మరియు...
+జంతువులు: (1), (2), (3)~జంతువులు: ( ఒకటి ), ( రెండు ), ( మూడు )
+జంతువులు: ``పిల్లి``, ``కుక్క``, ``సింహం``~జంతువులు: ``పిల్లి``, ``కుక్క``, ``సింహం``
+జంతువులు: ``4~జంతువులు: `` నాలుగు
+‘హలో’~‘హలో’
+“తెలుగు”~“తెలుగు”
+(పరీక్ష)~(పరీక్ష)
+హలో।~హలో।
+హలో॥~హలో॥
+హలో…~హలో…
+హలో—~హలో—
+114...48~నూట పద్నాలుగు ... నలభై ఎనిమిది
+1961–1965~వెయ్యి తొమ్మిది వందల అరవై ఒకటి – వెయ్యి తొమ్మిది వందల అరవై ఐదు
+1961–1965 and (2006–2012)~వెయ్యి తొమ్మిది వందల అరవై ఒకటి – వెయ్యి తొమ్మిది వందల అరవై ఐదు and ( రెండు వేల ఆరు – రెండు వేల పన్నెండు )
+2!~రెండు !
+౧!~ఒకటి !
+1!!!!~ఒకటి !!!!
+1, ~ఒకటి ,
+(1)హలో~(1)హలో
+123,000012~నూట ఇరవై మూడు , సున్నా సున్నా సున్నా సున్నా ఒకటి రెండు
+₹100~₹100
+<b>హలో</b>~<b>హలో</b>
+test -~test -
+-5 test -~మైనస్ ఐదు test -
\ No newline at end of file
diff --git a/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation_match_input.txt b/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation_match_input.txt
new file mode 100644
index 000000000..7eef277e7
--- /dev/null
+++ b/tests/nemo_text_processing/te/data_text_normalization/test_cases_punctuation_match_input.txt
@@ -0,0 +1,16 @@
+2!~రెండు!
+౧!~ఒకటి!
+1!!!!~ఒకటి!!!!
+1,~ఒకటి,
+(1)హలో~(1)హలో
+1!హలో~1!హలో
+?,లేదు~?,లేదు
+ఇది (12 జాతులు) మరియు...~ఇది (పన్నెండు జాతులు) మరియు...
+జంతువులు: (1), (2), (3)~జంతువులు: (ఒకటి), (రెండు), (మూడు)
+ఒక `25` ఉదాహరణ~ఒక `ఇరవై ఐదు` ఉదాహరణ
+సింగిల్ కోట్. '4~సింగిల్ కోట్. 'నాలుగు
+114...48~నూట పద్నాలుగు...నలభై ఎనిమిది
+123,000012~నూట ఇరవై మూడు,సున్నా సున్నా సున్నా సున్నా ఒకటి రెండు
+జంతువులు: ``4~జంతువులు: ``నాలుగు
+1961–1965 and (2006–2012)~వెయ్యి తొమ్మిది వందల అరవై ఒకటి – వెయ్యి తొమ్మిది వందల అరవై ఐదు and (రెండు వేల ఆరు – రెండు వేల పన్నెండు)
+హలో...ప్రపంచం~హలో...ప్రపంచం
\ No newline at end of file
diff --git a/tests/nemo_text_processing/te/data_text_normalization/test_cases_word.txt b/tests/nemo_text_processing/te/data_text_normalization/test_cases_word.txt
new file mode 100644
index 000000000..6ce3d5ef7
--- /dev/null
+++ b/tests/nemo_text_processing/te/data_text_normalization/test_cases_word.txt
@@ -0,0 +1,33 @@
+~
+ ~
+తెలుగు~తెలుగు
+మీరు లోపలికి రావచ్చా?~మీరు లోపలికి రావచ్చా?
+అవును మీరు రావచ్చు.~అవును మీరు రావచ్చు.
+మార్.~మార్.
+మార్~మార్
+తె3~తె3
+।~।
+॥~॥
+₹~₹
+…~…
+·~·
+నిద్ర~నిద్ర
+బాగుంది~బాగుంది
+కచ్చా-పక్కా~కచ్చా-పక్కా
+ఆంధ్ర-తెలంగాణ~ఆంధ్ర-తెలంగాణ
+ 1~ఒకటి
+1~ఒకటి
+!1~! ఒకటి
+౧~ఒకటి
+౧!~ఒకటి !
+లోహం కా,~లోహం కా,
+యాహూ!~యాహూ!
+‘హలో’~‘హలో’
+“తెలుగు”~“తెలుగు”
+(పరీక్ష)~(పరీక్ష)
+తెలుగు।~తెలుగు।
+నమస్కారం॥~నమస్కారం॥
+హలో…~హలో…
+రూ. 100~రూ. వంద
+నేను (22) బాతు పిల్లలను చూశాను~నేను ( ఇరవై రెండు ) బాతు పిల్లలను చూశాను
+ఇరవై !~ఇరవై !
\ No newline at end of file
diff --git a/tests/nemo_text_processing/te/test_cardinal.py b/tests/nemo_text_processing/te/test_cardinal.py
new file mode 100644
index 000000000..aacab9485
--- /dev/null
+++ b/tests/nemo_text_processing/te/test_cardinal.py
@@ -0,0 +1,37 @@
+# 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.
+
+import pytest
+from parameterized import parameterized
+
+from nemo_text_processing.text_normalization.normalize import Normalizer
+
+from ..utils import CACHE_DIR, parse_test_case_file
+
+
+class TestCardinal:
+    normalizer = Normalizer(
+        input_case='cased',
+        lang='te',
+        cache_dir=CACHE_DIR,
+        overwrite_cache=False,
+        post_process=False,
+    )
+
+    @parameterized.expand(parse_test_case_file('te/data_text_normalization/test_cases_cardinal.txt'))
+    @pytest.mark.run_only_on('CPU')
+    @pytest.mark.unit
+    def test_norm(self, test_input, expected):
+        pred = self.normalizer.normalize(test_input, verbose=False)
+        assert pred == expected
diff --git a/tests/nemo_text_processing/te/test_punctuation.py b/tests/nemo_text_processing/te/test_punctuation.py
new file mode 100644
index 000000000..fc78711eb
--- /dev/null
+++ b/tests/nemo_text_processing/te/test_punctuation.py
@@ -0,0 +1,44 @@
+# 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.
+
+import pytest
+from parameterized import parameterized
+
+from nemo_text_processing.text_normalization.normalize import Normalizer
+
+from ..utils import CACHE_DIR, parse_test_case_file
+
+
+class TestPunctuation:
+    normalizer = Normalizer(
+        input_case='cased',
+        lang='te',
+        cache_dir=CACHE_DIR,
+        overwrite_cache=False,
+        post_process=False,
+    )
+
+    @parameterized.expand(parse_test_case_file('te/data_text_normalization/test_cases_punctuation.txt'))
+    @pytest.mark.run_only_on('CPU')
+    @pytest.mark.unit
+    def test_norm(self, test_input, expected):
+        pred = self.normalizer.normalize(test_input, verbose=False, punct_post_process=False)
+        assert pred == expected, f"input: {test_input} != {expected}"
+
+    @parameterized.expand(parse_test_case_file('te/data_text_normalization/test_cases_punctuation_match_input.txt'))
+    @pytest.mark.run_only_on('CPU')
+    @pytest.mark.unit
+    def test_norm_python_punct_post_process(self, test_input, expected):
+        pred = self.normalizer.normalize(test_input, verbose=False, punct_post_process=True)
+        assert pred == expected, f"for input |{test_input}|: pred: |{pred}| != expected: |{expected}|"
diff --git a/tests/nemo_text_processing/te/test_sparrowhawk_normalization.sh b/tests/nemo_text_processing/te/test_sparrowhawk_normalization.sh
new file mode 100644
index 000000000..edb3a32f6
--- /dev/null
+++ b/tests/nemo_text_processing/te/test_sparrowhawk_normalization.sh
@@ -0,0 +1,42 @@
+#! /bin/sh
+
+PROJECT_DIR=/workspace/tests
+
+runtest () {
+  input=$1
+  cd /workspace/sparrowhawk/documentation/grammars
+
+  # read test file
+  while IFS= read -r testcase; do
+    IFS='~' read -r written spoken <<< "$testcase"
+    
+    # Escape backslashes and replace non breaking space with breaking space
+    escaped_written=$(printf '%s' "$written" | sed 's/\\/\\\\/g')
+    denorm_pred=$(echo "$escaped_written" | normalizer_main --config=sparrowhawk_configuration.ascii_proto 2>&1 | tail -n 1 | sed 's/\xC2\xA0/ /g')
+
+    # trim white space and remove space before punctuation
+    spoken="$(echo -e "${spoken}" | sed -e 's/^[[:space:]]*//' -e 's/[[:space:]]*$//' -e 's/ \([!?.]\)/\1/g')"
+    denorm_pred="$(echo -e "${denorm_pred}" | sed -e 's/^[[:space:]]*//' -e 's/[[:space:]]*$//' -e 's/ \([!?.]\)/\1/g')"
+
+    # input expected actual
+    assertEquals "$written" "$spoken" "$denorm_pred"
+  done < "$input"
+}
+
+testTNCardinal() {
+  input=$PROJECT_DIR/te/data_text_normalization/test_cases_cardinal.txt
+  runtest $input
+}
+
+testTNWord() {
+  input=$PROJECT_DIR/te/data_text_normalization/test_cases_word.txt
+  runtest $input
+}
+
+testTNPunctuation() {
+  input=$PROJECT_DIR/te/data_text_normalization/test_cases_punctuation.txt
+  runtest $input
+}
+
+# Load shUnit2
+. $PROJECT_DIR/../shunit2/shunit2
diff --git a/tests/nemo_text_processing/te/test_word.py b/tests/nemo_text_processing/te/test_word.py
new file mode 100644
index 000000000..2d9fe6476
--- /dev/null
+++ b/tests/nemo_text_processing/te/test_word.py
@@ -0,0 +1,37 @@
+# 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.
+
+import pytest
+from parameterized import parameterized
+
+from nemo_text_processing.text_normalization.normalize import Normalizer
+
+from ..utils import CACHE_DIR, parse_test_case_file
+
+
+class TestWord:
+    normalizer = Normalizer(
+        input_case='cased',
+        lang='te',
+        cache_dir=CACHE_DIR,
+        overwrite_cache=False,
+        post_process=False,
+    )
+
+    @parameterized.expand(parse_test_case_file('te/data_text_normalization/test_cases_word.txt'))
+    @pytest.mark.run_only_on('CPU')
+    @pytest.mark.unit
+    def test_norm(self, test_input, expected):
+        pred = self.normalizer.normalize(test_input, verbose=False)
+        assert pred == expected
diff --git a/tools/text_processing_deployment/pynini_export.py b/tools/text_processing_deployment/pynini_export.py
index 73a4fc138..9fa9ac8d8 100644
--- a/tools/text_processing_deployment/pynini_export.py
+++ b/tools/text_processing_deployment/pynini_export.py
@@ -109,6 +109,7 @@ def parse_args():
             'ja',
             'rw',
             'ko',
+            'te',
         ],
         type=str,
         default='en',
@@ -224,6 +225,11 @@ def parse_args():
             PostProcessingFst as TNPostProcessingFst,
         )
         from nemo_text_processing.text_normalization.hi.verbalizers.verbalize import VerbalizeFst as TNVerbalizeFst
+    elif args.language == 'te':
+        from nemo_text_processing.text_normalization.te.taggers.tokenize_and_classify import (
+            ClassifyFst as TNClassifyFst,
+        )
+        from nemo_text_processing.text_normalization.te.verbalizers.verbalize import VerbalizeFst as TNVerbalizeFst
     elif args.language == 'hu':
         from nemo_text_processing.text_normalization.hu.taggers.tokenize_and_classify import (
             ClassifyFst as TNClassifyFst,