Kannada TN - Created Ordinal Semiotic Class

nemo_text_processing/text_normalization/kn/data/ordinals/__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/kn/data/ordinals/ending.tsv

@@ -0,0 +1,2 @@
+ು
+ಿ

nemo_text_processing/text_normalization/kn/data/ordinals/exceptions.tsv

@@ -0,0 +1,4 @@
+1ನೇ	ಮೊದಲನೆಯ
+೧ನೇ	ಮೊದಲನೆಯ
+೦ನೇ	ಸೊನ್ನೆಯ
+0ನೇ	ಸೊನ್ನೆಯ

nemo_text_processing/text_normalization/kn/data/ordinals/kn_suffixes.tsv

@@ -0,0 +1,2 @@
+ನೆ	ನೆಯ
+ನೇ	ನೆಯ

nemo_text_processing/text_normalization/kn/taggers/ordinal.py

@@ -0,0 +1,53 @@
+# 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.
+#
+#     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.kn.graph_utils import NEMO_SIGMA, GraphFst
+from nemo_text_processing.text_normalization.kn.taggers.cardinal import CardinalFst
+from nemo_text_processing.text_normalization.kn.utils import get_abs_path
+
+
+class OrdinalFst(GraphFst):
+    """
+    Finite state transducer for classifying Kannada ordinals, e.g.
+        ೧೦ನೇ -> ordinal { integer: "ಹತ್ತನೆಯ" }
+        12ನೇ -> ordinal { integer: "ಹನ್ನೆರಡನೆಯ" }
+
+    Args:
+        deterministic: if True will provide a single transduction option,
+            for False multiple transduction are generated (used for audio-based normalization)
+    """
+
+    def __init__(self, cardinal: CardinalFst, deterministic: bool = True):
+        super().__init__(name="ordinal", kind="classify", deterministic=deterministic)
+
+        exceptions = pynini.string_file(get_abs_path("data/ordinals/exceptions.tsv"))
+        endings = pynini.string_file(get_abs_path("data/ordinals/ending.tsv"))
+        kn_suffixes = pynini.string_file(get_abs_path("data/ordinals/kn_suffixes.tsv"))
+
+        drop_cardinal_ending = pynini.cdrewrite(pynutil.delete(endings), "", "[EOS]", NEMO_SIGMA).optimize()
+
+        kn_ordinal_graph = cardinal.final_graph @ drop_cardinal_ending + kn_suffixes
+
+        exception_inputs = pynini.project(exceptions, "input").optimize()
+        ordinal_input = pynini.project(kn_ordinal_graph, "input").optimize()
+        ordinal_inputs = pynini.difference(ordinal_input, exception_inputs).optimize()
+
+        ordinal_graph = (ordinal_inputs @ kn_ordinal_graph).optimize()
+
+        graph = pynini.union(exceptions, ordinal_graph).optimize()
+
+        final_graph = pynutil.insert('integer: "') + graph + pynutil.insert('"')
+        self.fst = self.add_tokens(final_graph).optimize()

nemo_text_processing/text_normalization/kn/taggers/tokenize_and_classify.py

@@ -27,6 +27,7 @@
     generator_main,
 )
 from nemo_text_processing.text_normalization.kn.taggers.cardinal import CardinalFst
+from nemo_text_processing.text_normalization.kn.taggers.ordinal import OrdinalFst
 from nemo_text_processing.text_normalization.kn.taggers.punctuation import PunctuationFst
 from nemo_text_processing.text_normalization.kn.taggers.word import WordFst
 
@@ -75,10 +76,13 @@ def __init__(
             cardinal = CardinalFst(deterministic=deterministic)
             cardinal_graph = cardinal.fst
 
+            ordinal = OrdinalFst(cardinal=cardinal, deterministic=deterministic)
+            ordinal_graph = ordinal.fst
+
             punctuation = PunctuationFst(deterministic=deterministic)
             punct_graph = punctuation.fst
 
-            classify = pynutil.add_weight(cardinal_graph, 1.1)
+            classify = pynutil.add_weight(cardinal_graph, 1.1) | pynutil.add_weight(ordinal_graph, 1.1)
 
             word_graph = WordFst().fst
 

nemo_text_processing/text_normalization/kn/verbalizers/ordinal.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.
+
+import pynini
+from pynini.lib import pynutil
+
+from nemo_text_processing.text_normalization.kn.graph_utils import NEMO_NOT_QUOTE, GraphFst, delete_space
+
+
+class OrdinalFst(GraphFst):
+    """
+    Finite state transducer for verbalizing Kannada ordinals, e.g.
+        ordinal { integer: "ಮೊದಲನೆಯ" } -> ಮೊದಲನೆಯ
+        ordinal { integer: "ಹತ್ತನೆಯ" } -> ಹತ್ತನೆಯ
+
+    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="ordinal", kind="verbalize", deterministic=deterministic)
+
+        integer_value = delete_space + pynutil.delete("\"") + pynini.closure(NEMO_NOT_QUOTE, 1) + pynutil.delete("\"")
+        graph = pynutil.delete("integer:") + integer_value
+        delete_tokens = self.delete_tokens(graph)
+        self.fst = delete_tokens.optimize()

nemo_text_processing/text_normalization/kn/verbalizers/verbalize.py

@@ -14,6 +14,7 @@
 
 from nemo_text_processing.text_normalization.kn.graph_utils import GraphFst
 from nemo_text_processing.text_normalization.kn.verbalizers.cardinal import CardinalFst
+from nemo_text_processing.text_normalization.kn.verbalizers.ordinal import OrdinalFst
 
 
 class VerbalizeFst(GraphFst):
@@ -33,6 +34,9 @@ def __init__(self, deterministic: bool = True):
         cardinal = CardinalFst(deterministic=deterministic)
         cardinal_graph = cardinal.fst
 
-        graph = cardinal_graph
+        ordinal = OrdinalFst(deterministic=deterministic)
+        ordinal_graph = ordinal.fst
+
+        graph = cardinal_graph | ordinal_graph
 
         self.fst = graph

tests/nemo_text_processing/kn/data_text_normalization/test_cases_ordinal.txt

@@ -0,0 +1,71 @@
+೧ನೇ~ಮೊದಲನೆಯ
+೨ನೇ~ಎರಡನೆಯ
+2ನೇ~ಎರಡನೆಯ
+೩ನೇ~ಮೂರನೆಯ
+೪ನೇ~ನಾಲ್ಕನೆಯ
+೫ನೇ~ಐದನೆಯ
+5ನೇ~ಐದನೆಯ
+೬ನೇ~ಆರನೆಯ
+೭ನೇ~ಏಳನೆಯ
+7ನೇ~ಏಳನೆಯ
+೮ನೇ~ಎಂಟನೆಯ
+೯ನೇ~ಒಂಬತ್ತನೆಯ
+೧೦ನೇ~ಹತ್ತನೆಯ
+೧೨ನೇ~ಹನ್ನೆರಡನೆಯ
+12ನೇ~ಹನ್ನೆರಡನೆಯ
+೧೪ನೇ~ಹದಿನಾಲ್ಕನೆಯ
+15ನೇ~ಹದಿನೈದನೆಯ
+೧೬ನೇ~ಹದಿನಾರನೆಯ
+೧೭ನೇ~ಹದಿನೇಳನೆಯ
+೧೮ನೇ~ಹದಿನೆಂಟನೆಯ
+೧೯ನೇ~ಹತ್ತೊಂಬತ್ತನೆಯ
+19ನೇ~ಹತ್ತೊಂಬತ್ತನೆಯ
+೨೦ನೇ~ಇಪ್ಪತ್ತನೆಯ
+೨೧ನೇ~ಇಪ್ಪತ್ತೊಂದನೆಯ
+೨೫ನೇ~ಇಪ್ಪತ್ತೈದನೆಯ
+೨೭ನೇ~ಇಪ್ಪತ್ತೇಳನೆಯ
+೩೦ನೇ~ಮೂವತ್ತನೆಯ
+೩೩ನೇ~ಮೂವತ್ತಮೂರನೆಯ
+೪೦ನೇ~ನಲವತ್ತನೆಯ
+೪೫ನೇ~ನಲವತ್ತೈದನೆಯ
+೫೦ನೇ~ಐವತ್ತನೆಯ
+೫೬ನೇ~ಐವತ್ತಾರನೆಯ
+೬೦ನೇ~ಅರವತ್ತನೆಯ
+೬೭ನೇ~ಅರವತ್ತೇಳನೆಯ
+67ನೇ~ಅರವತ್ತೇಳನೆಯ
+೭೫ನೇ~ಎಪ್ಪತ್ತೈದನೆಯ
+೮೦ನೇ~ಎಂಬತ್ತನೆಯ
+೮೮ನೇ~ಎಂಬತ್ತೆಂಟನೆಯ
+೯೧ನೇ~ತೊಂಬತ್ತೊಂದನೆಯ
+೯೯ನೇ~ತೊಂಬತ್ತೊಂಬತ್ತನೆಯ
+೧೦೦ನೇ~ನೂರನೆಯ
+100899823000ನೇ~ಹತ್ತು ಸಾವಿರದ ಎಂಬತ್ತೊಂಬತ್ತು ಕೋಟಿಯ ತೊಂಬತ್ತೆಂಟು ಲಕ್ಷದ ಇಪ್ಪತ್ತಮೂರು ಸಾವಿರನೆಯ
+೧೦೧ನೇ~ನೂರ ಒಂದನೆಯ
+೧೧೧ನೇ~ನೂರ ಹನ್ನೊಂದನೆಯ
+೧೨೫ನೇ~ನೂರ ಇಪ್ಪತ್ತೈದನೆಯ
+೧೫೩ನೇ~ನೂರ ಐವತ್ತಮೂರನೆಯ
+೨೦೦ನೇ~ಇನ್ನೂರನೆಯ
+೨೧೯ನೇ~ಇನ್ನೂರ ಹತ್ತೊಂಬತ್ತನೆಯ
+೨೪೦ನೇ~ಇನ್ನೂರ ನಲವತ್ತನೆಯ
+೩೨೯ನೇ~ಮುನ್ನೂರ ಇಪ್ಪತ್ತೊಂಬತ್ತನೆಯ
+೩೬೫ನೇ~ಮುನ್ನೂರ ಅರವತ್ತೈದನೆಯ
+೪೫೫ನೇ~ನಾನೂರ ಐವತ್ತೈದನೆಯ
+೫೫೫ನೇ~ಐನೂರ ಐವತ್ತೈದನೆಯ
+೬೪೦ನೇ~ಆರುನೂರ ನಲವತ್ತನೆಯ
+೮೯೦ನೇ~ಎಂಟುನೂರ ತೊಂಬತ್ತನೆಯ
+೧೦೦೧ನೇ~ಒಂದು ಸಾವಿರದ ಒಂದನೆಯ
+೧೦೯೧ನೇ~ಒಂದು ಸಾವಿರದ ತೊಂಬತ್ತೊಂದನೆಯ
+೧೭೮೨ನೆ~ಒಂದು ಸಾವಿರದ ಏಳುನೂರ ಎಂಬತ್ತೆರಡನೆಯ
+೧೮೯೦ನೇ~ಒಂದು ಸಾವಿರದ ಎಂಟುನೂರ ತೊಂಬತ್ತನೆಯ
+೧೯೮೧ನೇ~ಒಂದು ಸಾವಿರದ ಒಂಬೈನೂರ ಎಂಬತ್ತೊಂದನೆಯ
+೯೮೨೬ನೇ~ಒಂಬತ್ತು ಸಾವಿರದ ಎಂಟುನೂರ ಇಪ್ಪತ್ತಾರನೆಯ
+6789876ನೆ~ಅರವತ್ತೇಳು ಲಕ್ಷದ ಎಂಬತ್ತೊಂಬತ್ತು ಸಾವಿರದ ಎಂಟುನೂರ ಎಪ್ಪತ್ತಾರನೆಯ
+10000000000000ನೆ~ಹತ್ತು ಲಕ್ಷ ಕೋಟನೆಯ
+10000001ನೇ~ಒಂದು ಕೋಟಿಯ ಒಂದನೆಯ
+1000ನೇ~ಒಂದು ಸಾವಿರನೆಯ
+೭೦೦೦೦೦ನೇ~ಏಳು ಲಕ್ಷನೆಯ
+ಈ ಮಗುವಿನ ಶೈಕ್ಷಣಿಕ ಫಲಿತಾಂಶವು ಯಾವಾಗಲೂ ಇಡೀ ತರಗತಿಯಲ್ಲಿ ೧ನೇ ಸ್ಥಾನದಲ್ಲಿದೆ.~ಈ ಮಗುವಿನ ಶೈಕ್ಷಣಿಕ ಫಲಿತಾಂಶವು ಯಾವಾಗಲೂ ಇಡೀ ತರಗತಿಯಲ್ಲಿ ಮೊದಲನೆಯ ಸ್ಥಾನದಲ್ಲಿದೆ.
+ಈ ಸಾಲಿನಿಂದ ಕೆಳಕ್ಕೆ ಎಣಿಸಿದಾಗ 5ನೇ ರಾಘವೇಂದ್ರ.~ಈ ಸಾಲಿನಿಂದ ಕೆಳಕ್ಕೆ ಎಣಿಸಿದಾಗ ಐದನೆಯ ರಾಘವೇಂದ್ರ.
+ಅಭಿನಂದನೆಗಳು! ನೀವು ನಮ್ಮ ಅಂಗಡಿಯ ೧೦೧ನೇ ಗ್ರಾಹಕರಾಗಿದ್ದೀರಿ.~ಅಭಿನಂದನೆಗಳು! ನೀವು ನಮ್ಮ ಅಂಗಡಿಯ ನೂರ ಒಂದನೆಯ ಗ್ರಾಹಕರಾಗಿದ್ದೀರಿ.
+ಈ ಪಟ್ಟಿಯ ಆರಂಭದಿಂದ ೧೦೦ನೇ ವ್ಯಕ್ತಿಯವರೆಗೆ ಇರುವ ಎಲ್ಲರೂ ನಿಮ್ಮ ಗುರಿ ಗ್ರಾಹಕರು.~ಈ ಪಟ್ಟಿಯ ಆರಂಭದಿಂದ ನೂರನೆಯ ವ್ಯಕ್ತಿಯವರೆಗೆ ಇರುವ ಎಲ್ಲರೂ ನಿಮ್ಮ ಗುರಿ ಗ್ರಾಹಕರು.
+0ನೇ~ಸೊನ್ನೆಯ

tests/nemo_text_processing/kn/test_ordinal.py

@@ -0,0 +1,33 @@
+# 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 TestOrdinal:
+    normalizer = Normalizer(
+        input_case='cased', lang='kn', cache_dir=CACHE_DIR, overwrite_cache=False, post_process=False
+    )
+
+    @parameterized.expand(parse_test_case_file('kn/data_text_normalization/test_cases_ordinal.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

tests/nemo_text_processing/kn/test_sparrowhawk_normalization.sh

@@ -37,5 +37,10 @@ testTNPunctuation() {
   runtest $input
 }
 
+testTNOrdinal() {
+  input=$PROJECT_DIR/kn/data_text_normalization/test_cases_ordinal.txt
+  runtest $input
+}
+
 # Load shUnit2
 . $PROJECT_DIR/../shunit2/shunit2