training/data_stats.json

{
 "languages": [
  "afr_Latn",
  "als_Latn",
  "amh_Ethi",
  "arb_Arab",
  "azj_Latn",
  "bel_Cyrl",
  "ben_Beng",
  "bos_Latn",
  "bul_Cyrl",
  "cat_Latn",
  "ces_Latn",
  "ckb_Arab",
  "cmn_Hani",
  "cym_Latn",
  "dan_Latn",
  "deu_Latn",
  "ekk_Latn",
  "ell_Grek",
  "eng_Latn",
  "epo_Latn",
  "eus_Latn",
  "fao_Latn",
  "fas_Arab",
  "fil_Latn",
  "fin_Latn",
  "fra_Latn",
  "gle_Latn",
  "glg_Latn",
  "guj_Gujr",
  "hau_Latn",
  "heb_Hebr",
  "hin_Deva",
  "hrv_Latn",
  "hun_Latn",
  "hye_Armn",
  "ind_Latn",
  "isl_Latn",
  "ita_Latn",
  "jav_Latn",
  "jpn_Jpan",
  "kan_Knda",
  "kat_Geor",
  "kaz_Cyrl",
  "khk_Cyrl",
  "kin_Latn",
  "kir_Cyrl",
  "kor_Hang",
  "lit_Latn",
  "ltz_Latn",
  "lvs_Latn",
  "mal_Mlym",
  "mar_Deva",
  "mkd_Cyrl",
  "mlt_Latn",
  "nld_Latn",
  "nob_Latn",
  "npi_Deva",
  "ory_Orya",
  "pan_Guru",
  "pbt_Arab",
  "pol_Latn",
  "por_Latn",
  "ron_Latn",
  "rus_Cyrl",
  "sin_Sinh",
  "slk_Latn",
  "slv_Latn",
  "snd_Arab",
  "som_Latn",
  "spa_Latn",
  "srp_Cyrl",
  "sun_Latn",
  "swe_Latn",
  "swh_Latn",
  "tam_Taml",
  "tat_Cyrl",
  "tel_Telu",
  "tgk_Cyrl",
  "tur_Latn",
  "uig_Arab",
  "ukr_Cyrl",
  "urd_Arab",
  "uzn_Latn",
  "vie_Latn",
  "xho_Latn",
  "yor_Latn",
  "zsm_Latn",
  "zul_Latn"
 ],
 "names": {
  "afr_Latn": "Afrikaans",
  "als_Latn": "Albanian",
  "amh_Ethi": "Amharic",
  "arb_Arab": "Arabic",
  "azj_Latn": "Azerbaijani",
  "bel_Cyrl": "Belarusian",
  "ben_Beng": "Bengali",
  "bos_Latn": "Bosnian",
  "bul_Cyrl": "Bulgarian",
  "cat_Latn": "Catalan",
  "ces_Latn": "Czech",
  "ckb_Arab": "Central Kurdish",
  "zho_Hans": "Chinese (Simplified)",
  "cym_Latn": "Welsh",
  "dan_Latn": "Danish",
  "deu_Latn": "German",
  "est_Latn": "Estonian",
  "ell_Grek": "Greek",
  "eng_Latn": "English",
  "epo_Latn": "Esperanto",
  "eus_Latn": "Basque",
  "fao_Latn": "Faroese",
  "pes_Arab": "Persian",
  "tgl_Latn": "Filipino",
  "fin_Latn": "Finnish",
  "fra_Latn": "French",
  "gle_Latn": "Irish",
  "glg_Latn": "Galician",
  "guj_Gujr": "Gujarati",
  "hau_Latn": "Hausa",
  "heb_Hebr": "Hebrew",
  "hin_Deva": "Hindi",
  "hrv_Latn": "Croatian",
  "hun_Latn": "Hungarian",
  "hye_Armn": "Armenian",
  "ind_Latn": "Indonesian",
  "isl_Latn": "Icelandic",
  "ita_Latn": "Italian",
  "jav_Latn": "Javanese",
  "jpn_Jpan": "Japanese",
  "kan_Knda": "Kannada",
  "kat_Geor": "Georgian",
  "kaz_Cyrl": "Kazakh",
  "khk_Cyrl": "Mongolian",
  "kin_Latn": "Kinyarwanda",
  "kir_Cyrl": "Kyrgyz",
  "kor_Hang": "Korean",
  "lit_Latn": "Lithuanian",
  "ltz_Latn": "Luxembourgish",
  "lvs_Latn": "Latvian",
  "mal_Mlym": "Malayalam",
  "mar_Deva": "Marathi",
  "mkd_Cyrl": "Macedonian",
  "mlt_Latn": "Maltese",
  "nld_Latn": "Dutch",
  "nob_Latn": "Norwegian Bokm\u00e5l",
  "npi_Deva": "Nepali",
  "ory_Orya": "Odia",
  "pan_Guru": "Punjabi",
  "pbt_Arab": "Pashto",
  "pol_Latn": "Polish",
  "por_Latn": "Portuguese",
  "ron_Latn": "Romanian",
  "rus_Cyrl": "Russian",
  "sin_Sinh": "Sinhala",
  "slk_Latn": "Slovak",
  "slv_Latn": "Slovenian",
  "snd_Arab": "Sindhi",
  "som_Latn": "Somali",
  "spa_Latn": "Spanish",
  "srp_Cyrl": "Serbian",
  "sun_Latn": "Sundanese",
  "swe_Latn": "Swedish",
  "swh_Latn": "Swahili",
  "tam_Taml": "Tamil",
  "tat_Cyrl": "Tatar",
  "tel_Telu": "Telugu",
  "tgk_Cyrl": "Tajik",
  "tur_Latn": "Turkish",
  "uig_Arab": "Uyghur",
  "ukr_Cyrl": "Ukrainian",
  "urd_Arab": "Urdu",
  "uzn_Latn": "Uzbek",
  "vie_Latn": "Vietnamese",
  "xho_Latn": "Xhosa",
  "yor_Latn": "Yoruba",
  "zsm_Latn": "Malay",
  "zul_Latn": "Zulu"
 },
 "iso": [
  "af",
  "am",
  "ar",
  "az",
  "be",
  "bg",
  "bn",
  "bs",
  "ca",
  "ckb",
  "cs",
  "cy",
  "da",
  "de",
  "el",
  "en",
  "eo",
  "es",
  "et",
  "eu",
  "fa",
  "fi",
  "fo",
  "fr",
  "ga",
  "gl",
  "gu",
  "ha",
  "he",
  "hi",
  "hr",
  "hu",
  "hy",
  "id",
  "is",
  "it",
  "ja",
  "jv",
  "ka",
  "kk",
  "kn",
  "ko",
  "ky",
  "lb",
  "lt",
  "lv",
  "mk",
  "ml",
  "mn",
  "mr",
  "ms",
  "mt",
  "ne",
  "nl",
  "no",
  "or",
  "pa",
  "pl",
  "ps",
  "pt",
  "ro",
  "ru",
  "rw",
  "sd",
  "si",
  "sk",
  "sl",
  "so",
  "sq",
  "sr",
  "su",
  "sv",
  "sw",
  "ta",
  "te",
  "tg",
  "tl",
  "tr",
  "tt",
  "ug",
  "uk",
  "ur",
  "uz",
  "vi",
  "xh",
  "yo",
  "zh",
  "zu"
 ],
 "n_windows": 1168626,
 "n_words": 118910088,
 "lower_pct": 70,
 "recipe": {
  "small": {
   "epochs": 2,
   "lr": "5e-5",
   "job": "decad0cb"
  },
  "base": {
   "epochs": 1,
   "lr": "3e-5",
   "job": "18953a55",
   "spoken": 49144,
   "changelog": [
    [
     "v1.1 (2026-10-09)",
     "+ 49k windows of synthetic spoken-style transcripts (69 languages). TED talks (spoken, 25 languages), two training seeds: punctuation F1 .784 -> .796 (cased) and .707 -> .723 (lowercased); `:` F1 .544 -> .605. FLORES (written text, 88 languages) unchanged (.847 / .804)."
    ],
    [
     "v1.0 (2026-10-03)",
     "first release."
    ]
   ]
  }
 }
}