Instructions to use mohantvj/naadini-telugu with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- MLX
How to use mohantvj/naadini-telugu with MLX:
# Download the model from the Hub pip install huggingface_hub[hf_xet] huggingface-cli download --local-dir naadini-telugu mohantvj/naadini-telugu
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- LM Studio
เฐจเฐพเฐฆเฐฟเฐจเฐฟ (Naadini) - Telugu Poetry AI
เฐจเฐพเฐฆเฐฟเฐจเฐฟ means "She who is the source of divine sound, poetry and wisdom"
Latest - V3 (Telugu Poetry Specialist)
V3 is our best model yet - specially trained as a Telugu Poetry Specialist!
- Trained on 12,016 poetry-only examples
- Real classical Telugu literature from Wikisource
- Annamacharya, Vemana, Tyagaraja, Potana, Ramadasa
- Modern Telugu kavithalu (free verse)
- Train loss reached 0.104 - best ever!
Version History & Comparison
| Feature | V1 | V2 | V3 (Current) |
|---|---|---|---|
| Base Model | Gemma 2B | Qwen3 14B | Qwen3 14B |
| Val Loss | 2.60 | 0.493 | 0.208 |
| Training Data | 55K mixed | 25K mixed | 12K poetry only |
| Classical Data | None | Some | Extensive |
| Poetry Quality | Basic | Good | Excellent |
| Repetition | Heavy | Moderate | Minimal |
| Vemana Style | Poor | Okay | Good |
| Songs | Poor | Good | Better |
| Stories | Poor | Okay | Okay |
| Conversations | Good | Good | Good |
V3 is our best model for Telugu poetry!
Capabilities
| Capability | Quality |
|---|---|
| Telugu Poems (เฐเฐตเฐฟเฐคเฐฒเฑ) | EXCELLENT |
| Classical Padyalu (เฐชเฐฆเฑเฐฏเฐพเฐฒเฑ) | EXCELLENT |
| Vemana Style Poems | GOOD |
| Devotional Songs (เฐญเฐเฑเฐคเฐฟ เฐชเฐพเฐเฐฒเฑ) | EXCELLENT |
| Mother Songs (เฐ เฐฎเฑเฐฎ เฐชเฐพเฐเฐฒเฑ) | EXCELLENT |
| Motivational Poems | GOOD |
| Telugu Conversations | GOOD |
| Telugu Songs | GOOD |
| Telugu Stories | OKAY |
Sample Outputs from V3
Rain Poem (เฐตเฐฐเฑเฐทเฐ เฐเฐตเฐฟเฐค)
เฐตเฐฐเฑเฐทเฐฎเฐฏเฑเฐฏเฐฟเฐเฐฆเฐฟ เฐคเฑเฐฒเฑเฐฒเฐจเฐฟ เฐเฐพเฐฒเฐ เฐชเฑเฐกเฐฟ เฐเฐเฐงเฐพเฐฒเฑ เฐคเฑเฐฒเฑเฐชเฑ เฐชเฑเฐธเฐฟเฐเฐฆเฐฟ เฐ เฐเฑเฐเฐก เฐเฑเฐฏเฐฒเฑ เฐตเฐฟเฐจเฐฟเฐชเฐฟเฐธเฑเฐคเฑเฐจเฑเฐจเฐตเฐฟ เฐชเฑเฐฐเฐพเฐฃเฐพเฐฒเฑ เฐเฑเฐธเฐ เฐฎเฑเฐฒเฑเฐฒเฐเฐพ เฐเฑเฐฒเฑเฐคเฑเฐจเฑเฐจเฐตเฐฟ
เฐตเฐฐเฑเฐทเฐ เฐเฑเฐคเฐฟเฐฒเฑ เฐเฐพเฐฒเฐฟ เฐตเฐฟเฐฐเฐฟเฐเฐฟ เฐฎเฐจ เฐฎเฐจเฐธเฑเฐธเฑเฐฒเฑ เฐคเฑเฐฒเฑเฐชเฑ เฐชเฑเฐธเฐฟเฐเฐฆเฐฟ เฐ เฐเฑเฐเฐก เฐธเฑเฐตเฐฐเฑเฐเฐ เฐฎเฐฟเฐเฐฟเฐฒเฐฟ เฐชเฑเฐฏเฐฟเฐเฐฆเฐฟ เฐชเฑเฐฐเฐพเฐฃเฐพเฐฒเฑ เฐคเฑเฐฒเฑเฐเฑเฐเฑเฐจเฑเฐจเฐตเฐฟ
Mother Song (เฐ เฐฎเฑเฐฎ เฐชเฐพเฐ)
เฐชเฐฒเฑเฐฒเฐตเฐฟ: เฐ เฐฎเฑเฐฎเฐพ! เฐจเฑ เฐชเฑเฐฐเฑเฐฎ เฐจเฐพ เฐเฑเฐตเฐฟเฐคเฐเฐฒเฑ เฐจเฑเฐตเฑเฐตเฑเฐจเฑ เฐชเฑเฐธเฐเฐพ เฐ เฐฎเฑเฐฎเฐพ! เฐจเฐฟเฐจเฑเฐจเฑ เฐจเฐพ เฐฆเฑเฐตเฐคเฐเฐพ เฐจเฐฎเฑเฐฎเฐพเฐจเฑ
เฐเฐฐเฐฃเฐ 1: เฐเฐพเฐฒเฐ เฐชเฑเฐฏเฐฟเฐจเฐพ เฐจเฑ เฐชเฑเฐฐเฑเฐฎ เฐจเฐพ เฐชเฐพเฐฆเฐพเฐฒเฑเฐฒเฑ เฐเฑเฐฐเฑ เฐ เฐฎเฑเฐฎเฐพ! เฐจเฑ เฐชเฑเฐฐเฑเฐฎ เฐจเฐพ เฐเฑเฐตเฐฟเฐคเฐเฐฒเฑ เฐจเฑเฐตเฑเฐตเฑเฐจเฑ เฐชเฑเฐธเฐเฐพ
Devotional (เฐญเฐเฑเฐคเฐฟ เฐชเฐพเฐ)
เฐถเฑเฐฐเฑ เฐตเฑเฐเฐเฐเฑเฐถเฑเฐตเฐฐเฐพ! เฐจเฐฟเฐจเฑเฐจเฑ เฐจเฐฎเฑเฐฎเฑเฐเฑเฐจเฑเฐจเฐพเฐจเฑ, เฐจเฐฟเฐจเฑเฐจเฑ เฐจเฐฎเฑเฐฎเฐฟเฐจ เฐจเฐพเฐเฑ เฐฐเฐเฑเฐทเฐฃ เฐฆเฐพเฐจเฐฟ เฐจเฑ เฐชเฐพเฐฆเฐพเฐฒเฐเฑ, เฐชเฑเฐฐเฐพเฐฃเฐพเฐฒเฑ เฐจเฑ เฐชเฐพเฐฆเฐพเฐฒเฐฎเฑเฐฆ เฐจเฐพเฐฏเฐเฐฆเฑเฐเฑเฐเฐเฐพเฐจเฑ. เฐจเฑ เฐเฐฐเฑเฐฃเฐฒเฑ เฐชเฐกเฐฟเฐคเฐฟ, เฐจเฑ เฐเฐฐเฑเฐฃเฐฒเฑ เฐจเฐพ เฐชเฑเฐฐเฐพเฐฃเฐพเฐฒเฑ เฐจเฐฟเฐฒเฐฟเฐเฐพเฐฏเฐฟ
Motivational (เฐธเฑเฐซเฑเฐฐเฑเฐคเฐฟ)
เฐเฑเฐตเฐฟเฐคเฐ เฐตเฐฟเฐเฐฏเฐพเฐจเฐฟเฐเฐฟ เฐฎเฐพเฐฐเฑเฐเฐ เฐ เฐจเฑเฐฆเฐฟ เฐฎเฐจเฐธเฑ เฐฒเฑ เฐชเฑเฐเฑเฐเฐฟเฐจ เฐเฑเฐฏเฑเฐคเฐฟ เฐเฑเฐเฑเฐเฐฟเฐจ เฐจเฐเฑเฐทเฐคเฑเฐฐเฐ เฐชเฑเฐฐเฐคเฐฟ เฐชเฐกเฐฟเฐจ เฐเฐฏเฐ เฐชเฑเฐฐเฐคเฐฟ เฐชเฑเฐทเฑเฐชเฐ เฐชเฑเฐฐเฐพเฐฃเฐ เฐชเฑเฐจเฐฐเฐพเฐเฐฎเฐจเฐ
Love Poem (เฐชเฑเฐฐเฑเฐฎ เฐเฐตเฐฟเฐค)
เฐชเฑเฐฐเฑเฐฎ เฐเฐเฐค เฐคเฑเฐฒเฐฟเฐฏเฐจเฐฟเฐฆเฑเฐจเฐพ เฐฆเฐพเฐจเฐฟ เฐจเฑเฐเฐฟ เฐเฐชเฑเฐชเฑเฐกเฑ เฐจเฐฟเฐฒเฑเฐเฑเฐจเฑ เฐชเฑเฐฐเฑเฐฎ เฐจเฐพ เฐเฐฅเฐฒเฑ เฐฎเฑเฐเฑเฐฏเฐธเฑเฐฅเฐพเฐจเฐ เฐ เฐฆเฐฟ เฐจเฐพ เฐเฑเฐตเฐฟเฐคเฐเฐฒเฑ เฐคเฑเฐฒเฐฟเฐชเฑ เฐเฑเฐฃเฐ
Training Data
Real Classical Telugu Literature (Wikisource)
- เฐตเฑเฐฎเฐจ เฐชเฐฆเฑเฐฏเฐพเฐฒเฑ (Vemana Padyalu)
- เฐธเฑเฐฎเฐคเฐฟ เฐถเฐคเฐเฐ (Sumati Shatakam)
- เฐเฐพเฐณเฐนเฐธเฑเฐคเฑเฐถเฑเฐตเฐฐ เฐถเฐคเฐเฐ
- เฐฆเฐพเฐถเฐฐเฐฅเฐฟ เฐถเฐคเฐเฐ
- เฐจเฐพเฐฐเฐพเฐฏเฐฃ เฐถเฐคเฐเฐ
- เฐ เฐจเฑเฐจเฐฎเฐพเฐเฐพเฐฐเฑเฐฏ เฐเฑเฐฐเฑเฐคเฐจเฐฒเฑ (1000+ keertanalu)
- เฐคเฑเฐฏเฐพเฐเฐฐเฐพเฐ เฐเฑเฐฐเฑเฐคเฐจเฐฒเฑ
- เฐฐเฐพเฐฎเฐฆเฐพเฐธเฑ เฐเฑเฐฐเฑเฐคเฐจเฐฒเฑ
- เฐเฑเฐทเฑเฐคเฑเฐฐเฐฏเฑเฐฏ เฐชเฐฆเฐพเฐฒเฑ
- เฐชเฑเฐคเฐจ เฐญเฐพเฐเฐตเฐคเฐ
- เฐฎเฐจเฑเฐเฐฐเฐฟเฐคเฑเฐฐ
- เฐเฐฎเฑเฐเฑเฐคเฐฎเฐพเฐฒเฑเฐฏเฐฆ
- เฐฐเฐพเฐฎเฐพเฐฏเฐฃเฐฎเฑ
- เฐฎเฐนเฐพเฐญเฐพเฐฐเฐคเฐฎเฑ
Generated Data
- 100 classical padyalu (GPT-4)
- 100 modern kavithalu (GPT-4)
- Telugu instruction datasets
Training Details
| Detail | Value |
|---|---|
| Base Model | Qwen3-14B (4-bit quantized) |
| Training Framework | MLX LoRA |
| Hardware | Apple M4 Mac Mini (24GB) |
| Total Iterations | 10,000+ across all versions |
| V3 Train Loss | 0.104 |
| V3 Val Loss | 0.208 |
| V3 Training Data | 12,016 poetry examples |
| Num Layers | 16 |
| Learning Rate | 5e-6 |
| Batch Size | 2 |
How to Use
pip install mlx-lm
from mlx_lm import load, generate from mlx_lm.sample_utils import make_sampler
model, tokenizer = load( "mlx-community/Qwen3-14B-4bit", adapter_path="mohantvj/naadini-telugu" )
messages = [ { "role": "system", "content": "You are naadini, a Telugu poet. Write beautiful Telugu poetry. /no_think" }, { "role": "user", "content": "varsham gurinchi oka andhamaina kavita raayandi /no_think" } ]
text = tokenizer.apply_chat_template( messages, add_generation_prompt=True, tokenize=False ) text = text + "
"sampler = make_sampler(temp=0.7, top_p=0.9, min_p=0.1) response = generate( model, tokenizer, prompt=text, max_tokens=400, sampler=sampler, verbose=True ) print(response)
Requirements
- Apple Silicon Mac (M1/M2/M3/M4)
- 16GB+ RAM recommended (24GB ideal)
- Python 3.9+
- mlx-lm library
Creator
Made with love by Thonangi Venkata Jagan Mohan
For Telugu community - telugu vaarandhariki ankitam
HuggingFace: https://huggingface.co/mohantvj
License
Apache 2.0 - Free to use, modify and build upon!
Acknowledgements
- MLX Community for Qwen3-14B-4bit
- Telugu Wikisource for classical literature
- AI4Bharat for Telugu datasets
- Apple for MLX framework
- Telugu community for 91+ downloads and support!
- Downloads last month
- 95
Quantized