本文首次大规模研究梵语自动语音识别（ASR），发布了78小时的数据集，探讨声学和语言模型单元的影响。研究还涉及印度英语口音的ASR系统，创建了包含12种语言的Shrutilipi数据集，以提升模型准确性。此外，提出了Vistaar基准和Svarah测试数据集，评估印度口音的ASR表现，并发布了支持22种语言的INDICVOICES数据集。所有数据和工具将公开。

本研究开发了一种适用于印度英语口音的语音识别系统，采用转移学习和数据增强技术，并与其他服务进行了比较。同时，探讨了梵语和孟加拉语的自动语音识别性能，分析了不同声学模型的影响，并提出了优化低资源语言识别的策略。