Indic-CLAP: Text-Audio Understanding in Indic Languages Using Cross-Lingual Distillation

Contrastive Language-Audio Pretraining (CLAP) learns a joint text-audio embedding space for zero-shot audio understanding, but its text encoder is English-only. Indic-CLAP extends CLAP to nine Indic languages — cumulatively spoken by over a billion people — by distilling a multilingual student text encoder while keeping CLAP's audio encoder frozen. This page demonstrates audio understanding across four clips, comparing four trained student objectives (text-teacher MSE, audio-teacher MSE, pure InfoNCE, and our proposed hybrid) against the original English CLAP, and showing top-1 caption retrieval in all nine Indic languages using the joint hybrid encoder. Tag pool: 55 labels · caption retrieval pool: 2000 captions.

English CLAP— frozen reference: CLAP's own English text encoder
TT-MSE— joint student: text-teacher MSE distillation
AT-MSE— joint student: audio-teacher MSE distillation
InfoNCE (λ=1)— joint student: pure InfoNCE contrastive loss
Hybrid (λ=0.10)— joint student: cosine-text ⊕ InfoNCE-audio hybrid (our method)

Audio Clip 1 — 10 s clip

Source: youtu.be/KXkkKm4AwBg · showing 00:00–00:10

Top-3 zero-shot tags

ModelPredicted labels
English CLAPrain falling (0.377) fire crackling (0.335) thunderstorm (0.230)
TT-MSEबारिश की आवाज़ (0.431) बिजली और तूफ़ान (0.224) आग की चटकन (0.212)
AT-MSEबारिश की आवाज़ (0.692) बिजली और तूफ़ान (0.628) हवा चलना (0.420)
InfoNCE (λ=1)बारिश की आवाज़ (0.431) बिजली और तूफ़ान (0.374) चुप्पी (0.306)
Hybrid (λ=0.10)बारिश की आवाज़ (0.429) बिजली और तूफ़ान (0.301) आग की चटकन (0.256)

Top-1 retrieved caption

ModelRetrieved caption
English CLAPRain is falling continuously (0.468)
TT-MSEभारी बारिश जमीन पर गिर रही है (0.469)
AT-MSEबारिश तेज़ी से गिर रही है जैसे हवा के झोंके आ रहे हैं और दूर में गरज सुनाई दे रही है (0.712)
InfoNCE (λ=1)बारिश और तूफान में गरज। (0.460)
Hybrid (λ=0.10)बारिश लगातार गिर रही है (0.482)

Multilingual breadth — Hybrid (λ=0.10), all 9 Indic languages

LanguageTop-1 retrieved caption
Hindi (hi)बारिश लगातार गिर रही है (0.482)
Bengali (bn)নিরবচ্ছিন্ন বৃষ্টি পৃষ্ঠে পড়ছে (0.495)
Tamil (ta)தொடர்ந்து மழை மேற்பரப்பில் விழுகிறது (0.497)
Telugu (te)మోస్తున్న వర్షం (0.515)
Marathi (mr)पाऊस सतत पडत आहे (0.494)
Gujarati (gu)સતત વરસાદ સપાટી પર પડી રહ્યો છે (0.500)
Kannada (kn)ಮಳೆ ಬೀರುವ ಶ್ರವಣ ಕೇಳುತ್ತಿದೆ (0.500)
Malayalam (ml)മഴ തുടർച്ചയായി വീഴുന്നു (0.489)
Punjabi (pa)ਲਗਾਤਾਰ ਬਰਸਾਤ ਸਤਹ 'ਤੇ ਪੈਂਦੀ (0.489)

Audio Clip 2 — 10 s clip

Source: youtube.com/shorts/ZNEGwNFXaeg · showing 00:00–00:10

Top-3 zero-shot tags

ModelPredicted labels
English CLAPthunderstorm (0.370) rain falling (0.144) frog croaking (0.107)
TT-MSEबिजली और तूफ़ान (0.483) चुप्पी (0.293) पृष्ठभूमि शोर (0.291)
AT-MSEबिजली और तूफ़ान (0.715) बारिश की आवाज़ (0.550) विस्फोट (0.447)
InfoNCE (λ=1)बिजली और तूफ़ान (0.454) हवा चलना (0.298) पानी की बूंदें (0.244)
Hybrid (λ=0.10)बिजली और तूफ़ान (0.507) हवा चलना (0.254) आतिशबाज़ी (0.252)

Top-1 retrieved caption

ModelRetrieved caption
English CLAPA loud thunder cracking (0.495)
TT-MSEएक बहुत तेज़ गरज हुई (0.505)
AT-MSEबारिश और तूफान में गरज। (0.716)
InfoNCE (λ=1)बारिश और तूफान में गरज। (0.616)
Hybrid (λ=0.10)गड़गड़ाहट की आवाज़ें होती हैं जबकि बारिश होती है (0.501)

Multilingual breadth — Hybrid (λ=0.10), all 9 Indic languages

LanguageTop-1 retrieved caption
Hindi (hi)गड़गड़ाहट की आवाज़ें होती हैं जबकि बारिश होती है (0.501)
Bengali (bn)দূরে গর্জনের সঙ্গে বৃষ্টি পড়ছে (0.497)
Tamil (ta)மழை மற்றும் மின்னல் (0.499)
Telugu (te)చాలా పెద్ద మెరుపు జరిగింది (0.501)
Marathi (mr)दूरवर वीज गरजते आणि पाऊस पडतो (0.500)
Gujarati (gu)દૂર ગડગડાટ સાથે વરસાદ પડે છે (0.503)
Kannada (kn)ದೂರದಲ್ಲಿ ಮಿಂಚು ಮತ್ತು ಮಳೆ ಬೀಳುತ್ತಿದೆ (0.510)
Malayalam (ml)മഴ വീഴുമ്പോൾ മിന്നലിന്റെ ശബ്ദങ്ങൾ (0.500)
Punjabi (pa)ਦੂਰ ਵਿੱਚ ਬੱਦਲਾਂ ਦੀ ਗੂੰਜ ਹੈ ਜਦੋਂ ਕਿ ਬਰਸਾਤ ਹੋ ਰਹੀ ਹੈ (0.488)

Audio Clip 3 — 10 s clip

Source: youtube.com/shorts/K-3qSmt8Qgg · showing 00:00–00:10

Top-3 zero-shot tags

ModelPredicted labels
English CLAPcar horn (0.233) engine running (0.149) siren (0.129)
TT-MSEकार का हॉर्न (0.432) यातायात का शोर (0.429) साइरन (0.187)
AT-MSEकार का हॉर्न (0.535) साइरन (0.390) यातायात का शोर (0.370)
InfoNCE (λ=1)यातायात का शोर (0.419) कार का हॉर्न (0.294) साइरन (0.247)
Hybrid (λ=0.10)कार का हॉर्न (0.409) यातायात का शोर (0.376) साइरन (0.192)

Top-1 retrieved caption

ModelRetrieved caption
English CLAPA car horn blows amid road noise (0.488)
TT-MSEगाड़ी का हॉर्न बजता है, सड़क की आवाज़ के बीच (0.532)
AT-MSEट्रैफिक की गुनगुनाहट और फिर एक तेज कार का हॉर्न (0.618)
InfoNCE (λ=1)ट्रैफिक की गुनगुनाहट और फिर एक तेज कार का हॉर्न (0.563)
Hybrid (λ=0.10)गाड़ी का हॉर्न बजता है, सड़क की आवाज़ के बीच (0.574)

Multilingual breadth — Hybrid (λ=0.10), all 9 Indic languages

LanguageTop-1 retrieved caption
Hindi (hi)गाड़ी का हॉर्न बजता है, सड़क की आवाज़ के बीच (0.574)
Bengali (bn)ট্রাফিক কাছাকাছি রয়েছে, এবং একটি গাড়ির হর্ন গডফাদারের থিম বাজাচ্ছে (0.583)
Tamil (ta)ஒரு கார் ஹார்ன் சாலை சத்தத்தின் மத்தியில் அடிக்கிறது (0.531)
Telugu (te)ఒక వాహనం రహదారిపై కదులుతూ, శబ్దంగా హార్న్ హాంకింగ్ (0.508)
Marathi (mr)कारचा हॉर्न वाजतो आणि रस्त्यावरील आवाज आहे (0.583)
Gujarati (gu)રસ્તાની અવાજ અને એક હોર્ન બિપ કરે છે (0.565)
Kannada (kn)ರಸ್ತೆಯ ಶಬ್ದ ಮತ್ತು ಹಾರ್ನ್ ಬೀಪ್ (0.525)
Malayalam (ml)സഞ്ചാരമുണ്ടായിരിക്കുന്നു, ഒരു കാറിന്റെ ഹോൺ ദ ഗാഡ്ഫാദറിന്റെ തീം വായിക്കുന്നു (0.532)
Punjabi (pa)ਟ੍ਰੈਫਿਕ ਨੇੜੇ ਹੈ, ਅਤੇ ਇੱਕ ਕਾਰ ਦੀ ਹੌਰਨ ਗਾਡਫਾਦਰ ਦਾ ਥੀਮ ਬਜਾ ਰਹੀ ਹੈ (0.560)

Audio Clip 4 — 10 s clip

Source: youtube.com/shorts/AhYiMNLsgbk · showing 00:00–00:10

Top-3 zero-shot tags

ModelPredicted labels
English CLAPengine running (0.146) frog croaking (0.096) vacuum cleaner (0.096)
TT-MSEकुत्ते का भौंकना (0.273) ट्रेन गुज़रना (0.272) हवाई जहाज़ (0.269)
AT-MSEयातायात का शोर (0.427) ट्रेन गुज़रना (0.422) कुत्ते का भौंकना (0.405)
InfoNCE (λ=1)कुत्ते का भौंकना (0.354) समुद्र की लहरें (0.328) हवा चलना (0.307)
Hybrid (λ=0.10)यातायात का शोर (0.299) कुत्ते का भौंकना (0.258) ट्रेन गुज़रना (0.245)

Top-1 retrieved caption

ModelRetrieved caption
English CLAPA dog barks along with outdoor noises (0.376)
TT-MSEएक कुत्ता भौंकता है साथ में बाहरी आवाज़ें। (0.356)
AT-MSEएक वाहन तेजी से चल रहा है और गुजर रहा है, जैसे हवा के झोंके चल रहे हैं और दूर से पत्ते सरसराते हैं (0.490)
InfoNCE (λ=1)लहरें और हवा एक किनारे को खींच रही हैं (0.422)
Hybrid (λ=0.10)हवा चल रही है जिसमें कुछ सरसराहट और इंजनों की गुनगुनाहट है (0.339)

Multilingual breadth — Hybrid (λ=0.10), all 9 Indic languages

LanguageTop-1 retrieved caption
Hindi (hi)हवा चल रही है जिसमें कुछ सरसराहट और इंजनों की गुनगुनाहट है (0.339)
Bengali (bn)বাতাস বইছে কিছু শিস দেওয়া এবং ইঞ্জিনের গুনগুন (0.379)
Tamil (ta)காற்று வீசுகிறது, தொலைவில் போக்குவரத்து கடந்து செல்கிறது மற்றும் சில கும்மல் ஒலிகள் (0.312)
Telugu (te)గాలిలో కొంత క్రంచింగ్ మరియు ఇంజిన్ల హమ్మింగ్ తో గాలి వీచుతోంది (0.320)
Marathi (mr)हवेचा झोत आणि काही कागदाच्या आवाजासह इंजिनांचा गूंज (0.336)
Gujarati (gu)એક કૂતરો ભોંકે છે સાથે બાહ્ય અવાજો (0.350)
Kannada (kn)ಗಾಳಿಯಲ್ಲಿ ಎಲೆಗಳು ಕೀಳ್ಮಟ್ಟಿಸುತ್ತವೆ, ನಾಯಿಗಳು ಭುಜಿಸುತ್ತವೆ ಮತ್ತು ಹಕ್ಕಿಗಳು ಚಿರಪಿಸುತ್ತವೆ (0.390)
Malayalam (ml)ഒരു നായ ബarking ചെയ്യുന്നു, പുറത്ത് ശബ്ദങ്ങളോടൊപ്പം (0.322)
Punjabi (pa)ਹਵਾ ਚੱਲਦੀ ਹੈ ਜਿਸ ਨਾਲ ਕੁਝ ਸਰਸਰਾਹਟ ਅਤੇ ਇੰਜਣਾਂ ਦੀ ਗੂੰਜ ਹੈ (0.354)