Merge pull request #81 from wetdog/trad-es

Translate chapters 0, 1 and 2 to Spanish.

.github/workflows/build_documentation.yml

@@ -14,7 +14,7 @@ jobs:
  package_name: audio-course
  path_to_docs: audio-transformers-course/chapters/
  additional_args: --not_python_module
- languages: en bn ko
+ languages: en bn ko es
  secrets:
  token: ${{ secrets.HUGGINGFACE_PUSH }}
  hf_token: ${{ secrets.HF_DOC_BUILD_PUSH }}

.github/workflows/build_pr_documentation.yml

@@ -17,4 +17,4 @@ jobs:
  package_name: audio-course
  path_to_docs: audio-transformers-course/chapters/
  additional_args: --not_python_module
- languages: en bn ko
+ languages: en bn ko es

chapters/es/_toctree.yml

@@ -0,0 +1,163 @@
+- title: Unidad 0. ¡Bienvenido al curso!
+ sections:
+ - local: chapter0/introduction
+ title: Que esperar de este curso
+ - local: chapter0/get_ready
+ title: Prepárate
+ - local: chapter0/community
+ title: Únete a la comunidad
+
+- title: Unidad 1. Trabajando con datos de audio
+ sections:
+ - local: chapter1/introduction
+ title: ¿Qué aprenderás?
+ - local: chapter1/audio_data
+ title: Introducción a los datos de audio
+ - local: chapter1/load_and_explore
+ title: Cargar y Explorar un conjunto de datos
+ - local: chapter1/preprocessing
+ title: Preprocesamiento de datos de audio
+ - local: chapter1/streaming
+ title: Transmitiendo datos de audio
+ - local: chapter1/quiz
+ title: Quiz
+ quiz: 1
+ - local: chapter1/supplemental_reading
+ title: Lecturas y recursos adicionales
+
+- title: Unidad 2. A gentle introduction to audio applications
+ sections:
+ - local: chapter2/introduction
+ title: Tour por la aplicaciones de audio
+ - local: chapter2/audio_classification_pipeline
+ title: Clasificación de audio usando una pipeline
+ - local: chapter2/asr_pipeline
+ title: Reconocimiento automático de la voz usando una pipeline
+ - local: chapter2/hands_on
+ title: Ejercicio práctico
+
+#- title: Unidad 3. Transformer architectures for audio
+# sections:
+# - local: chapter3/introduction
+# title: Refresher on transformer models
+# - local: chapter3/ctc
+# title: CTC architectures
+# - local: chapter3/seq2seq
+# title: Seq2Seq architectures
+# - local: chapter3/classification
+# title: Audio classification architectures
+# - local: chapter3/quiz
+# title: Quiz
+# quiz: 3
+# - local: chapter3/supplemental_reading
+# title: Supplemental reading and resources
+
+#- title: Unidad 4. Build a music genre classifier
+# sections:
+# - local: chapter4/introduction
+# title: What you'll learn and what you'll build
+# - local: chapter4/classification_models
+# title: Pre-trained models for audio classification
+# - local: chapter4/fine-tuning
+# title: Fine-tuning a model for music classification
+# - local: chapter4/demo
+# title: Build a demo with Gradio
+# - local: chapter4/hands_on
+# title: Hands-on exercise
+
+#- title: Unidad 5. Transcribe a meeting recording
+# sections:
+# - local: chapter5/introduction
+# title: What you'll learn and what you'll build
+# - local: chapter5/choosing_dataset
+# title: Choosing a dataset
+# - local: chapter5/asr_models
+# title: Pre-trained models for automatic speech recognition
+# - local: chapter5/preprocessing_data
+# title: Loading and preprocessing data
+# - local: chapter5/evaluation
+# title: Evaluation metrics for ASR
+# - local: chapter5/fine-tuning
+# title: Fine-tuning the ASR model
+# - local: chapter5/speaker_diarization
+# title: Automatic speech recognition with speaker diarization
+# - local: chapter5/quiz
+# title: Quiz
+# quiz: 5
+# - local: chapter5/hands_on
+# title: Hands-on exercise
+# - local: chapter5/supplemental_reading
+# title: Supplemental reading and resources
+#
+#- title: Unidad 6. From text to speech
+# sections:
+# - local: chapter6/introduction
+# title: What you'll learn and what you'll build
+# - local: chapter6/overview
+# title: How to synthesize human speech from text?
+# - local: chapter6/choosing_dataset
+# title: Choosing a dataset
+# - local: chapter6/preprocessing
+# title: Loading and preprocessing data
+# - local: chapter6/pre-trained_models
+# title: Pre-trained models for text-to-speech
+# - local: chapter6/evaluation
+# title: Evaluation metrics for text-to-speech
+# - local: chapter6/fine-tuning
+# title: Fine-tuning SpeechT5
+# - local: chapter6/quiz
+# title: Quiz
+# quiz: 6
+# - local: chapter6/hands_on
+# title: Hands-on exercise
+# - local: chapter6/supplemental_reading
+# title: Supplemental reading and resources
+#
+#- title: Unidad 7. Audio to audio
+# sections:
+# - local: chapter7/introduction
+# title: What you'll learn and what you'll build
+# - local: chapter7/tasks
+# title: Examples of audio-to-audio tasks
+# - local: chapter7/choosing_dataset
+# title: Choosing a dataset
+# - local: chapter7/preprocessing
+# title: Loading and preprocessing data
+# - local: chapter7/evaluation
+# title: Evaluation metrics for audio-to-audio
+# - local: chapter7/fine-tuning
+# title: Fine-tuning the model
+# - local: chapter7/quiz
+# title: Quiz
+# quiz: 7
+# - local: chapter7/hands_on
+# title: Hands-on exercise
+# - local: chapter7/supplemental_reading
+# title: Supplemental reading and resources
+#
+#- title: Unidad 8. Finish line
+# sections:
+# - local: chapter8/introduction
+# title: Congratulations!
+# - local: chapter8/certification
+# title: Get your certification of completion
+# - local: chapter8/stay_in_touch
+# title: Stay in touch
+#
+#- title: Bonus unit. Diffusion models for audio
+# sections:
+# - local: chapter9/introduction
+# title: Introduction
+# - local: chapter9/music_generation
+# title: Music generation
+# - local: chapter9/riffusion
+# title: Riffusion
+# - local: chapter9/audioldm
+# title: AudioLDM
+# - local: chapter9/dance_diffusion
+# title: Dance Diffusion
+
+#- title: Course Events
+# sections:
+# - local: events/introduction
+# title: Live sessions and workshops

chapters/es/chapter0/community.mdx

@@ -0,0 +1,35 @@
+# ¡Únete a la comunidad!
+
+Te invitamos a [unirte a nuestra comunidad dinámica y amigable en Discord](http://hf.co/join/discord). Tendrás la oportunidad de conectar 
+con estudiantes con intereses similares, intercambiar ideas y obtener retroalimentación valiosa en los ejercicios prácticos. Puedes hacer
+tus preguntas, compartir recursos y colaborar con otros. 
+
+Nuestro equipo también está activo en Discord y estará disponible para brindarte apoyo y orientación cuando lo necesites.
+Unirte a nuestra comunidad es una excelente manera de mantenerte motivado, activo y conectado,
+¡Esperamos verte allí!
+
+## ¿Qué es Discord?
+
+Discord es una plataforma gratuita de chat. Si has usado Slack, lo encontrarás bastante similar.
+El servidor de Discord de Hugging Face es el hogar de una próspera comunidad de 18 000 expertos en IA,
+estudiantes y entusiastas, a la cual puedes unirte.
+
+## Navegando en Discord
+
+Una vez que te hayas registrado en nuestro servidor de Discord, deberás elegir los temas que te interesan haciendo clic en #role-assignment
+ubicado la izquierda. Puedes elegir tantas categorías diferentes como desees. Para unirte a otros estudiantes de este curso, asegúrate de hacer 
+ clic en "ML for Audio and Speech".
+Explora los canales y comparte algunas cosas sobre ti en el canal `#introduce-yourself`.
+
+## Canales del curso de audio
+
+Hay muchos canales enfocados en varios temas en nuestro servidor de Discord. Encontrarás a personas discutiendo artículos, organizando eventos,
+ compartiendo sus proyectos e ideas, haciendo lluvia de ideas y mucho más.
+
+Como estudiante del curso de audio, es posible que encuentres especialmente relevantes los siguientes canales:
+
+* `#audio-announcements`: actualizaciones sobre el curso, noticias de Hugging Face relacionadas con todo lo relacionado con el audio, anuncios de eventos y más.
+* `#audio-study-group`: un lugar para intercambiar ideas, hacer preguntas sobre el curso e iniciar discusiones.
+* `#audio-discuss`: un lugar general para tener discusiones sobre temas relacionados con el audio.
+
+Además de unirte al `#audio-study-group`, ¡siéntete libre de crear tu propio grupo de estudio, aprender juntos siempre es más fácil!

chapters/es/chapter0/get_ready.mdx

@@ -0,0 +1,39 @@
+# Prepárate para tomar el curso
+
+Esperamos que estes emocionado de empezar este curso, hemos diseñado esta página para asegurarnos que ¡tienes
+todo para comenzar!
+
+## Paso 1. Suscríbete.
+
+Para estar al tanto de todas las actualizaciones y los eventos sociales, suscríbete al curso.
+
+[👉 SUSCRIBETE](http://eepurl.com/insvcI)
+
+## Paso 2. Crea una cuenta de Hugging Face.
+
+Si aún no tienes una, crea una cuenta de Hugging Face (Es gratis). La necesitarás para completar los ejercicios 
+prácticos, para recibir el certificado de finalización, explorar modelos pre-entrenados, acceder a conjuntos de datos y mucho más.
+
+[👉 CREA TU CUENTA DE HUGGING FACE](https://huggingface.co/join)
+
+## Paso 3. Repasa los fundamentos (si lo necesitas)
+
+Asumimos que estas familiarizado con los conceptos básicos de deep learning y transformers. Si necesitas afianzar tu 
+comprensión de transformers, mira nuestro [Curso de NLP](https://huggingface.co/course/chapter1/1).
+
+## Paso 4. Revisa tu setup
+
+Para realizar el curso necesitarás:
+- Un computadot con conexión a internet.
+- [Google Colab](https://colab.research.google.com) para los ejercicios prácticos. La versión gratuita es suficiente.
+
+Si nunca has usado Google Colab antes, revisa la [introducción oficial](https://colab.research.google.com/notebooks/intro.ipynb).
+
+## Paso 5. Únete a la comunidad.
+
+Suscríbete a nuestro servidor de Discord, el lugar donde puedes intercambiar tus ideas con tus compañeros de curso y conctactar con nosotros (El equipo de Hugging Face).
+
+[👉 UNETE A LA COMUNIDAD DE DISCORD](http://hf.co/join/discord)
+
+para aprender más acerda de nuestra comuninda en Discord y como sacar el mayor provecho, Mira la [siguiente página](community)
+

chapters/es/chapter0/introduction.mdx

@@ -0,0 +1,110 @@
+# ¡Bienvenido al curso de Hugging Face de Audio!
+
+Querido estudiante,
+
+Bienvenido a este curso de transformers para audio. Una y otra vez, los transformers han demostrado ser una de las arquitecturas
+ de aprendizaje profundo más poderosas y versátiles, capaces de lograr resultados que son estado del arte en una amplia gama de tareas,
+incluyendo el procesamiento del lenguaje natural, visión por computadora y, más recientemente, procesamiento de audio.
+
+En este curso, exploraremos cómo se pueden aplicar los transformers a datos de audio. Aprenderás cómo utilizarlos para abordar una variedad 
+de tareas relacionadas con el audio. Ya sea que estés interesado en reconocimiento de voz, clasificación de audio o generación de habla a partir 
+de texto, los transformers y este curso te brindarán las herramientas necesarias.
+
+Para que puedas tener una idea de lo que estos modelos pueden hacer, di algunas palabras en la siguiente demostración y observa
+ cómo el modelo las ¡transcribe en tiempo real!
+
+<iframe
+ src="https://openai-whisper.hf.space"
+ frameborder="0"
+ width="850"
+ height="450">
+</iframe>
+
+A lo largo del curso, adquirirás una comprensión de los aspectos específicos de trabajar con datos de audio.
+ Aprenderás sobre diferentes arquitecturas de transformers y entrenarás tus propios transformers de audio aprovechando potentes 
+ modelos pre-entrenados.
+
+Este curso está diseñado para estudiantes con experiencia en aprendizaje profundo y familiaridad general con los transformers.
+No se requiere experiencia en el procesamiento de datos de audio. Si necesitas repasar tu comprensión de los transformers,
+echa un vistazo a nuestro [Curso de NLP](https://huggingface.co/course/chapter1/1), que profundiza en los fundamentos de los transformers
+en detalle.
+
+## Conoce al equipo del curso
+
+**Sanchit Gandhi, Machine Learning Research Engineer en Hugging Face**
+
+¡Hola! Soy Sanchit y soy un ingeniero de investigación en aprendizaje automático para audio en el equipo de código abierto de Hugging Face 🤗.
+Mi enfoque principal es el reconocimiento automático de voz y la traducción, con el objetivo actual de hacer que los modelos de habla sean
+ más rápidos, ligeros y fáciles de usar.
+
+**Matthijs Hollemans, Machine Learning Engineer en Hugging Face**
+
+Soy Matthijs, y soy un ingeniero de aprendizaje automático para audio en el equipo de código abierto de Hugging Face. También soy el autor 
+de un libro sobre cómo escribir sintetizadores de sonido, y creo plug-ins de audio en mi tiempo libre.
+
+
+**Maria Khalusova, Documentation & Courses at Hugging Face**
+
+Soy María, y creo contenido educativo y documentación para hacer que los Transformers y otras herramientas de código abierto sean aún más 
+accesibles. Desgloso conceptos técnicos complejos y ayudo a las personas a comenzar con tecnologías de vanguardia.
+
+**Vaibhav Srivastav, ML Developer Advocate Engineer at Hugging Face**
+
+Soy Vaibhav (VB) y soy un Ingeniero de Promoción para audio en el equipo de código abierto de Hugging Face.
+ Investigo sobre Texto a Voz(TTS) en lenguajes con bajos recursos y ayudo a llevar el estado del arte de la investigación del habla al público general.
+
+## Estructura del curso
+
+El curso esta estructurado en varias unidades que cubren varios temas en profudidad:
+
+* Unidad 1: Aprende sobre los detalles específicos de trabajar con datos de audio, incluyendo técnicas de procesamiento de audio y preparación de datos.
+* Unidad 2: Conoce las aplicaciones de audio y aprende a utilizar las pipelines de 🤗 Transformers para diferentes tareas, como
+ clasificación de audio y reconocimiento de voz.
+* Unidad 3: Explora las arquitecturas de transformers de audio, aprende en qué se diferencian y para qué tareas son más adecuadas.
+* Unidad 4: Aprende cómo construir tu propio clasificador de género musical.
+* Unidad 5: Adéntrate en el reconocimiento de voz y construye un modelo para transcribir grabaciones de reuniones.
+* Unidad 6: Aprende cómo generar habla a partir de texto.
+* Unidad 7: Aprende cómo convertir audio a audio utilizando transformers.
+
+Cada unidad incluye un componente teórico, donde podras adquirir un entendimiento profundo de los conceptos y técnicas.
+A lo largo del curso, hay quizzes para ayudarte a evaluar to conocimiento y reforzar tu aprendizaje.
+Algunos capítulos tambien incluyen ejercicios prácticos, en los que tendrás la oportunidad de aplicar todo lo que has aprendido.
+
+Al finalizar el curso, tendras una formación sólida en el uso de transfomers para datos de audio y estarás bien 
+equipado para aplicar este tipo de técnicas a un conjunto amplio de tareas relacionadas con audio.
+
+Las unidades del curso serán publicadas en bloques consecutivos de acuerdo a la siguiente agenda:
+
+| Unidades | Fecha de publicación |
+|---|-----------------|
+| Unidad 0, Unidad 1, and Unidad 2 | Junio 14, 2023 |
+| Unidad 3, Unidad 4 | Junio 21, 2023 |
+| Unidad 5 | Junio 28, 2023 |
+| Unidad 6 | Julio 5, 2023 |
+| Unidad 7, Unidad 8 | Julio 12, 2023 |
+
+## Rutas de aprendizaje y certificaciones
+
+No hay una manera correcta o erronea de tomar este curso. Todos los materiales en este curso son 100% gratis, públicos y de código abierto.
+Puedes tomar el curso a tu propio ritmo, sin embargo, recomendamos ir a lo largo de las unidades en orden.
+
+Si quieres tener un certificado al final del curso, ofrecemos dos opciones:
+
+
+| Tipo de certficado | Requerimientos |
+|---|------------------------------------------------------------------------------------------------|
+| Certificado de finalización | Completa el 80% de los ejercicios prácticos según las instrucciones antes de finales de julio de 2023. |
+| Certificado de honor | Completa el 100% de los ejercicios prácticos según las instrucciones antes de finales de julio de 2023. |
+
+Cada ejercicio práctico tiene unos criterios para considerarse completo. Una vez hayas completado suficientes ejericios prácticos 
+para acceder a alguno de los certificados, visita la última unidad del curso para aprender como puedes obtener tu certificado. ¡Buena Suerte!
+
+## Suscríbete al curso
+
+Las unidades de este curso seran publicadas gradualmente en el transcurso de un par de semanas. Te animamos a que te suscribas
+a las actualizaciones del curso y asi no te perderas ninguna unidad cuando sean publicadas. Los estudiantes que se suscriban a
+las actualizaciones del curso serán los primeros en darse cuenta de los eventos sociales que planeammos organizar.
+
+[SUSCRIBETE](http://eepurl.com/insvcI)
+
+¡Disfruta el curso!