intermediate_source/speech_recognition_pipeline_tutorial.py 번역 #582
Conversation
| # The bundle object provides the interface to instantiate model and other | ||
| # information. Sampling rate and the class labels are found as follow. | ||
| # 아래의 코드에서 번들 객체(object)는 모델을 생성하고(instantiate)하고 다른 정보를 얻기 위한 | ||
| # 인터페이스를 제공합니다. 이를 이용해 샘플링 레이트와 클래스 라벨을 확인하겠습니다. |
There was a problem hiding this comment.
오타인 것 같습니다. 다음과 같이 수정하면 어떨까요?
생성하고(instantiate)하고 -> 생성(instantiate)하고
| # Wav2Vec2 (and HuBERT) models are trained in self-supervised manner. They | ||
| # are firstly trained with audio only for representation learning, then | ||
| # fine-tuned for a specific task with additional labels. | ||
| # Wav2Vec2와 HuBERT 모델은 자기 지도 방식으로 학습된 모델입니다. 두 모델은 먼저 |
There was a problem hiding this comment.
원문과 같이 (그리고 HuBERT) 라고 쓰는건 어떤가요?
| # | ||
|
|
||
| with torch.inference_mode(): | ||
| features, _ = model.extract_features(waveform) | ||
|
|
||
|
|
||
| ###################################################################### | ||
| # The returned features is a list of tensors. Each tensor is the output of | ||
| # a transformer layer. | ||
| # 반환되는 특성은 tensor의 리스트이고 각 tensor는 transformer 레이어의 출력입니다. |
There was a problem hiding this comment.
리스트 -> 배열
음차하지 않아도 될 것 같습니다.
There was a problem hiding this comment.
보통 배열은 'array'를 가리켜서 리스트로 음차했는데, 여기서는 리스트 자료형을 의미하지 않아서 '배열'로 써도 될 것 같긴 하네요.
| # labels. They are bundled together and available under | ||
| # :py:func:`torchaudio.pipelines` module. | ||
| # Torchaudio는 사전 학습된 모델 가중치와 기대 샘플링 레이트나 클래스 라벨과 같은 | ||
| # 관련 정보를 쉽게 제공합니다. 이런 정보들은 |
There was a problem hiding this comment.
관련 정보를 쉽게 제공합니다 -> 관련 정보를 제공합니다
쉽게 제공한다는 말이 어색하기도 하고, 의미 전달에 큰 영향이 없어 번역하지 않아도 될 것 같습니다.
| # There are two types of Wav2Vec2 pre-trained weights available in | ||
| # torchaudio. The ones fine-tuned for ASR task, and the ones not | ||
| # fine-tuned. | ||
| # torchaudio에는 사전 학습된 Wav2Vec2 모델 가중치가 두 종류 있습니다. |
There was a problem hiding this comment.
torchaudio에는 -> Torchaudio에는
| # tutorial, we also show how to perform feature extraction here. | ||
| # Wav2Vec2 모델은 ASR 태스크를 위해 미세 조정되어 특성 추출과 분류를 | ||
| # 한 번에 수행할 수 있습니다. | ||
| # 하지만 이번 튜토리얼에서는 특성 추출을 하는 방법도 설명하겠습니다. |
There was a problem hiding this comment.
하지만 이번 튜토리얼에서는 -> 하지만 자세한 설명을 위해
for the sake of 의 뜻을 살려서 약간의 의역을 하였습니다. 튜토리얼 단어를 넣은 번역문은 생각이 안나네요.
There was a problem hiding this comment.
'하지만 자세한 설명을 위해 이번 튜토리얼에서는'으로 쓰겠습니다.
| # Model can be constructed as following. This process will automatically | ||
| # fetch the pre-trained weights and load it into the model. | ||
| # 모델은 아래와 같이 생성할 수 있습니다. 이 과정을 통해 사전 학습된 모델의 가중치가 | ||
| # 다운로드되고 모델에 불러와집니다. |
There was a problem hiding this comment.
fetch를 다운로드로 번역해도 의미가 통하겠지만
이 과정을 통해 사전 학습된 모델의 가중치를 받아서 모델에 넣어줍니다.
정도로 바꾸는건 어떨까요?
There was a problem hiding this comment.
'이 과정을 통해 사전 학습된 모델의 가중치를 가져와서 모델에 넣어줍니다.'로 수정하였습니다.
| # | ||
| # We start by defining greedy decoding algorithm. | ||
| # 그리디 디코딩 알고리즘을 정의하겠습니다. |
There was a problem hiding this comment.
greedy는 보통 탐욕적인, 욕심쟁이 등으로 번역하는 듯 합니다
| # a model and getting the emission is as short as two lines. | ||
| # 이번 튜토리얼에서 음향 특성 추출과 음성 인식을 위해서 | ||
| # :py:mod:`torchaudio.pipelines` 를 어떻게 사용하는지 알아보았습니다. | ||
| # 모델을 만들고 emission을 얻는 모든 과정은 아래의 2줄 만으로도 가능합니다. |
There was a problem hiding this comment.
emission은 산출물로 번역해도 뜻이 통하지 않을까요?
terri1102
requested review from
hjvision96,
hyoyoung and
YunjinJo
and removed request for
hjvision96,
hyoyoung and
YunjinJo
라이선스 동의
변경해주시는 내용에 BSD 3항 라이선스가 적용됨을 동의해주셔야 합니다.
더 자세한 내용은 기여하기 문서를 참고해주세요.
동의하시면 아래
[ ]를[x]로 만들어주세요.관련 이슈 번호
이 Pull Request와 관련있는 이슈 번호를 적어주세요.
이슈 또는 PR 번호 앞에 #을 붙이시면 제목을 바로 확인하실 수 있습니다. (예. #999 )
PR 종류
이 PR에 해당되는 종류 앞의
[ ]을[x]로 변경해주세요.PR 설명
이 PR로 무엇이 달라지는지 대략적으로 알려주세요.
intermediate_source/speech_recognition_pipeline_tutorial.py를 번역하였습니다.
line16에 Heading이 깨지는데 원본 문서도 깨져있어서 그대로 두었습니다.
혹시 원인을 아시는 분은 코멘트해주세요!