Chapter 0, Chapter 8 and Event Italian translation

.github/workflows/build_documentation.yml

@@ -14,6 +14,6 @@ jobs:
       package_name: audio-course
       path_to_docs: audio-transformers-course/chapters/
       additional_args: --not_python_module
-      languages: en bn ko es zh-CN ru fr tr
+      languages: en bn ko es zh-CN ru fr tr it
     secrets:
       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 es zh-CN ru fr tr
+      languages: en bn ko es zh-CN ru fr tr it

README.md

@@ -15,7 +15,7 @@ The course teaches you about applying Transformers to various tasks in audio and
 | [Russian](https://huggingface.co/learn/audio-course/ru/chapter0/introduction)                     | [`chapters/ru`](https://github.com/huggingface/audio-transformers-course/tree/main/chapters/ru)       | [@blademoon](https://github.com/blademoon), [@Lightmourne](https://github.com/Lightmourne)                                                                              |
 | [Turkish](https://huggingface.co/learn/audio-course/tr/chapter0/introduction)                     | [`chapters/tr`](https://github.com/huggingface/audio-transformers-course/tree/main/chapters/tr)       |                                                                               |
 | [Chinese (simplified)](https://huggingface.co/learn/audio-course/zh-CN/chapter0/introduction)     | [`chapters/zh-CN`](https://github.com/huggingface/audio-transformers-course/tree/main/chapters/zh-CN) |                                                                               |
-
+| [Italian](https://huggingface.co/learn/audio-course/it/chapter0/introduction)     | [`chapters/it`](https://github.com/huggingface/audio-transformers-course/tree/main/chapters/it) |    [@leofltt](https://github.com/leofltt)                                                                           |
 ### Translating the course into your language
 
 As part of our mission to democratise machine learning, we'd love to have the course available in many more languages! 

chapters/it/_toctree.yml

@@ -0,0 +1,131 @@
+- title: Capitolo 0. Benvenuti al corso!
+  sections:
+  - local: chapter0/introduction
+    title: Cosa aspettarsi dal corso
+  - local: chapter0/get_ready
+    title: Preparati
+  - local: chapter0/community
+    title: Entra nella community
+
+# - title: Capitolo 1. Lavorare con dati audio
+#   sections:
+#   - local: chapter1/introduction
+#     title: Cosa imparerai
+#   - local: chapter1/audio_data
+#     title: Introduzione ai dati audio
+#   - local: chapter1/load_and_explore
+#     title: Carica ed esplora un dataset audio
+#   - local: chapter1/preprocessing
+#     title: Preelaborazione di dati audio
+#   - local: chapter1/streaming
+#     title: Streaming di dati audio
+#   - local: chapter1/quiz
+#     title: Quiz
+#     quiz: 1
+#   - local: chapter1/supplemental_reading
+#     title: Letture e risorse supplementari
+
+# - title: Capitolo 2. Una introduzione gentile agli applicativi audio
+#   sections:
+#   - local: chapter2/introduction
+#     title: Tour degli applicativi audio
+#   - local: chapter2/audio_classification_pipeline
+#     title: Classificazione audio con una pipeline
+#   - local: chapter2/asr_pipeline
+#     title: Riconoscimento vocale automatico con una pipeline
+#   - local: chapter2/tts_pipeline
+#     title: Generazione audio con una pipeline
+#   - local: chapter2/hands_on
+#     title: Esercitazione pratica
+
+# - title: Capitolo 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: Letture e risorse supplementari
+
+# - title: Capitolo 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: Esercitazione pratica
+
+# - title: Capitolo 5. Automatic Speech Recognition
+#   sections:
+#   - local: chapter5/introduction
+#     title: What you'll learn and what you'll build
+#   - local: chapter5/asr_models
+#     title: Pre-trained models for speech recognition
+#   - local: chapter5/choosing_dataset
+#     title: Choosing a dataset
+#   - local: chapter5/evaluation
+#     title: Evaluation and metrics for speech recognition
+#   - local: chapter5/fine-tuning
+#     title: How to fine-tune an ASR system with the Trainer API
+#   - local: chapter5/demo
+#     title: Building a demo
+#   - local: chapter5/hands_on
+#     title: Esercitazione pratica
+#   - local: chapter5/supplemental_reading
+#     title: Letture e risorse supplementari
+# #
+# - title: Capitolo 6. From text to speech
+#   sections:
+#   - local: chapter6/introduction
+#     title: What you'll learn and what you'll build
+#   - local: chapter6/tts_datasets
+#     title: Text-to-speech datasets
+#   - local: chapter6/pre-trained_models
+#     title: Pre-trained models for text-to-speech
+#   - local: chapter6/fine-tuning
+#     title: Fine-tuning SpeechT5
+#   - local: chapter6/evaluation
+#     title: Evaluating text-to-speech models
+#   - local: chapter6/hands_on
+#     title: Esercitazione pratica
+#   - local: chapter6/supplemental_reading
+#     title: Letture e risorse supplementari
+
+# - title: Capitolo 7. Putting it all together
+#   sections:
+#   - local: chapter7/introduction
+#     title: What you'll learn and what you'll build
+#   - local: chapter7/speech-to-speech
+#     title: Speech-to-speech translation
+#   - local: chapter7/voice-assistant
+#     title: Creating a voice assistant
+#   - local: chapter7/transcribe-meeting
+#     title: Transcribe a meeting
+#   - local: chapter7/hands_on
+#     title: Esercitazione pratica
+#   - local: chapter7/supplemental_reading
+#     title: Letture e risorse supplementari
+
+- title: Capitolo 8. Traguardo
+  sections:
+  - local: chapter8/introduction
+    title: Congratulazioni!
+  - local: chapter8/certification
+    title: Ottieni il tuo certificato di completamento
+
+- title: Eventi del corso 
+  sections:
+  - local: events/introduction
+    title: Sessioni dal vivo e workshops

chapters/it/chapter0/community.mdx

@@ -0,0 +1,32 @@
+# Unisciti alla nostra community!
+
+Ti invitiamo a [unirti alla nostra community vibrante e altruista su Discord](http://hf.co/join/discord). Avrai l'opportunità di metterti in 
+contatto con persone che la pensano come te, scambiare idee, e ricevere del feedback prezioso sulle tue esercitazioni pratiche. Puoi fare domande,
+condividere risorse, e collaborare con gli altri.
+
+Il nostro team è attivo anche su Discord, e sono a disposizione per fornire sostegno e supportarti quando ne hai bisogno. 
+Unirti alla nostra community è un ottimo modo per rimanere motivato, interessato, e connesso, e non vediamo l'ora di vederti lì!
+
+## Cos'è Discord?
+
+Discord è una piattaforma di chat gratuita. Se hai usato Slack, la troverai familiare. Il server di Discord di Hugging Face
+è casa per una community di oltre 18 000 esperti di AI, studenti ed appasionati di cui anche tu puoi far parte.
+
+## Navigare Discord
+
+Una volta che ti sei iscritta/o al nostro server di Discord, dovrai scegliere gli argomenti di cui sei interessata/o cliccando su `#role-assignment`
+a sinistra. Puoi scegliere quante categorie preferisci. Per unirti agli altri studenti di questo corso, non dimenticarti
+di cliccare "ML for Audio and Speech". Esplora i canali e condividi qualcosa su di te sul canale `#introduce-yourself`.
+
+## Canali del corso audio
+
+Ci sono molti canali a riguardo di molteplici argomenti sul nostro Discord. Troverai persone che discutono papers, organizzano
+eventi, condividono i loro progetti ed idee, fanno brainstorming, e molto altro.
+
+In quanto studente del corso audio, potresti trovare questi canali particolarmente rilevanti:
+
+* `#audio-announcements`: aggiornamenti a riguardo del corso, novità da Hugging Face su tutto ciò che è audio, annunci di eventi, e altro.
+* `#audio-study-group`: un luogo per scambiarsi idee, fare domande riguardo al corso ed avviare discussioni.
+* `#audio-discuss`: una piazza in cui avere conversazioni su ogni argomento a riguardo dell'audio.
+
+Oltre ad unirti al canale `#audio-study-group`, sentiti libero di creare il tuo gruppo di studio, imparare insieme è più facile!

chapters/it/chapter0/get_ready.mdx

@@ -0,0 +1,47 @@
+# Preparati al corso
+
+Speriamo che tu ti senta elettrizzato a cominciare il corso, e abbiamo preparato per te questa pagina per assicurarci che tu abbia 
+tutto il necessario che ti serve per iniziare!
+
+## Step 1. Iscriviti
+
+Per rimanere aggiornato con tutti gli aggiornamenti e gli eventi speciali dal vivo e online, iscriviti al corso.
+
+[👉 ISCRIVITI](http://eepurl.com/insvcI)
+
+## Step 2. Crea un account su Hugging Face
+
+Se non ne hai ancora uno, crea un account su Hugging Face (è gratuito). Ti servirà per completare le esercitazioni pratiche, per 
+ricevere il tuo certificato di completamento, per esplorare i modelli pre-addestrati, per accedere ai dataset e altro ancora.
+
+[👉 CREA UN ACCOUNT SU HUGGING FACE](https://huggingface.co/join)
+
+## Step 3. Ripassa i fondamentali (se ne hai bisogno)
+
+Assumiamo che tu abbia familiarità con le basi del deep learning, e che tu abbia familiarità generale sui transformers. Se hai bisogno di ripassare i
+fondamentali dei transformers, guarda il nostro [corso di NLP](https://huggingface.co/course/chapter1/1).
+
+## Step 4. Controlla il tuo setup
+
+Per completare il corso ti serviranno:
+- Un computer con una connessione a internet
+- [Google Colab](https://colab.research.google.com) per le esercitazioni pratiche. La versione gratuita è sufficiente. 
+Se non hai mai usato Google Colab, guarda questo [notebook introduttivo ufficiale](https://colab.research.google.com/notebooks/intro.ipynb).
+
+<Tip>
+
+Come alternativa alla tier gratuita di Google Colab, puoi usare il tuo setup in locale, o Kaggle Notebooks. Kaggle Notebooks 
+offre un numero fisso di ore di GPU e ha funzionalità simili a Google Colab, tuttavia, c'è differenza quando si tratta di condividere
+i tuoi modelli su 🤗 Hub (e.g. per completare i tuoi compiti). Se decidi di usare Kaggle Notebooks come piattaforma scelta,
+ guarda questo [esempio di Kaggle notebook](https://www.kaggle.com/code/michaelshekasta/test-notebook) creato da 
+[@michaelshekasta](https://github.com/michaelshekasta). Questo notebook mostra come addestrare e condividere i tuoi modelli su 🤗 Hub.
+
+</Tip>
+
+## Step 5. Unisciti alla community
+
+Iscriviti al nostro server su Discord, il luogo in cui puoi scambiare idee coi tuoi compagni e contattarci (il team di Hugging Face).
+
+[👉 UNISCITI ALLA COMMUNITY SU DISCORD](http://hf.co/join/discord)
+
+Per saperne di più sulla nostra community su Discord e come ricavare il massimo, guarda la [prossima pagina](community).

chapters/it/chapter0/introduction.mdx

@@ -0,0 +1,105 @@
+# Benvenuta/o al corso Audio di Hugging Face!
+
+Gentile studente,
+
+Benvenuto a questo corso sull'utilizzo dei transformers per l'audio. Più di una volta i transformers si sono dimostrati una 
+delle architetture di deep learning più potenti e versatili, capaci di ottenere risultati che raggiungono lo state-of-the-art 
+in un'ampia gamma di compiti, che comprendono la comprensione naturale del linguaggio, computer vision, e più recentemente, l'elaborazione audio.
+
+In questo corso, esploreremo come i transformers possono essere applicati ai dati audio. Imparerai come usarli per affrontare un'ampia gamma di problemi
+relativi all'audio. Che tu sia interessato nel riconoscimento vocale, nella classificazione audio, o nella generazione vocale da testo, i transformers e
+questo corso fanno al caso tuo.
+
+Per darti un assaggio di cosa possono fare questi modelli, pronuncia qualche parola nella demo qui sotto e guarda il modello trascriverlo in tempo reale!
+
+<iframe
+	src="https://openai-whisper.hf.space"
+	frameborder="0"
+	width="850"
+	height="450">
+</iframe>
+
+Durante questo corso, imparerai le specifiche dell'elaborazione di dati audio, le differenti architetture dei transformers, 
+e addestrerai i tuoi transformer audio personali sfruttando potenti modelli pre-addestrati.
+
+Questo corso è pensato per persone con un background in deep learning, e familiarita generale sui transformers.
+Non è richiesta nessuna conoscenza nell'elaborazione di dati audio. Se hai bisogno di rinfrescarti la memoria riguardo il funzionamento dei transformers, guarda
+il nostro [Corso di NLP](https://huggingface.co/course/chapter1/1) che va nel dettaglio a riguardo delle basi del funzionamento dei transformers.
+
+## Incontra il team del corso
+
+**Sanchit Gandhi, Machine Learning Research Engineer at Hugging Face**
+
+Ciao! Sono Sanchit e sono un machine learning research engineer per l'audio nel team di open-source a Hugging Face 🤗.
+Il mio focus primario è il riconoscimento vocale automatico e la traduzione, con l'obbiettivo attuale di rendere i modelli odierni più veloci,
+leggeri e facili da usare.
+
+**Matthijs Hollemans, Machine Learning Engineer at Hugging Face**
+
+Sono Matthijs, e sono un machine learning engineer per l'audio nel team di open source a Hugging Face. Sono anche l'autore 
+di un libro su come scrivere sintetizzatori sonori, e creo plug-in audio nel tempo libero.
+
+**Maria Khalusova, Documentation & Courses at Hugging Face**
+
+Sono Maria, e creo contenuti educativi e documentazione per rendere Transformers e altri strumenti open-source sempre piu accessibili.
+ Spiego argomenti tecnici complessi e aiuto le persone a familiarizzare con tecnologie all'avanguardia.
+
+**Vaibhav Srivastav, ML Developer Advocate Engineer at Hugging Face**
+
+Sono Vaibhav (VB) e sono un Developer Advocate Engineer per l'Audio nel team di Open Source a Hugging Face. Io ricerco
+soluzioni di Text to Speech a basse risorse e aiuto a portare applicazioni dello SoTA nella ricerca sulle tecnologie di sintesi vocale al pubblico.
+
+## Struttura del corso 
+
+Il corso è suddiviso in vari capitoli che trattano argomenti specifici in profondità:
+
+* [Capitolo 1](https://huggingface.co/learn/audio-course/chapter1): impara le procedure specifiche di elaborazione di dati audio, comprese tecniche di elaborazione del suono e preparazione dei dati.
+* [Capitolo 2](https://huggingface.co/learn/audio-course/chapter2): familiarizza con le applicazioni audio e impara ad usare le pipeline di 🤗 Transformers per vari compiti, come la
+classificazione audio e il riconoscimento vocale.
+* [Capitolo 3](https://huggingface.co/learn/audio-course/chapter3): esplora le architetture dei transformer audio, impara le loro differenze, e quali compiti sono i piu adatti ad esse.
+* [Capitolo 4](https://huggingface.co/learn/audio-course/chapter4): impara a costruire il tuo modello di classificazione di generi musicali.
+* [Capitolo 5](https://huggingface.co/learn/audio-course/chapter5): approfondisci sul tema del riconoscimento vocale e costruisci un modello per trascrivere le registrazioni dei meeting.
+* [Capitolo 6](https://huggingface.co/learn/audio-course/chapter6): impara a generare discorsi parlati dal testo.
+* [Capitolo 7](https://huggingface.co/learn/audio-course/chapter7): impara a costruire applicativi audio nel mondo reale coi transformer.
+
+Ogni capitolo comprende una parte teorica, dove otterrai una conoscenza in profondità sull'argomento e tecniche trattate. 
+Per tutta la durata del corso, forniremo dei quiz per aiutarti a testare le tue conoscenze e rinforzare il tuo apprendimento.
+Alcuni capitoli includono anche delle esercitazioni pratiche, dove avrai l'opportunità di mettere in pratica le nozioni apprese.
+
+Entro la fine del corso, avrai acquisito dei solidi fondamentali nell'utilizzo di transformers sui dati audio e sarai ben equipaggiato per 
+applicare queste tecniche ad un ampia gamma di problemi relativi all'audio.
+
+I capitoli del corso saranno rilasciati in vari blocchi consecutivi, seguendo questo programma:
+
+| Capitoli   | Data di pubblicazione |
+|---|-----------------|
+| Capitolo 0, Capitolo 1, e Capitolo 2  | 14 Giugno, 2023   |
+| Capitolo 3, Capitolo 4  | 21 Giugno, 2023   |
+| Capitolo 5  | 28 Giugno, 2023   |
+| Capitolo 6  | 5 Luglio, 2023    |
+| Capitolo 7, Capitolo 8  | 12 Luglio, 2023   |
+
+## Percorsi d'apprendimento e certificazione
+
+Non c'è un modo giusto o sbagliato di affrontare questo corso. Tutto il materiale del corso è 100% gratuito, pubblico ed open-source.
+Puoi affrontare il corso al ritmo che ritieni più opportuno, tuttavia, raccomandiamo di seguire i capitoli in ordine.
+
+Se vuoi acquisire un certificato di completamento del corso, hai due opzioni:
+
+| Tipo di certificato   | Requisiti                                                       |
+|---|--------------------------------------------------------------------|
+| Certificato di completamento | Completa l' 80% delle esercitazioni pratiche secondo le istruzioni.  |
+| Certificazione con lode  | Completa il 100% delle esercitazioni pratiche secondo le istruzioni. |
+
+Ogni esercitazione pratica descrive i suoi criteri di completamento. Una volta che hai completato un numero sufficiente di esercitazioni pratiche
+per qualificarti per una delle certificazioni, fai riferimento all'ultimo capitolo del corso per sapere come ottenere il tuo certificato. Buona fortuna!
+
+## Registrati al corso
+
+I capitoli di questo corso saranno distribuiti man mano in molteplici settimane. Ti incoraggiamo a registrarti al corso per ricevere aggiornamenti quando 
+nuovi capitoli saranno rilasciati. Gli studenti che si registrano per gli aggiornamenti del corso saranno i primi a ricevere informazioni riguardo ad eventi
+ speciali dal vivo che programmiamo di organizzare.
+
+[REGISTRATI](http://eepurl.com/insvcI)
+
+Goditi il corso!