Fix(l10n): Update translations from Transifex

Signed-off-by: Nextcloud bot <bot@nextcloud.com>

l10n/gl.js

@@ -3,7 +3,7 @@ OC.L10N.register(
     {
     "Recognize" : "Recognize",
     "Smart media tagging and face recognition with on-premises machine learning models" : "Etiquetado de medios intelixentes e recoñecemento facial con modelos de aprendizaxe automática locais",
-    "Smart media tagging and face recognition with on-premises machine learning models.\nThis app goes through your media collection and adds fitting tags, automatically categorizing your photos and music.\n\n* 📷 👪 Recognizes faces from contact photos\n* 📷 🏔 Recognizes animals, landscapes, food, vehicles, buildings and other objects\n* 📷 🗼 Recognizes landmarks and monuments\n* 👂 🎵 Recognizes music genres\n* 🎥 🤸 Recognizes human actions on video\n\n⚡ Tagging works via Nextcloud's Collaborative Tags\n  * 👂 listen to your tagged music with the audioplayer app\n  * 📷 view your tagged photos and videos with the photos app\n\nModel sizes:\n\n * Object recognition: 1GB\n * Landmark recognition: 300MB\n * Video action recognition: 50MB\n * Music genre recognition: 50MB\n\n## Ethical AI Rating\n### Rating for Photo object detection: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Photo face recognition: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Video action recognition: 🟢\n\nPositive:\n* the software for training and inferencing of this model is open source\n* the trained model is freely available, and thus can be ran on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n## Ethical AI Rating\n### Rating Music genre recognition: 🟡\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n\nNegative:\n* the training data is not freely available, limiting the ability of external parties to check and correct for bias or optimise the model’s performance and CO2 usage.\n\nLearn more about the Nextcloud Ethical AI Rating [in our blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nAfter installation, you can enable tagging in the admin settings.\n\nRequirements:\n- php 7.4 and above\n- App \"collaborative tags\" enabled\n- For native speed:\n  - Processor: x86 64-bit (with support for AVX instructions)\n  - System with glibc (usually the norm on Linux; FreeBSD, Alpine linux and thus also the official Nextcloud Docker container and Nextcloud AIO are *not* such systems)\n- For sub-native speed (using WASM mode)\n  - Processor: x86 64-bit, arm64, armv7l (no AVX needed)\n  - System with glibc or musl (incl. Alpine linux and thus also the official Nextcloud Docker container and also Nextcloud AIO)\n- ~4GB of free RAM (if you're cutting it close, make sure you have some swap available)\n- This app is currently incompatible with the *Suspicious Login* app due to a dependency conflict (ie. you can only have one of the two installed)\n\nThe app does not send any sensitive data to cloud providers or similar services. All processing is done on your Nextcloud machine, using Tensorflow.js running in Node.js." : "Etiquetado de medios intelixentes e recoñecemento facial con modelos de aprendizaxe automática locais\nEsta aplicación pasa pola súa colección multimedia e engade etiquetas axeitadas, clasificando automaticamente as súas fotos e música.\n\n* 📷 👪 Recoñece as facianas nas fotos de contactos\n* 📷 🏔 Recoñece animais, paisaxes, alimentos, vehículos, edificios e outros obxectos\n* 📷 🗼 Recoñece lugares emblemáticos e monumentos\n* 👂 🎵 Recoñece xéneros musicais\n* 🎥 🤸 Recoñece accións humanas en vídeo\n\n* ⚡ O etiquetado funciona a través das etiquetas colaborativas de Nextcloud,\n  * 👂 Escoite a súa música etiquetada coa aplicación de reprodutor de son\n  * 📷 Consulte as súas fotos etiquetadas coa aplicación de fotos\n\nTamaños do modelo:\n\n* Recoñecemento de obxectos: 1 GB\n* Recoñecemento de de lugares emblemáticos: 300 MB\n* Recoñecemento de accións de vídeo: 50 MB\n* Recoñecemento de xénero musical: 50 MB\n\n## Avaliación ética da IA\n### Avaliación para a detección de obxectos fotográficos: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n### Avaliación para o recoñecemento facial de fotos: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n### Avaliación para o recoñecemento de accións de vídeo: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n## Avaliación ética da IA\n### Valoración Recoñecemento do xénero musical: 🟡\n\nPositiva:\n* O software para adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n\nNegativa:\n* Os datos de adestramento non están dispoñíbeis de xeito libre, o que limita a capacidade de partes externas para comprobar e corrixir nesgos ou optimizar o rendemento do modelo e o uso de CO2.\n\nObteña máis información sobre a avaliación de IA Ética de Nextcloud [no noso blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nApós a instalación, pode activar a etiquetaxe na configuración do administrador.\n\nRequisitos:\n- php 7.4 e superior\n- Aplicación «Etiquetas colaborativas» activada\n- Para velocidade nativa:\n  - Procesador: x86 64-bit (con compatibilidade con instrucións AVX)\n  - Sistema con glibc (normalmente a norma en Linux; FreeBSD, Alpine Linux e, por tanto, tamén o contedor oficial Nextcloud Docker e Nextcloud AIO *non* son tales sistemas)\n- Para velocidade subnativa (usando o modo WASM)\n  - Procesador: x86 64-bit, arm64, armv7l (non se necesita AVX)\n  - Sistema con glibc ou musl (incl. Alpine Linux e, por tanto, tamén o contedor oficial Nextcloud Docker e tamén Nextcloud AIO)\n- ~4GB de RAM libre (se se queda curto, asegúrese de ter algún espazo de intercambio dispoñíbel)\n- Esta aplicación é agora incompatíbel coa aplicación *Acceso sospeitoso* por mor dun conflito de dependencia (é dicir, só pode ter unha das dúas instalada)\n\nA aplicación non envía ningún dato sensíbel a provedores de nube ou servizos semellantes. Todo o procesamento realízase na súa máquina Nextcloud, usando TensorFlow.js que se executa en Node.js.",
+    "Smart media tagging and face recognition with on-premises machine learning models.\nThis app goes through your media collection and adds fitting tags, automatically categorizing your photos and music.\n\n* 📷 👪 Recognizes faces from contact photos\n* 📷 🏔 Recognizes animals, landscapes, food, vehicles, buildings and other objects\n* 📷 🗼 Recognizes landmarks and monuments\n* 👂 🎵 Recognizes music genres\n* 🎥 🤸 Recognizes human actions on video\n\n⚡ Tagging works via Nextcloud's Collaborative Tags\n  * 👂 listen to your tagged music with the audioplayer app\n  * 📷 view your tagged photos and videos with the photos app\n\nModel sizes:\n\n * Object recognition: 1GB\n * Landmark recognition: 300MB\n * Video action recognition: 50MB\n * Music genre recognition: 50MB\n\n## Ethical AI Rating\n### Rating for Photo object detection: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Photo face recognition: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Video action recognition: 🟢\n\nPositive:\n* the software for training and inferencing of this model is open source\n* the trained model is freely available, and thus can be ran on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n## Ethical AI Rating\n### Rating Music genre recognition: 🟡\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n\nNegative:\n* the training data is not freely available, limiting the ability of external parties to check and correct for bias or optimise the model’s performance and CO2 usage.\n\nLearn more about the Nextcloud Ethical AI Rating [in our blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nAfter installation, you can enable tagging in the admin settings.\n\nRequirements:\n- php 7.4 and above\n- App \"collaborative tags\" enabled\n- For native speed:\n  - Processor: x86 64-bit (with support for AVX instructions)\n  - System with glibc (usually the norm on Linux; FreeBSD, Alpine linux and thus also the official Nextcloud Docker container and Nextcloud AIO are *not* such systems)\n- For sub-native speed (using WASM mode)\n  - Processor: x86 64-bit, arm64, armv7l (no AVX needed)\n  - System with glibc or musl (incl. Alpine linux and thus also the official Nextcloud Docker container and also Nextcloud AIO)\n- ~4GB of free RAM (if you're cutting it close, make sure you have some swap available)\n- This app is currently incompatible with the *Suspicious Login* app due to a dependency conflict (ie. you can only have one of the two installed)\n\nThe app does not send any sensitive data to cloud providers or similar services. All processing is done on your Nextcloud machine, using Tensorflow.js running in Node.js." : "Etiquetado de medios intelixentes e recoñecemento facial con modelos de aprendizaxe automática locais\nEsta aplicación pasa pola súa colección multimedia e engade etiquetas axeitadas, clasificando automaticamente as súas fotos e música.\n\n* 📷 👪 Recoñece as facianas nas fotos de contactos\n* 📷 🏔 Recoñece animais, paisaxes, alimentos, vehículos, edificios e outros obxectos\n* 📷 🗼 Recoñece lugares emblemáticos e monumentos\n* 👂 🎵 Recoñece xéneros musicais\n* 🎥 🤸 Recoñece accións humanas en vídeo\n\n* ⚡ O etiquetado funciona a través das etiquetas colaborativas de Nextcloud,\n  * 👂 Escoite a súa música etiquetada coa aplicación de reprodutor de son\n  * 📷 Consulte as súas fotos etiquetadas coa aplicación de fotos\n\nTamaños do modelo:\n\n* Recoñecemento de obxectos: 1 GB\n* Recoñecemento de de lugares emblemáticos: 300 MB\n* Recoñecemento de accións de vídeo: 50 MB\n* Recoñecemento de xénero musical: 50 MB\n\n## Avaliación ética da IA\n### Avaliación para a detección de obxectos fotográficos: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n### Avaliación para o recoñecemento facial de fotos: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n### Avaliación para o recoñecemento de accións de vídeo: 🟢\n\nPositiva:\n* O software para o adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n* Os datos de adestramento están dispoñíbeis de xeito libre, o que permite comprobar ou corrixir o nesgo ou optimizar o rendemento e o uso de CO2.\n\n## Avaliación ética da IA\n### Valoración Recoñecemento do xénero musical: 🟡\n\nPositiva:\n* O software para adestramento e inferencia deste modelo é de código aberto\n* O modelo adestrado está dispoñíbel de xeito libre e, por tanto, pódese executar localmente\n\nNegativa:\n* Os datos de adestramento non están dispoñíbeis de xeito libre, o que limita a capacidade de partes externas para comprobar e corrixir nesgos ou optimizar o rendemento do modelo e o uso de CO2.\n\nObteña máis información sobre a avaliación de IA Ética de Nextcloud [no noso blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nApós a instalación, pode activar a etiquetaxe na configuración do administrador.\n\nRequisitos:\n– php 7.4 e superior\n– Aplicación «Etiquetas colaborativas» activada\n– Para velocidade nativa:\n  - Procesador: x86 64-bit (con compatibilidade con instrucións AVX)\n  - Sistema con glibc (normalmente a norma en Linux; FreeBSD, Alpine Linux e, por tanto, tamén o contedor oficial Nextcloud Docker e Nextcloud AIO *non* son tales sistemas)\n– Para velocidade subnativa (usando o modo WASM)\n  – Procesador: x86 64-bit, arm64, armv7l (non se necesita AVX)\n  – Sistema con glibc ou musl (incl. Alpine Linux e, por tanto, tamén o contedor oficial Nextcloud Docker e tamén Nextcloud AIO)\n– ~4GB de RAM libre (se se queda curto, asegúrese de ter algún espazo de intercambio dispoñíbel)\n– Esta aplicación é agora incompatíbel coa aplicación *Acceso sospeitoso* por mor dun conflito de dependencia (é dicir, só pode ter unha das dúas instalada)\n\nA aplicación non envía ningún dato sensíbel a provedores de nube ou servizos semellantes. Todo o procesamento realízase na súa máquina Nextcloud, usando TensorFlow.js que se executa en Node.js.",
     "Status" : "Estado",
     "The machine learning models have been downloaded successfully." : "Os modelos de aprendizaxe automática descargáronse correctamente.",
     "The machine learning models still need to be downloaded." : "Aínda hai que descargar os modelos de aprendizaxe automática.",