{ "translations": {
    "Recognize" : "تشخیص",
    "Categories" : "دسته‌بندی‌ها",
    "Images" : "تصاویر",
    "Videos" : "فیلم ها ",
    "Smart media tagging and face recognition with on-premises machine learning models" : "برچسب‌گذاری هوشمند رسانه و تشخیص چهره با مدل‌های یادگیری ماشین داخلی",
    "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\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." : "برچسب‌گذاری هوشمند رسانه و تشخیص چهره با مدل‌های یادگیری ماشینِ محلی.\nاین برنامه مجموعهٔ رسانه‌های شما را بررسی می‌کند، برچسب‌های مناسب می‌افزاید و عکس‌ها و موسیقی شما را به‌طور خودکار دسته‌بندی می‌کند.\n\n* 📷 👪 چهره‌ها را از روی عکس‌های مخاطبین تشخیص می‌دهد\n* 📷 🏔 حیوانات، مناظر، خوراکی‌ها، خودروها، ساختمان‌ها و دیگر اشیا را تشخیص می‌دهد\n* 📷 🗼 نشانه‌ها و بناهای شاخص را تشخیص می‌دهد\n* 👂 🎵 سبک‌های موسیقی را تشخیص می‌دهد\n* 🎥 🤸 کنش‌های انسانی در ویدیو را تشخیص می‌دهد\n\n⚡ برچسب‌گذاری از طریق برچسب‌های مشارکتی Nextcloud انجام می‌شود\n  * 👂 با برنامهٔ audioplayer به موسیقی برچسب‌گذاری‌شدهٔ خود گوش دهید\n  * 📷 با برنامهٔ photos عکس‌ها و ویدیوهای برچسب‌گذاری‌شدهٔ خود را مشاهده کنید\n\nاندازهٔ مدل‌ها:\n\n * تشخیص اشیا: ۱ گیگابایت\n * تشخیص نشانه‌ها: ۳۰۰ مگابایت\n * تشخیص کنش در ویدیو: ۵۰ مگابایت\n * تشخیص سبک موسیقی: ۵۰ مگابایت\n\n## رتبه‌بندی اخلاقی هوش مصنوعی\n### رتبه برای تشخیص اشیا در عکس: 🟢\n\nنکات مثبت:\n* نرم‌افزار آموزش و استنتاج این مدل متن‌باز است\n* مدل آموزش‌دیده آزادانه در دسترس است و بنابراین می‌تواند به‌صورت محلی اجرا شود\n* داده‌های آموزشی آزادانه در دسترس است و این امکان را می‌دهد که سوگیری بررسی یا اصلاح شود یا کارایی و مصرف CO2 بهینه گردد.\n\n### رتبه برای تشخیص چهره در عکس: 🟢\n\nنکات مثبت:\n* نرم‌افزار آموزش و استنتاج این مدل متن‌باز است\n* مدل آموزش‌دیده آزادانه در دسترس است و بنابراین می‌تواند به‌صورت محلی اجرا شود\n* داده‌های آموزشی آزادانه در دسترس است و این امکان را می‌دهد که سوگیری بررسی یا اصلاح شود یا کارایی و مصرف CO2 بهینه گردد.\n\n### رتبه برای تشخیص کنش در ویدیو: 🟢\n\nنکات مثبت:\n* نرم‌افزار آموزش و استنتاج این مدل متن‌باز است\n* مدل آموزش‌دیده آزادانه در دسترس است و بنابراین می‌تواند به‌صورت محلی اجرا شود\n* داده‌های آموزشی آزادانه در دسترس است و این امکان را می‌دهد که سوگیری بررسی یا اصلاح شود یا کارایی و مصرف CO2 بهینه گردد.\n\n## رتبه‌بندی اخلاقی هوش مصنوعی\n### رتبهٔ تشخیص سبک موسیقی: 🟡\n\nنکات مثبت:\n* نرم‌افزار آموزش و استنتاج این مدل متن‌باز است\n* مدل آموزش‌دیده آزادانه در دسترس است و بنابراین می‌تواند به‌صورت محلی اجرا شود\n\nنکات منفی:\n* داده‌های آموزشی آزادانه در دسترس نیست و این موضوع توانایی طرف‌های بیرونی را برای بررسی و اصلاح سوگیری یا بهینه‌سازی کارایی مدل و مصرف CO2 محدود می‌کند.\n\nدربارهٔ رتبه‌بندی اخلاقی هوش مصنوعی Nextcloud [در وبلاگ ما](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/) بیشتر بدانید.\n\nپس از نصب، می‌توانید برچسب‌گذاری را در تنظیمات مدیر فعال کنید.\n\nپیش‌نیازها:\n- php نسخهٔ 7.4 و بالاتر\n- فعال بودن برنامهٔ \"collaborative tags\"\n- برای سرعت بومی:\n  - پردازنده: x86 64-bit (با پشتیبانی از دستورالعمل‌های AVX)\n  - سیستمی با glibc (معمولاً متداول در Linux؛ FreeBSD، Alpine linux و در نتیجه کانتینر رسمی Docker مربوط به Nextcloud و Nextcloud AIO چنین سیستم‌هایی *نیستند*)\n- برای سرعت زیربومی (با استفاده از حالت WASM)\n  - پردازنده: x86 64-bit، arm64، armv7l (نیازی به AVX نیست)\n  - سیستمی با glibc یا musl (شامل Alpine linux و در نتیجه کانتینر رسمی Docker مربوط به Nextcloud و همچنین Nextcloud AIO)\n- حدود ۴ گیگابایت RAM آزاد (اگر در آستانهٔ این مقدار هستید، مطمئن شوید مقداری swap در دسترس دارید)\n\nاین برنامه هیچ داده حساسی را به ارائه‌دهندگان ابری یا خدمات مشابه ارسال نمی‌کند. تمام پردازش روی دستگاه Nextcloud شما و با استفاده از Tensorflow.js که در Node.js اجرا می‌شود، انجام می‌گیرد.",
    "Your server does not support AVX instructions" : "سرور شما از دستورالعمل‌های AVX پشتیبانی نمی‌کند",
    "Your server does not have an x86 64-bit CPU" : "سرور شما پردازنده x86 64-bit ندارد",
    "Your server uses musl libc" : "سرور شما از musl libc استفاده می‌کند",
    "Failed to load settings" : "بارگیری تنظیمات انجام نشد",
    "Failed to save settings" : "ذخیره تنظیمات انجام نشد",
    "never" : "هرگز",
    "{time} ago" : "{time} پیش",
    "Status" : "وضعیت",
    "The machine learning models have been downloaded successfully." : "مدل‌های یادگیری ماشین با موفقیت دانلود شده‌اند.",
    "The machine learning models still need to be downloaded." : "مدل‌های یادگیری ماشین هنوز باید دانلود شوند.",
    "The systemtags app is enabled." : "برنامه systemtags فعال است.",
    "The systemtags app is currently disabled. Some features of this app will not work." : "برنامه systemtags در حال حاضر غیرفعال است. برخی از ویژگی‌های این برنامه کار نخواهند کرد.",
    "Could not execute the Node.js binary. You may need to set the path to a working binary manually." : "نمی‌توان باینری Node.js را اجرا کرد. ممکن است لازم باشد مسیر یک باینری فعال را به صورت دستی تنظیم کنید.",
    "Background Jobs are not executed via cron. Recognize requires background jobs to be executed via cron." : "وظایف پس‌زمینه از طریق cron اجرا نمی‌شوند. Recognize نیاز دارد وظایف پس‌زمینه از طریق cron اجرا شوند.",
    "The app is installed and will automatically classify files in background processes." : "برنامه نصب شده است و به طور خودکار فایل‌ها را در فرآیندهای پس‌زمینه طبقه‌بندی می‌کند.",
    "None of the tagging options below are currently selected. The app will currently do nothing." : "هیچ‌کدام از گزینه‌های برچسب‌گذاری زیر در حال حاضر انتخاب نشده‌اند. برنامه در حال حاضر هیچ کاری انجام نخواهد داد.",
    "Face recognition" : "تشخیص چهره",
    "Face recognition is working. " : "تشخیص چهره در حال کار است.",
    "An error occurred during face recognition, please check the Nextcloud logs." : "خطایی در طول تشخیص چهره رخ داد، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Waiting for status reports on face recognition. If this message persists beyond 15 minutes, please check the Nextcloud logs." : "در انتظار گزارش‌های وضعیت برای تشخیص چهره. اگر این پیام بیش از 15 دقیقه باقی ماند، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Face recognition:" : "تشخیص چهره:",
    "Queued files" : "فایل‌های در صف",
    "Last classification: " : "آخرین طبقه‌بندی:",
    "Scheduled background jobs: " : "وظایف پس‌زمینه زمان‌بندی شده:",
    "Last background job execution: " : "آخرین اجرای وظیفه پس‌زمینه:",
    "There are queued files in the face recognition queue but no background job is scheduled to process them." : "فایل‌هایی در صف تشخیص چهره وجود دارد اما هیچ وظیفه پس‌زمینه‌ای برای پردازش آنها زمان‌بندی نشده است.",
    "Face clustering:" : "خوشه‌بندی چهره:",
    "faces left to cluster" : "چهره باقی‌مانده برای خوشه‌بندی",
    "Last clustering run: " : "آخرین اجرای خوشه‌بندی:",
    "A minimum of 120 faces per user is necessary for clustering to kick in" : "حداقل 120 چهره به ازای هر کاربر برای شروع خوشه‌بندی لازم است",
    "Enable face recognition (groups photos by faces that appear in them; UI is in the photos app)" : "فعال‌سازی تشخیص چهره (عکس‌ها را بر اساس چهره‌های موجود در آنها گروه‌بندی می‌کند؛ رابط کاربری در برنامه photos است)",
    "The number of files to process per job run (A job will be scheduled every 5 minutes; For normal operation ~500 or more, in WASM mode ~50 is recommended)" : "تعداد فایل‌هایی که در هر اجرای وظیفه پردازش شوند (یک وظیفه هر 5 دقیقه زمان‌بندی می‌شود؛ برای عملکرد عادی ~500 یا بیشتر، در حالت WASM ~50 توصیه می‌شود)",
    "Object detection & landmark recognition" : "تشخیص اشیاء و تشخیص مکان‌های دیدنی",
    "Object recognition is working." : "تشخیص اشیاء در حال کار است.",
    "An error occurred during object recognition, please check the Nextcloud logs." : "خطایی در طول تشخیص اشیاء رخ داد، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Waiting for status reports on object recognition. If this message persists beyond 15 minutes, please check the Nextcloud logs." : "در انتظار گزارش‌های وضعیت برای تشخیص اشیاء. اگر این پیام بیش از 15 دقیقه باقی ماند، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Object recognition:" : "تشخیص اشیاء:",
    "There are queued files in the object detection queue but no background job is scheduled to process them." : "فایل‌هایی در صف تشخیص اشیاء وجود دارد اما هیچ وظیفه پس‌زمینه‌ای برای پردازش آنها زمان‌بندی نشده است.",
    "Landmark recognition is working." : "تشخیص مکان‌های دیدنی در حال کار است.",
    "An error occurred during landmark recognition, please check the Nextcloud logs." : "خطایی در طول تشخیص مکان‌های دیدنی رخ داد، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Waiting for status reports on landmark recognition. If this message persists beyond 15 minutes, please check the Nextcloud logs." : "در انتظار گزارش‌های وضعیت برای تشخیص مکان‌های دیدنی. اگر این پیام بیش از 15 دقیقه باقی ماند، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Landmark recognition:" : "تشخیص مکان‌های دیدنی:",
    "There are queued files in the landmarks queue but no background job is scheduled to process them." : "فایل‌هایی در صف مکان‌های دیدنی وجود دارد اما هیچ وظیفه پس‌زمینه‌ای برای پردازش آنها زمان‌بندی نشده است.",
    "Enable object recognition (e.g. food, vehicles, landscapes)" : "فعال‌سازی تشخیص اشیاء (مانند غذا، وسایل نقلیه، منظره‌ها)",
    "The number of files to process per job run (A job will be scheduled every 5 minutes; For normal operation ~100 or more, in WASM mode ~20 is recommended)" : "تعداد فایل‌هایی که در هر اجرای وظیفه پردازش شوند (یک وظیفه هر 5 دقیقه زمان‌بندی می‌شود؛ برای عملکرد عادی ~100 یا بیشتر، در حالت WASM ~20 توصیه می‌شود)",
    "Enable landmark recognition (e.g. Eiffel Tower, Golden Gate Bridge)" : "فعال‌سازی تشخیص مکان‌های دیدنی (مانند برج ایفل، پل گلدن گیت)",
    "Audio tagging" : "برچسب‌گذاری صوتی",
    "Audio recognition is working." : "تشخیص صدا فعال است.",
    "An error occurred during audio recognition, please check the Nextcloud logs." : "خطایی در تشخیص صدا رخ داده است، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Waiting for status reports on audio recognition. If this message persists beyond 15 minutes, please check the Nextcloud logs." : "در انتظار گزارش وضعیت تشخیص صدا. اگر این پیام بیش از ۱۵ دقیقه باقی ماند، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Music genre recognition:" : "تشخیص سبک موسیقی:",
    "There are queued files but no background job is scheduled to process them." : "فایل‌هایی در صف وجود دارند اما هیچ وظیفه‌ای برای پردازش آن‌ها زمان‌بندی نشده است.",
    "Enable music genre recognition (e.g. pop, rock, folk, metal, new age)" : "فعال‌سازی تشخیص سبک موسیقی (مانند پاپ، راک، فولک، متال، نیو ایج)",
    "Video tagging" : "برچسب‌گذاری ویدیو",
    "Video recognition is working." : "تشخیص ویدیو فعال است.",
    "An error occurred during video recognition, please check the Nextcloud logs." : "خطایی در تشخیص ویدیو رخ داده است، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Waiting for status reports on video recognition. If this message persists beyond 15 minutes, please check the Nextcloud logs." : "در انتظار گزارش وضعیت تشخیص ویدیو. اگر این پیام بیش از ۱۵ دقیقه باقی ماند، لطفاً گزارش‌های نکست‌کلود را بررسی کنید.",
    "Video recognition:" : "تشخیص ویدیو:",
    "Enable human action recognition (e.g. arm wrestling, dribbling basketball, hula hooping)" : "فعال‌سازی تشخیص حرکات انسانی (مانند کشتی بازو، دریبل بسکتبال، حلقه زدن هولا)",
    "The number of files to process per job run (A job will be scheduled every 5 minutes; For normal operation ~20 or more, in WASM mode ~5 is recommended)" : "تعداد فایل‌های پردازش در هر اجرای وظیفه (یک وظیفه هر ۵ دقیقه زمان‌بندی می‌شود؛ برای عملکرد عادی ~۲۰ یا بیشتر، در حالت WASM ~۵ توصیه می‌شود)",
    "Reset" : "بازنشانی",
    "Click the button below to remove all tags from all files that have been classified so far." : "روی دکمه زیر کلیک کنید تا تمام برچسب‌ها از تمام فایل‌هایی که تاکنون طبقه‌بندی شده‌اند حذف شود.",
    "Reset tags for classified files" : "بازنشانی برچسب‌ها برای فایل‌های طبقه‌بندی‌شده",
    "Click the button below to remove all face detections from all files that have been classified so far." : "روی دکمه زیر کلیک کنید تا تمام تشخیص‌های چهره از تمام فایل‌هایی که تاکنون طبقه‌بندی شده‌اند حذف شود.",
    "Reset faces for classified files" : "بازنشانی چهره‌ها برای فایل‌های طبقه‌بندی‌شده",
    "Click the button below to rescan all files in this instance and add them to the classifier queues." : "روی دکمه زیر کلیک کنید تا تمام فایل‌های این نمونه دوباره اسکن شده و به صف‌های طبقه‌بندی اضافه شوند.",
    "Rescan all files" : "اسکن مجدد تمام فایل‌ها",
    "Click the button below to clear the classifier queues and clear all background jobs. This is useful when you want to do the initial classification using the terminal command." : "روی دکمه زیر کلیک کنید تا صف‌های طبقه‌بندی پاک شده و تمام وظایف پس‌زمینه حذف شوند. این کار زمانی مفید است که می‌خواهید طبقه‌بندی اولیه را با استفاده از دستور ترمینال انجام دهید.",
    "Clear queues and background jobs" : "پاک‌سازی صف‌ها و وظایف پس‌زمینه",
    "Resource usage" : "مصرف منابع",
    "By default all available CPU cores will be used which may put your system under considerable load. To avoid this, you can limit the amount of CPU Cores used. (Note: In WASM mode, currently only 1 core can be used at all times.)" : "به طور پیش‌فرض از تمام هسته‌های CPU موجود استفاده می‌شود که ممکن است سیستم شما را تحت بار قابل توجهی قرار دهد. برای جلوگیری از این کار، می‌توانید تعداد هسته‌های CPU استفاده‌شده را محدود کنید. (توجه: در حالت WASM، در حال حاضر فقط یک هسته در هر زمان قابل استفاده است.)",
    "Number of CPU Cores (0 for no limit)" : "تعداد هسته‌های CPU (0 برای بدون محدودیت)",
    "By default, recognize will only ever run one classifier process at a time. If you have a lot of resources available and want to run as many processes in parallel as possible, you can turn on concurrency here." : "به طور پیش‌فرض، تشخیص فقط یک فرآیند طبقه‌بندی را در هر بار اجرا می‌کند. اگر منابع زیادی در دسترس دارید و می‌خواهید تا حد امکان فرآیندها را به صورت موازی اجرا کنید، می‌توانید هم‌روندی را در اینجا فعال کنید.",
    "Enable unlimited concurrency of classifier processes" : "فعال‌سازی هم‌روندی نامحدود فرآیندهای طبقه‌بندی",
    "Tensorflow WASM mode" : "حالت WASM تنسورفلو",
    "Checking CPU" : "بررسی CPU",
    "Could not check whether your machine supports native TensorFlow operation. Make sure your OS has GNU lib C, your CPU supports AVX instructions and you are running on x86. If one of these things is not the case, you will need to run in WASM mode." : "امکان بررسی اینکه آیا دستگاه شما از عملیات بومی TensorFlow پشتیبانی می‌کند وجود ندارد. مطمئن شوید که سیستم عامل شما دارای GNU lib C است، CPU شما از دستورالعمل‌های AVX پشتیبانی می‌کند و روی x86 اجرا می‌شوید. اگر یکی از این موارد برقرار نیست، باید در حالت WASM اجرا کنید.",
    "Your machine supports native TensorFlow operation, you do not need WASM mode." : "دستگاه شما از عملیات بومی TensorFlow پشتیبانی می‌کند، نیازی به حالت WASM ندارید.",
    "WASM mode was activated automatically, because your machine does not support native TensorFlow operation:" : "حالت WASM به طور خودکار فعال شد، زیرا دستگاه شما از عملیات بومی TensorFlow پشتیبانی نمی‌کند:",
    "Enable WASM mode" : "فعال‌سازی حالت WASM",
    "Recognize uses Tensorflow for running the machine learning models. Not all installations support Tensorflow, either because the CPU does not support AVX instructions, or because the platform is not x86 (ie. on a Raspberry Pi, which is ARM), or because the Operating System that your nextcloud runs on (when using docker, then that is the OS within the docker image) does not come with GNU lib C (for example Alpine Linux, which is also used by Nextcloud AIO). In most cases, even if your installation does not support native Tensorflow operation, you can still run Tensorflow using WebAssembly (WASM) in Node.js. This is somewhat slower but still works." : "Recognize از Tensorflow برای اجرای مدل‌های یادگیری ماشین استفاده می‌کند. همه نصب‌ها از Tensorflow پشتیبانی نمی‌کنند، یا به دلیل اینکه CPU از دستورالعمل‌های AVX پشتیبانی نمی‌کند، یا به دلیل اینکه پلتفرم x86 نیست (مثلاً روی Raspberry Pi که ARM است)، یا به دلیل اینکه سیستم عاملی که نکست‌کلود شما روی آن اجرا می‌شود (هنگام استفاده از داکر، این سیستم عامل داخل تصویر داکر است) دارای GNU lib C نیست (مثلاً Alpine Linux که توسط Nextcloud AIO نیز استفاده می‌شود). در بیشتر موارد، حتی اگر نصب شما از عملیات بومی Tensorflow پشتیبانی نمی‌کند، همچنان می‌توانید Tensorflow را با استفاده از WebAssembly (WASM) در Node.js اجرا کنید. این کار کمی کندتر است اما همچنان کار می‌کند.",
    "Tensorflow GPU mode" : "حالت GPU تنسورفلو",
    "Enable GPU mode" : "فعال‌سازی حالت GPU",
    "Like most machine learning models, Recognize will run even faster when using a GPU. Setting this up is non-trivial but works well when everything is setup correctly." : "مانند اکثر مدل‌های یادگیری ماشین، Recognize با استفاده از GPU حتی سریع‌تر اجرا می‌شود. راه‌اندازی این کار ساده نیست اما وقتی همه چیز به درستی تنظیم شود، به خوبی کار می‌کند.",
    "Learn how to setup GPU mode with Recognize" : "نحوه راه‌اندازی حالت GPU با Recognize را بیاموزید",
    "Node.js" : "Node.js",
    "Checking Node.js" : "بررسی Node.js",
    "Node.js {version} binary was installed successfully." : "باینری Node.js نسخه {version} با موفقیت نصب شد.",
    "Checking libtensorflow" : "بررسی libtensorflow",
    "Could not load libtensorflow in Node.js. You can try to manually install libtensorflow or run in WASM mode." : "امکان بارگذاری libtensorflow در Node.js وجود ندارد. می‌توانید سعی کنید libtensorflow را به صورت دستی نصب کنید یا در حالت WASM اجرا کنید.",
    "Successfully loaded libtensorflow in Node.js, but couldn't load GPU. Make sure CUDA Toolkit and cuDNN are installed and accessible, or turn off GPU mode." : "libtensorflow با موفقیت در Node.js بارگذاری شد، اما GPU بارگذاری نشد. مطمئن شوید که CUDA Toolkit و cuDNN نصب و قابل دسترسی هستند، یا حالت GPU را خاموش کنید.",
    "Libtensorflow was loaded successfully into Node.js." : "Libtensorflow با موفقیت در Node.js بارگذاری شد.",
    "Could not load Tensorflow WASM in Node.js. Something is wrong with your setup." : "امکان بارگذاری Tensorflow WASM در Node.js وجود ندارد. مشکلی در تنظیمات شما وجود دارد.",
    "Tensorflow WASM was loaded successfully into Node.js." : "Tensorflow WASM با موفقیت در Node.js بارگذاری شد.",
    "If the shipped Node.js binary doesn't work on your system for some reason you can set the path to a custom node.js binary. Currently supported is Node v20.9 and newer v20 releases." : "اگر باینری Node.js ارائه‌شده به دلایلی روی سیستم شما کار نمی‌کند، می‌توانید مسیر را به یک باینری node.js سفارشی تنظیم کنید. در حال حاضر نسخه Node v20.9 و نسخه‌های جدیدتر v20 پشتیبانی می‌شوند.",
    "For Nextcloud Snap users, you need to adjust this path to point to the snap's \"current\" directory as the pre-configured path will change with each update. For example, set it to \"/var/snap/nextcloud/current/nextcloud/extra-apps/recognize/bin/node\" instead of \"/var/snap/nextcloud/9337974/nextcloud/extra-apps/recognize/bin/node\"" : "برای کاربران Nextcloud Snap، باید این مسیر را طوری تنظیم کنید که به دایرکتوری \"current\" snap اشاره کند، زیرا مسیر از پیش تعیین‌شده با هر به‌روزرسانی تغییر می‌کند. به عنوان مثال، آن را به \"/var/snap/nextcloud/current/nextcloud/extra-apps/recognize/bin/node\" به جای \"/var/snap/nextcloud/9337974/nextcloud/extra-apps/recognize/bin/node\" تنظیم کنید.",
    "FFMPEG" : "FFMPEG",
    "Checking FFmpeg" : "بررسی FFmpeg",
    "Could not execute the FFmpeg binary. You may need to set the path to a working binary manually." : "اجرای باینری FFmpeg ممکن نیست. ممکن است نیاز داشته باشید مسیر یک باینری فعال را به صورت دستی تنظیم کنید.",
    "FFmpeg {version} binary was installed successfully." : "باینری FFmpeg نسخه {version} با موفقیت نصب شد.",
    "If the shipped FFmpeg binary doesn't work on your system for some reason you can set the path to a custom FFmpeg binary." : "اگر باینری FFmpeg همراه به هر دلیلی روی سیستم شما کار نمی‌کند، می‌توانید مسیر یک باینری FFmpeg سفارشی را تنظیم کنید.",
    "Classifier process priority" : "اولویت پردازش Classifier",
    "Checking Nice binary" : "بررسی باینری Nice",
    "Could not find the Nice binary. You may need to set the path to a working binary manually." : "باینری Nice پیدا نشد. ممکن است نیاز داشته باشید مسیر یک باینری فعال را به صورت دستی تنظیم کنید.",
    "Nice binary path" : "مسیر باینری Nice",
    "Nice value to set the priority of the Node.js processes. The value can only be from 0 to 19 since the Node.js process runs without superuser privileges. The higher the nice value, the lower the priority of the process." : "مقدار Nice برای تنظیم اولویت فرآیندهای Node.js. مقدار فقط می‌تواند از 0 تا 19 باشد زیرا فرآیند Node.js بدون مجوز ابرکاربر اجرا می‌شود. هرچه مقدار nice بالاتر باشد، اولویت فرآیند پایین‌تر است.",
    "Terminal commands" : "دستورات ترمینال",
    "To download all models preliminary to executing the classification jobs, run the following command on the server terminal." : "برای دانلود تمام مدل‌ها قبل از اجرای وظایف طبقه‌بندی، دستور زیر را در ترمینال سرور اجرا کنید.",
    "Before running a full initial classification run on the terminal, you should stop all background processing that Recognize scheduled upon installation to avoid interference." : "قبل از اجرای یک اجرای کامل اولیه طبقه‌بندی در ترمینال، باید تمام پردازش‌های پس‌زمینه‌ای که Recognize پس از نصب زمان‌بندی کرده است را متوقف کنید تا از تداخل جلوگیری شود.",
    "To run a face clustering run on for each user in the terminal, run the following. Consider adding the parameter --batch-size 10000 for large libraries to avoid PHP memory exhaustion. (The clustering will run in sequence inside your terminal.)" : "برای اجرای یک اجرای خوشه‌بندی چهره برای هر کاربر در ترمینال، موارد زیر را اجرا کنید. برای کتابخانه‌های بزرگ، اضافه کردن پارامتر --batch-size 10000 را برای جلوگیری از اتمام حافظه PHP در نظر بگیرید. (خوشه‌بندی به صورت ترتیبی در داخل ترمینال شما اجرا می‌شود.)",
    "To remove all face clusters but keep the raw detected faces run the following on the terminal:" : "برای حذف تمام خوشه‌های چهره اما نگه داشتن چهره‌های خام شناسایی شده، موارد زیر را در ترمینال اجرا کنید:",
    "To remove all detected faces and face clusters run the following on the terminal:" : "برای حذف تمام چهره‌های شناسایی شده و خوشه‌های چهره، موارد زیر را در ترمینال اجرا کنید:",
    "You can reset the tags of all files that have been previously classified by Recognize with the following command:" : "می‌توانید برچسب‌های تمام فایل‌هایی که قبلاً توسط Recognize طبقه‌بندی شده‌اند را با دستور زیر بازنشانی کنید:",
    "You can delete all tags that no longer have any files associated with them with the following command:" : "می‌توانید تمام برچسب‌هایی که دیگر هیچ فایلی به آنها مرتبط نیست را با دستور زیر حذف کنید:",
    "To remove tags that were created by Recognize version 2 from all files run the following on the terminal:" : "برای حذف برچسب‌هایی که توسط Recognize نسخه 2 از تمام فایل‌ها ایجاد شده‌اند، موارد زیر را در ترمینال اجرا کنید:",
    "Cat" : "گربه",
    "Animal" : "حیوان",
    "Wildlife" : "حیات وحش",
    "Nature" : "طبیعت",
    "Puma" : "کوگار",
    "Leopard" : "پلنگ",
    "Lion" : "شیر",
    "Wild cat" : "گربه وحشی",
    "Cheetah" : "یوزپلنگ",
    "Seashore" : "ساحل دریا",
    "Beach" : "ساحل",
    "Water" : "آب",
    "Lakeside" : "کنار دریاچه",
    "Flower" : "گل",
    "Plant" : "گیاه",
    "Window" : "پنجره",
    "Architecture" : "معماری",
    "Stairs" : "پله",
    "Building" : "ساختمان",
    "Field" : "دشت",
    "Farm" : "مزرعه",
    "Landscape" : "منظره",
    "Portrait" : "پرتره",
    "People" : "افراد",
    "Fashion" : "مد",
    "Ship" : "کشتی",
    "Vehicle" : "وسیله نقلیه",
    "Grasshopper" : "ملخ",
    "Insect" : "حشره",
    "Fish" : "ماهی",
    "Shark" : "کوسه",
    "Chicken" : "مرغ",
    "Bird" : "پرنده",
    "Ostrich" : "شترمرغ",
    "Owl" : "جغد",
    "Salamander" : "سمندر",
    "Frog" : "قورباغه",
    "Turtle" : "لاک‌پشت",
    "Reptile" : "خزنده",
    "Lizard" : "مارمولک",
    "Chameleon" : "آفتاب‌پرست",
    "Crocodile" : "تمساح",
    "Alligator" : "الیگاتور",
    "Scorpion" : "عقرب",
    "Spider" : "عنکبوت",
    "Duck" : "اردک",
    "Worm" : "کرم",
    "Shell" : "صدف",
    "Snail" : "حلزون",
    "Crab" : "خرچنگ",
    "Lobster" : "لابستر",
    "Cooking" : "آشپزی",
    "Penguin" : "پنگوئن",
    "Whale" : "نهنگ",
    "Dog" : "سگ",
    "Wolf" : "گرگ",
    "Fox" : "روباه",
    "Bear" : "خرس",
    "Beetle" : "سوسک",
    "Butterfly" : "پروانه",
    "Rabbit" : "خرگوش",
    "Hippo" : "اسب آبی",
    "Cow" : "گاو",
    "Buffalo" : "گاومیش",
    "Sheep" : "گوسفند",
    "Ape" : "میمون بزرگ",
    "Monkey" : "میمون",
    "Lemur" : "لمور",
    "Elephant" : "فیل",
    "Panda" : "پاندا",
    "Instrument" : "ساز",
    "Music" : "موسیقی",
    "Aircraft" : "هواپیما",
    "Airport" : "فرودگاه",
    "Tractor" : "تراکتور",
    "Weapon" : "سلاح",
    "Backpack" : "کوله‌پشتی",
    "Shop" : "فروشگاه",
    "Office" : "دفتر",
    "Outdoor" : "فضای باز",
    "Living" : "زندگی",
    "Tower" : "برج",
    "Drinks" : "نوشیدنی‌ها",
    "Beverage" : "نوشیدنی",
    "Food" : "غذا",
    "Shelter" : "سرپناه",
    "Furniture" : "مبلمان",
    "Book" : "کتاب",
    "Train" : "قطار",
    "Butcher" : "قصاب",
    "Car" : "ماشین",
    "Historic" : "تاریخی",
    "Boat" : "قایق",
    "Electronics" : "الکترونیک",
    "Indoor" : "داخلی",
    "Church" : "کلیسا",
    "Shoe" : "کفش",
    "Candle" : "شمع",
    "Coffee" : "قهوه",
    "Keyboard" : "کیبورد",
    "Computer" : "کامپیوتر",
    "Helmet" : "کلاه ایمنی",
    "Wall" : "دیوار",
    "Clock" : "ساعت",
    "Dining" : "ناهارخوری",
    "Kitchen" : "آشپزخانه",
    "Snow" : "برف",
    "Dome" : "گنبد",
    "Screen" : "صفحه نمایش",
    "Flag" : "پرچم",
    "Truck" : "کامیون",
    "Store" : "فروشگاه",
    "Tool" : "ابزار",
    "Pumpkin" : "کدو تنبل",
    "Vegetables" : "سبزیجات",
    "Photography" : "عکاسی",
    "Library" : "کتابخانه",
    "Display" : "نمایشگر",
    "Bag" : "کیف",
    "Cup" : "فنجان",
    "Rocks" : "سنگ‌ها",
    "Bus" : "اتوبوس",
    "Bowl" : "کاسه",
    "Monitor" : "مانیتور",
    "Bike" : "دوچرخه",
    "Scooter" : "اسکوتر",
    "Camping" : "کمپینگ",
    "Cart" : "چرخ دستی",
    "Piggy bank" : "قلک",
    "Bottle" : "بطری",
    "Plate" : "بشقاب",
    "Camera" : "دوربین",
    "Camper" : "کمپر",
    "Barbecue" : "باربیکیو",
    "Basket" : "سبد",
    "Diving" : "غواصی",
    "Snowmobile" : "ماشین برفی",
    "Bridge" : "پل",
    "Couch" : "مبل",
    "Theater" : "تئاتر",
    "Spoon" : "قاشق",
    "Comic" : "کمیک",
    "Soup" : "سوپ",
    "Dessert" : "دسر",
    "Bakery" : "نانوایی",
    "Fruit" : "میوه",
    "Pasta" : "پاستا",
    "Meat" : "گوشت",
    "Pizza" : "پیتزا",
    "Wine" : "شراب",
    "Alpine" : "آلپاین",
    "Mountains" : "کوه‌ها",
    "Sand" : "شن",
    "Wool" : "پشم",
    "Glass" : "شیشه",
    "Moment" : "لحظه",
    "Info" : "اطلاعات",
    "Document" : "سند",
    "Puzzle" : "پازل",
    "Heritage" : "میراث",
    "Safe" : "گاوصندوق",
    "Bucket" : "سطل",
    "Baby" : "نوزاد",
    "Cradle" : "گهواره",
    "Patio" : "پاسیو",
    "Mountain" : "کوه",
    "Radio telescope" : "تلسکوپ رادیویی",
    "Theme park" : "پارک موضوعی",
    "Festival" : "جشنواره",
    "Event" : "رویداد",
    "Monument" : "بنای تاریخی",
    "Balloon" : "بادکنک",
    "Crib" : "تخت نوزاد",
    "Fan" : "پنکه",
    "Gas station" : "پمپ بنزین",
    "Wood" : "چوب",
    "Bench" : "نیمکت",
    "Parking" : "پارکینگ",
    "Traffic" : "ترافیک",
    "Public transport" : "حمل و نقل عمومی",
    "Umbrella" : "چتر",
    "Stage" : "صحنه",
    "Toy" : "اسباب‌بازی",
    "Vase" : "گلدان",
    "Mailbox" : "صندوق پست",
    "Sign" : "تابلو",
    "Gallery" : "گالری",
    "Park" : "پارک"
},"pluralForm" :"nplurals=2; plural=(n > 1);"
}