
Turkish: 
[Cary]: Hey Bilgisayar!
[Bilgisayar]: Merhaba Cary!
[Cary]: Beni müzik yap!
[Bilgisayar]: Şanslısınız! Çok çeşitli müzikal şaheserlerim var.
Rick Astley'den Asla Seni Sizi Darude - Kum Fırtınasına Bırakmayacak.
[Cary]: Hayır, hayır hayır, bu işe yaramayacak!
Ben özel bir kar tanesiyim, o yüzden sadece duymak için müzik istiyorum.
[Bilgisayar]: Sıfırdan yeni müzik yaratmamı mı istiyorsun?
Ama müziğin ne olduğunu bile bilmiyorum!
[Cary]: Evet. Mesela, sen bir bilgisayarsın, zekisin!
Bunu nasıl yapacağını bilmelisin.
[Bilgisayar]: Ben bir deneyeceğim.
[hasta beatz]
[Bilgisayar]: İyi bir iş yaptım mı?
[Cary]: Hayır!
Burada, belki Bach'tan parçalar gibi, onlardan öğrenmen için örnekler vermeliyim.
[Bilgisayar]: Ooh! Şuna bir bakayım!
Şimdi tam olarak ne yapacağımı biliyorum!
[daha fazla hasta demeti]
[Cary]: * iç çek * Açıkçası bilgisayar okulu çalışmıyor.
[Bilgisayar]: Bilgisayarların okulu yok.
[Cary]: Çünkü öğrenme kavramını bile öğrenmedin!

Korean: 
컴퓨터 안녕
carykh 도 안녕
음악좀 틀어줘
운이 좋군!
나는 다양한 종류의 명곡을 가지고 있어
릭 애슬리의 'never gonna give you' 부터 다루드(darude)의 'sandsrom' 까지 말이지
아니, 내가 원한건 그게 아냐
나는 특별한 사람이어서
나만을 위한 음악을 들려 줬으면 해
내가 새로운 음악을 '작곡'하기를 원하는 거야?
하지만 난 음악이 뭔지도 모르는걸?
그렇지 하지만 넌 컴퓨터 잖아 넌 똑똑해
어떻게 하는지 알거야
흠.. 한번 해볼게
나 잘했어?
아니
내가 너에게 학습하기 좋은 예시들을 줘야 할거같아
바흐의 작품 같이
흠.. 한번 볼게
이제 확실히 어떻게 해야할지 알거같아
컴퓨터 학교가 전혀 소용이 없네
컴퓨터는 학교 안다녀
왜냐하면 너는 '배움'의 개념조차 배우지 않았잖아

English: 
[Cary]: Hey Computer!
[Computer]: Hi Cary!
[Cary]: Make me music!
[Computer]: You are in luck! I have a wide range of musical masterpieces available,
ranging from Rick Astley's Never Gonna Give You Up to Darude - Sandstorm.
[Cary]: No, no no, that won't do it!
I'm a special snowflake, so I want music that only I get to hear.
[Computer]: You want me to create new music from scratch?
But I don't even know what music is!
[Cary]: Yeah. Like, you're a computer, you're smart!
You should know how to do that.
[Computer]: Well, I'll give it a try.
[sick beatz]
[Computer]: Did I do a good job?
[Cary]: No!
Here, maybe I should give you some examples to learn from, like pieces by Bach.
[Computer]: Ooh! Let me look at this!
Now I know exactly what to do!
[more sick beatz]
[Cary]: *sigh* Clearly computer school is not working.
[Computer]: Computers don't have school.
[Cary]: Because you didn't even learn the concept of learning!

Spanish: 
[Cary]: ¡Oye, Computadora!
[Computadora]: ¡Hola, Cary!
[Cary]: ¡Hazme música!
[Computadora]: ¡Estás de suerte! Tengo una amplia gama de obras maestras musicales disponibles,
que van desde Rick Astley's Never Gonna Give You Up to Darude - Sandstorm.
[Cary]: ¡No, no, no, no, eso no lo hará!
Soy un copo de nieve especial, así que quiero música que sólo yo pueda escuchar.
[Computadora]: ¿Quieres que cree nueva música desde cero?
¡Pero ni siquiera sé lo que es la música!
[Cary]: Sí. Como si fueras una computadora, ¡eres inteligente!
Deberías saber cómo hacerlo.
[Computadora]: Bueno, lo intentaré.
[sick beatz]
[Computadora]: ¿Hice un buen trabajo?
[Cary]: ¡No!
Aquí, tal vez debería darte algunos ejemplos para aprender, como piezas de Bach.
[Computadora]: Ooh! ¡Déjame ver esto!
¡Ahora sé exactamente qué hacer!
[más enfermo beatz]
[Cary]: *suspiro* Claramente la escuela de computación no funciona.
[Computadora]: Las computadoras no tienen escuela.
[Cary]: ¡Porque ni siquiera aprendiste el concepto de aprender!

English: 
Maybe you should just take a look at Andrej Karpathy's article.
[Computer]: Woah! Recurrent neural networks!
I'll be sure to remember this unless it passes through a "forget gate".
[transition music]
[even more sick beatz]
Ok, enough of that bizarre skit thing.
Computery, you're free to go!
Yay! Time to become SkyNet!
As you can probably tell by now,
The goal of this project is to get a program to replicate pieces of Bach
as closely as possible.
To do this, I first downloaded as many MIDI files of Bach pieces as I could.
I restricted it to keyboard only pieces to keep it simple.
This website is so old, some of the links are older than me!
And any file over 30 kb is labeled to warn it to you of its large size.
The next step was to convert these MIDI files into text files using MIDI CSV.
Now, they're slightly easier to deal with, but not by much.

Korean: 
앤드류 케퍼시(Andrej Karpathy)의 
글을 보는게 좋을거 같아
오 최신 신경망!
확실하게 기억할게
약한 부분?을 지나가지 않는다면 말이야
음.. 그래
기괴한건 이거면 충분하고
컴퓨터야 가도 좋아
이예! 스카이넷이 될 때가 왔다
너는 아마 잘 알고있을거야
이 프로젝트의 목적이
프로그램을 가지고 바흐의 작품을 모방하는 거라는걸 말이야
가능한 한 가깝게
이를 위해서 나는 바흐 음악의 가능한 한 아주
 많은 MIDI파일 들을 다운받았어
단순함을 위해 오직 건반표시만 있는 걸로 제한했어
이 웹사이트의 링크들은 오래돼서 
어떤건 나보다 오래됐어
30 kilobyte가 넘는 파일들은 
용량에 주의하라고 옆에 크기가 나와 있어
다음 과정은 
이 MIDI 파일을 CSV파일로 변환하는 작업 이었어
MIDICSV 프로그램을 통해서 말이야
이제 조금 다루기 쉬워졌네
하지만, 아직 아니야

Turkish: 
Belki de Andrej Karpathy'nin makalesine bir göz atmalısın.
[Bilgisayar]: Woah! Tekrarlayan sinir ağları!
Bunu bir "unut geçidinden" geçmediği sürece hatırlayacağımdan emin olacağım.
[müzik geçişi]
[daha da hasta hastaları]
Tamam, bu tuhaf şeyden yeterince.
Computery, gitmekte özgürsün!
Yuppi! SkyNet olma zamanı!
Şu ana kadar söyleyebileceğin gibi,
Bu projenin amacı Bach parçalarını çoğaltmak için bir program elde etmektir.
olabildiğince yakın.
Bunu yapmak için önce Bach parçalarının mümkün olduğunca çok MIDI dosyasını indirdim.
Klavyeyi basitleştirmek için sadece parçalarla sınırlandırdım.
Bu web sitesi çok eski, linklerin bazıları benden daha eski!
Ve 30 kb üzerindeki dosyalar, sizi büyük boyutlarında uyarmak için etiketlenir.
Bir sonraki adım bu MIDI dosyalarını MIDI CSV kullanarak metin dosyalarına dönüştürmekti.
Şimdi, başa çıkmaları biraz daha kolay, ama fazla değil.

Spanish: 
Quizá deberías echar un vistazo al artículo de Andrej Karpathy.
[Computadora]: Woah! ¡Redes neuronales recurrentes!
Me aseguraré de recordarlo a menos que pase por una "puerta del olvido".
[música de transición]
[incluso más enfermo beatz]
Vale, basta de esa extraña escena de teatro.
Computadora, ¡eres libre de irte!
¡Yay! Hora de convertirse en SkyNet!
Como probablemente ya sepas,
El objetivo de este proyecto es conseguir un programa para replicar piezas de Bach.
lo más cerca posible.
Para hacer esto, primero descargué tantos archivos MIDI de piezas de Bach como pude.
Lo restringí a piezas de teclado para mantenerlo simple.
Este sitio web es tan antiguo, algunos de los enlaces son más viejos que yo!
Y cualquier archivo de más de 30 kb está etiquetado para advertirle de su gran tamaño.
El siguiente paso fue convertir estos archivos MIDI en archivos de texto usando MIDI CSV.
Ahora, son un poco más fáciles de manejar, pero no por mucho.

Turkish: 
Hala çok fazla boşa harcanan karakterimiz var.
"Not", "Not kapalı", "Not açık", "Not kapalı".
Özel bir işleme betiğinde, bu gereksiz karakterleri çıkardım,
ve piyanonun 88 perdesini 88 farklı ASCII karakterine dönüştürdü.
Aynı anda birden fazla notanın çalınmasını sağlamak için,
Her bir zaman diliminin nerede geçtiğini göstermek için boşluklara girdim.
Bu, dosyanın boyutunu yaklaşık 6 kat küçültür.
Bu da bir sonraki adıma girmeyi çok daha kolaylaştırıyor!
Hangisi...
Andrej Karpathy'nin büyülü LSTM'si!
Cidden, bu LSTM'nin blog yazısını öğrenerek karmaşık metin kalıplarını çoğaltarak öğrenmesi artık oldukça ünlü.
Her makine öğrenen makalenin bir yere bağlantısı olduğu anlaşılıyor.
hatta Google!
Ama yine de, bu LSTM girdi olarak metne girdiğinden, düzeltilmiş Bach metnimizi besleyebiliriz,
Ve bam!
Eğitime başlayacak!
Birkaç saat veya gün sonra ...
Eğitimi durdurabilir ve LSTM'nin kendi metnini çıkarmasına izin verebiliriz.

Spanish: 
Todavía tenemos un montón de caracteres desperdiciados diciendo,
"Note on", "Note off", "Note off", "Note on", "Note off".
En un script de Procesamiento personalizado, eliminé estos caracteres innecesarios,
y convertí los 88 tonos del piano en 88 caracteres ASCII diferentes.
Para permitir que las notas múltiples sean tocadas al mismo tiempo,
entré en espacios, para mostrar donde cada unidad de tiempo pasa.
Esto reduce el tamaño del archivo unas 6 veces.
Lo que hace mucho más fácil introducirlo en el siguiente paso!
Que es...
El mágico LSTM de Andrej Karpathy!
En serio, sin embargo, su entrada en el blog de este LSTM aprender y replicar patrones complejos de texto es bastante famoso ahora.
Parece que cada artículo de aprendizaje de máquina se enlaza a él en alguna parte,
¡incluso Google!
Pero de todos modos, ya que este LSTM toma el texto como entrada, podemos simplemente alimentar nuestro texto reformado de Bach,
¡Y bam!
¡Empezará a entrenar!
Después de unas horas o días...
Podemos detener el entrenamiento y dejar que el LSTM publique su propio texto.

Korean: 
여전히 쓸모없는 글자들을 볼 수 있어
"노트 꺼", "노트 켜" 같이
나는 이런 쓸모없는 글자들을 
스크립트를 짜서 없애버렸어
그리고는 88개의 아스키 코드로  88개의 음을 가지는 피아노로 만들었지
동시에 연주되는 여러 음들을 표현하기 위해
나는 공백을 추가해서 시간 단위로 묶어버렸어
(각각의 뭉텅이가 동시에 눌린다)
이  과정은 파일의 크기를 1/6배로 줄여줬어
그 말은 즉슨, 
다음 단계로 입력하기에 더욱 쉬워진다는 소리지
바로 앤드류 케페시의 'Magical LSTM'
진지하게 말이야,
아무리 LSTM이 텍스트의 복잡한 패턴을 학습하고 복제하는  걸 포스트한 그의 글이 꽤나 유명하다고 해도, 아무곳에서나 다 그의 블로그 링크를 다는거 같아
심지어 구글마저도!
어쨋거나, 이 LSTM이 입력 파일로 필요한건 텍스트니까
우리는 그저 간략화된 텍스트 박스만 넣으면!
뺌!
학습을 시작해
어느정도의 시간이 흐르고 학습을 멈추면 LSTM가 만들어낸 텍스트를 얻을 수 있어

English: 
We still have a lot of wasted characters just saying,
"Note on", "Note off", "Note on", "Note off".
In a custom Processing script, I stripped away these unnecesary characters,
and converted the 88 pitches of the piano into 88 different ASCII characters.
To allow for multiple notes to be played at the same time,
I entered in spaces, to show where each unit of time ticks by.
This shrinks the file's size by about 6 times.
Which makes it much easier to input it onto the next step!
Which is...
Andrej Karpathy's magical LSTM!
Seriously though, his blog post of this LSTM learning and replicating complex patterns of text is pretty much famous now.
It seems like every machine-learning article links to it somewhere,
even Google!
But anyway, since this LSTM takes in text as input, we can just feed our reformated Bach text,
And bam!
It'll start training!
After a few hours or days...
We can stop the training and let the LSTM output its own text.

Turkish: 
Umarım, bu metin orijinal eğitim verilerimizi mümkün olduğunca taklit eder!
Aslında, çıkarılan metnin eğitim verilerini tam olarak çoğaltmasını istemiyoruz.
Sadece aynı kalıpları kullanacağını umuyoruz, ancak teknik olarak hala orijinal.
Devam etmeden önce ..
Şunu söylemek isterim ki, tesadüf eseri
'Yaeh Yaeh Yaeh Yaeh' kelimesini buldum.
Şarkı sözlerine benziyorlar ama hayır.
Sahaları temsil ediyor
89, 97, 101 ve 104.
Yani, aslında ilk inversiyonda büyük bir akor var!
Şimdi ne olacak?
Artık tüm dönüşüm işlemlerini tersten uygulayabiliriz.
Yeniden biçimlendirilmiş metinden gidiyoruz
Özel bir işleme betiği kullanarak gereksiz yere uzun metne geri dönün.
gereksiz yere uzun metinden tekrar MIDI'ye
CSV MIDI kullanarak,
ve sonra nihayet MIDI'den tekrar WAV'a
ya da başka birşey :/
sadece windows media player kullanarak ve çıktıyı kaydederek.
Demek bilgisayar duydun mu?
[Bilgisayar]: İşte benim!
[Cary]: -Çıktı
Fakat doğru hatırlıyorsam,
Sadece 7 dakikalık eğitim duydunuz!
Bu çok uzun değil!
Bakalım daha uzun süre eğitirsek ne olacağını görelim!

Spanish: 
Esperamos que este texto imite nuestros datos de entrenamiento originales lo más cerca posible!
En realidad, no queremos que el texto en disputa reproduzca exactamente los datos de entrenamiento.
Sólo esperamos que tome los mismos patrones, pero sigue siendo técnicamente original.
Antes de continuar..
Quiero señalarlo por casualidad,
Encontré las palabras' Yaeh Yaeh Yaeh Yaeh'.
Parecen letras, pero no.
Representa los lanzamientos de
89,97,101 y 104.
Así que, ¡un acorde mayor en la primera inversión, en realidad!
¿Y ahora qué?
Bueno, podemos pasar por todos los procesos de conversión al revés ahora.
Pasamos del texto formateado
al texto innecesariamente largo utilizando un script de Procesamiento personalizado.
desde el texto innecesariamente largo de nuevo a MIDI
usando CSV MIDI,
y finalmente desde MIDI de vuelta a WAV
o algo así :/
simplemente usando Windows Media Player y grabando la salida.
Así que eso es lo que oíste en la salida-
[Computadora]: ¡Ese soy yo!
[Cary]: -de la computadora.
Pero, si no recuerdo mal,
¡Sólo has oído 7 minutos de entrenamiento!
¡Eso no es mucho tiempo!
Veamos qué pasa si lo entrenamos más tiempo.

English: 
Hopefully, this text imitates our original training data as close as possible!
Actually, we don't want the outputed text to exactly replicate the training data.
We just hope that it takes upon the same patterns, but it's still technically original.
Before we go on..
I want to point out that just by coincidence,
I found the words 'Yaeh Yaeh Yaeh Yaeh'.
They look like lyrics, but no.
It's representing the pitches of
89, 97, 101, and 104.
So, a major chord in first inversion, actually!
Now what?
Well, we can just go through all the conversion processes in reverse now.
We go from the reformatted text,
back into the unnecessarily long text using a custom Processing script.
from the unnecessarily long text back into MIDI
using CSV MIDI,
and then finally from MIDI back into WAV
or something :/
by just using windows media player and recording the output.
So that's what you heard computery-
[Computery]: That's me!
[Cary]: -output.
But, if I recall correctly,
You've only heard 7 minutes of training!
That's not very long!
Let's see what happens if we train it for longer!

Korean: 
바라건대, 이 텍스트가 우리의 데이터를 잘 모방 
했으면 좋겠어
가능한 한 말이지
진짜로, 우리는 출력된 텍스트가 우리의 학습 데이터와 완벽하게 똑같이 않았으면 해
그저 같은 패턴을 가지지만 엄밀히 따져 
독창적이었으면 해
시작하기 전에...
우연히 일어난 일에 주목하고 싶어
나는 'Yaeh' 'Yaeh' 'Yaeh' 라는 단어를 발견했어
마치 노래 가사 같지만 아니야
이것들은 각각 음의 높이  '89', '97', '101', '104'를 표현해
이건, 첫 번째 자리바꿈에서의 장화음이야
실제로는....(화음)
그래서 또 뭐?
음... 우리는 우리가 해왔던 과정들을 
반대로 할 수 있을거야
우리는 이 간략화된 텍스트 파일을 스크립트를 통해 
다시 긴 파일로 바꾸고
긴 텍스트 파일을 MIDICSV를 통해 
다시 MIDI파일로 바꾸고
그리고나서 최종적으로 wav 파일 같은걸로 바꾸는 거지
윈도우 미디어 플레이어를 통해 출력물을 녹음하는 거지
너가 듣게 되는 것이 컴퓨터가 낸
바로 내가
출력물 인거지
하지만, 내가 잘못 했다면?
우리는 학습을 7분밖에 안시켰어
그건 그렇게 긴 시간이 아니야
우리가 학습을 더 오래 시키면 어떻게 되는지 보자고

Korean: 
아 그래, 비교를 위해 바흐의 실제 음악을 준비했어
그리고 이게 0~7 분 동안 학습에 의한 결과야
계속해서 7~8분 간격으로 결과들을 보자
15분 학습의 결과야

Korean: 
22분
LSTM에게 한마디 해줄 수 있다면..
그냥
닥
쳐
진정하고, 30분 학습 이후의 결과를 를 보자고
내 조언을 들어줘서 고마워 LSTM :)
이제 37분

Korean: 
그런데 말이야, 나는 이 모든걸 CPU로만 하고 있어 
그래서...
만약 내가 (좋은) GPU를 얻게 된다면 더 많은 양으로 속도를 올릴 수 있었을 거야...
어쨋거나, 45분
52분 짜리를 보여주기 전에, "악기"는 학습과 전혀 관련이 없다는 걸 알려주고 싶어
그래서, 너가 하프시코드로 바흐의 음악을 들었더라도 피아노로 결과를 듣게 되는거야
신경망은 악기를 어떻게 바꿔야하는지 전혀 모를테니까 그건 무시하는게 더 나을거야
52분

Korean: 
한시간 동안 학습시키고 이걸 얻었어
훨씬 들어줄만한 음악을 만들고 있다는걸 볼 수 있어
하지만 아직 화음을 잘 구성하지 못하기 때문에
펑키음악을 연주하고 있어
때로는 제즈음악을 연주하는것 같지만 나머지는 별로야
어쨋거나, 한시간 이후에 음들을 천천히 연주하면서 다른 스펙트럼으로 넘어갔다고 말하고 싶어
더 나은 타협안을 찾는지 지켜 보자고

Korean: 
90분 정도 지난거 같은 결과야
또, 이건 제즈 같지만, 화음들을 어떻게 해결해야 하는지 전혀 모르는 거 같아
내 생각에는 화음 부분이 가장 배워야할 가장 큰 부분이라 많은 메모리를 필요로 하는것 같아
150분이야
이 부분에서 아마 '수확체감의 법칙'에 다다른거 같아, 이는 많은 학습을 시킬 수 있지만 큰 향상이 일어나지 않는 것을 의미해
어쨋거나, 끝에서 두 번째인 4시간 학습의 결과야...

Korean: 
그리고 이게 마지막 6시간 학습의 결과야 
(실제로는 아니지만 ;) )
(어...이거 해결해 주실분...?)
(최선은 아니지만.... 뭐)

Korean: 
(이게 새 작품에 시작이야!
내가 학습 데이터를 재구성할 때, 3초의 간격으로 분리하면서 모든 텍스트 파일을 묶어버렸어
LSTM이 그 패턴을 모방했고 이게 바로 그거야)
(비디오의 끝까지 연주를 계속하자)

Korean: 
하지만, 이게 내 노력의 끝은 아니었어, 왜냐하면 다음에 나는 음악의 다양성을 높이기 위해서 바흐와 모차르트의 음악을 동사에 학습 시키기를 원했었거든
그래서 샘플 크기가 두배가 됐지. 하지만 나는 추가적으로 모든 데이터를 6번 조옮김 했어. 
반음씩 올려가면서 말이야
왜냐하면 각각의 88개의 음들이 다른 차원의 것으로 분류돼 즉, 신경망은 한 번 조옮김 된 음악을 다르게 본다는 말이야 (음의 높이에서, 리듬이 아니라)
그래서 데이터의 크기는 12배가 되었고, 
이게 700개의 뉴론들 3개의 층으로 구성된 신경망으로 
하루종일 학습시킨 결과야
 
(이전 300뉴런들 3개의 층으로 구성된 LSTM 보다  ~5배 정도 길다.)
(<3 화음 진척의 수준이!)

Korean: 
(처음엔 좋았지만.. 점점 불안정해지고 있어...)
(비록 아직 화음에 대해서는 잘 이해하지 못했지만, 이 LSTM은 리듬은 잘 이해한 것 같아. 아마도 이건 18시간의 추가 학습이나 더 빠른 모차르트의 작품때문인거 같아)
내 생각엔 새출발이 필요한거 같아
여기 바흐-모차르드 LSTM의 또다른 부분이 있어...
아주 놀랄 만한 꾸밈이야 
내가 무슨 말을 하는지 알게 될거야!

Turkish: 
O başyapıtı kısa kestiğim için üzgünüm
ama bazı son düşünceler vereceğim
Yani, her şeyden önce, işleri kısa kesmekle ilgili,
Sonuna kapanması gibi bir yer bulmaya çalıştım.
ama bu sinir ağları hakkında bir şey ki
Asla bitmez!
Gibi, notlar akışı sadece devam ediyor ve gidiyor ve gidiyor
Nereden kestiysem hissedeceğim
eksik
İkincisi, bu projenin nihai amacı nedir?
Bach ve Mozart parçalarını mümkün olduğu kadar yakın kopyalamak istiyorsak,
Mükemmel sinir ağı olmaz mıydı?
bu parçaları klonla ve sözlerini tükürme?
Bu sadece eğitim verilerini ezberleme ve güçlendirme sürecidir.
abartılı denir
ve biz bunu istemiyoruz
çünkü orjinal sondaj müziğini dinlemek istiyoruz!

Korean: 
명곡을 짧게 끊어서 미안하지만, 결론을 줘야할거 같아
짧게 끊은 이유는 첫번째로, 이제 끝내야 할거 같아서 이고
하나 더해서, 이 신경망은 음의 흐름을 절대로 멈추지 않아
노래가 계에에에에에에속 이어져
그래서 내가 언제 끊더라도 불완전다고 느낄거야
두번째로는, 이 프로젝트의 궁극적인 목표가 무엇이냐는 거야
만약 우리가 바흐와 모차르트의 작품을 가능한 한 가깝게 모방하는 것이라면, 완벽한 신경망은 단순히 이런 작품들을 복제하고 그대로 결과를 내뱉지 않을거야
이렇게 학습시킨 데이터를 역류하는 과정을 과적합이라고 불러
우리는 독창적인 음악을 듣고싶어 하기때문에 그런걸 원하지 않아

English: 
Sorry for cutting that masterpiece off short
but I'm gonna give some final thoughts
So, first of all, about cutting things off short,
Well, I tried to find a place that felt like it had closure to end it
but one thing about these neural networks is that
It never ends!
Like, the stream of notes just keeps going and going and going
So wherever I cut it off it's gonna feel like
it's incomplete
The second thing is, what is the ultimate goal of this project?
If we want to replicate Bach and Mozart pieces as close as possible,
Wouldn't the perfect neural network just
clone those pieces and spit them out verbatim?
This process of just memorizing and regurgitating the training data
is called overfitting
and we don't want that
because we'd like to listen to original sounding music!

Spanish: 
Lamento interrumpir la obra maestra,
pero voy a dar algunas ideas finales.
Así que, en primer lugar, sobre cortar cosas cortas,
Bueno, traté de encontrar un lugar que se sentía como si tuviera un cierre para terminarlo,
pero una cosa de estas redes neuronales es que
¡Nunca termina!
Como, el flujo de notas sigue yendo y viniendo y yendo.
Así que donde quiera que lo corte se va a sentir como
si estuviera incompleto.
La segunda cosa es, ¿cuál es el objetivo final de este proyecto?
Si queremos replicar las piezas de Bach y Mozart lo más cerca posible,
¿No sería la red neuronal perfecta simplemente
clonar esas piezas y escupirlas literalmente?
Este proceso de sólo memorizar y regurgitar los datos de entrenamiento
se llama overfitting
y no queremos que eso suceda
porque nos gustaría escuchar música original!

Turkish: 
Bu LSTM'yi fazla abartmakla suçlayan herkes için,
sadece 5 saniyeden fazla dinle
ve çok garip geldiğini fark edeceksiniz
Bir şeyin aslında Bach veya Mozart'ta görünmesi için.
Bu yüzden, fazla yormadığımı kanıtlamanın yeterli olduğunu düşünüyorum.
bunun gerçek analizini yapabilirim
Ama bunun çok iş gerektirdiğini hissediyorum
Aklımdaki üçüncü düşünce
Bu LSTM'nin müziğini küçümseyen birçok insanı hayal edebiliyorum.
“Ah, o kadar iyi bir insan kadar yakın değil! Tüm bunların amacı ne? Çöp gibi geliyor!”
Ve bunu anlayabilirdim
Bir insanın yapabileceği kadar iyi olmadığı belli değil.
Ancak bilgisayarların insanlara göre bir avantajı
iyi, iki sanırım
hız ve efor.
Çünkü sizden bir insandan 10 saatlik orijinal müzik yaratmasını istemeniz durumunda,
Bu onların ömür boyu onları alabilir.
Ancak, eğer bu LSTM'yi kullanmak istersem, bir gecede çalışmasına izin verebilirim.
Ve ben uyurken, olacak.

Korean: 
이게 LSTM의 과적합 문제라고 하는 사람들은 음악을 5초 이상 들어봐 너무 이상해서 바흐나 모차르트의 
음악이라고는 생각되지 않을거야
그래서 비록 내가 음악들을 분석하기는 했지만 
과적합되지 않았다는 충분한 증명이 된다고 생각해
하지만 나는 더 많은 작업이 필요하다고 느껴
내가 멈춘 세번째 이유는, 많은 사람들이 이 LSTM 음악들을 들으면서
"와.. 인간보다 잘하는걸 찾아 볼 수 없네, 이 똥덩어리같은 음악의 포인트가 뭐야?" 라고 말하는걸 상상했기 때문이야
그리고 나 역시 인간보다 잘하는걸 찾아볼 수 없다는걸 이해해
하지만 컴퓨터가 인간보다 우위로 가지는 한가지 이점이 내 생각에는 속도와 노력이라고 생각해
왜냐하면 만약 너가 인간에게 너만을 위한 독창적인 음악 10시간짜리를 만들라고 요청한다면 그 인간은 아마도 일생을 바쳐야 할거야
하지만 내가 이 LSTM을 쓰기를 원한다면 하루 종일 돌려 놓고 자면 음악이 완성되지

English: 
To anyone who accuses this LSTM of overfitting,
just listen to any more than 5 seconds of it
and you'll realize it sounds too wonky
for something to actually appear in Bach or Mozart.
So, I think that is enough proof that I'm not overfitting
though I could do actual analysis of that
But i feel like that takes a lot of work
The third thought on my mind is
I could imagine a lot of people downplaying this LSTM's music, saying
"Oh, it's nowhere near as good as a human! What's the point of all this? It sounds like garbage!"
And I could understand that
It's clearly nowhere near as good as a human could do,
But one advantage that computers have over humans
well, two, I guess
is speed and effort.
Because if you were to ask a human to create 10 hours of original music for you,
that might take them their entire lifetime.
But, if I want to use this LSTM I can just let it run overnight.
And when I'm sleeping, It'll happen.

Spanish: 
Para cualquiera que acuse a este LSTM de exceso de adaptación,
sólo tiene que escuchar más de 5 segundos
y se dará cuenta de que suena demasiado torpe
para que algo aparezca en Bach o Mozart.
Así que, creo que eso es prueba suficiente de que no me adapto demasiado
aunque podría hacer un análisis real de eso,
Pero creo que eso requiere mucho trabajo.
El tercer pensamiento en mi mente es
Que podría imaginarme a mucha gente minimizando la música de este LSTM, diciendo:
"¡Oh, no es tan bueno como un humano! ¿Qué sentido tiene todo esto? ¡Suena como basura!"
Y yo podría entender
Que está claro que no es tan bueno como un ser humano podría hacer,
Pero una ventaja que las computadoras tienen sobre los humanos
bien, dos, supongo
que es la velocidad y el esfuerzo.
Porque si le pidieras a un humano que creara 10 horas de música original para ti,
eso podría llevarles toda su vida.
Pero, si quiero usar este LSTM puedo dejarlo correr toda la noche.
Y cuando duermo, pasará.

Spanish: 
Así que en el espectro de cantidad VS calidad, usted puede ver que estamos realmente, realmente sobresaliendo en el lado de la cantidad.
Por cierto, si alguno de ustedes, YouTubers, desea utilizar esta música en el fondo de sus vídeos, puede hacerlo.
pero no es muy buena música, ¿por qué querrías hacerlo?
pero es libre de derechos de autor y todo eso para que no tengas que preocuparte.
justo crédito
uuuuuuuuuuuuuuuuuuuuuuuuuum
informática
¿De acuerdo?
pero imagínese que si un compositor humano quiere acelerar el ritmo al que puede producir música,
se necesitará mucha
formación y práctica para que
la música sea un 10% más rápida.
Pero si quiero hacer música en mi LSTM 10x más rápido,
bueno, ¡sólo necesito comprar 10 computadoras!
Lo que suena como mucho, pero en realidad
es un pequeño gasto y ahora
todo corre 10 veces más rápido y consigues 10 veces más música por segundo,
lo que es una locura,
Pero hablando de acelerar las cosas, como he dicho antes
necesito conseguir una GPU.
Bueno, tengo un gpu en mi computadora, pero es como AMD
que es un poco inservible para el flujo tensor
pero
sí, como
que acelerará las cosas por órdenes de magnitud

Korean: 
그래서 질과 양의 대결에서 너는 우리가 정말로 양적인 부분에서 가속을 얻었다고 볼 수 있을거야
그나 저나, 만약 너가 이 음악을 브금으로 사용하기를 원하는 유튜버라면 그래도 돼, 하지만 좋은 음악이 아닌데 너가 왜 그걸 물어보겠어? ㅎ
저작권은 없으니까 걱정할 필요 없어
제작자는...?
엄....
컴퓨터야
하지만 만약 인간 작곡가가 음악작곡에 속도를 높이려고 한다면, 열심히 학습하고 노력해서 아마 10% 더 빨라질거야
그렇지만 내가 내 LSTM으로 음악을 10배 빠르게 만들고 싶으면 컴퓨터 10대가 필요할 뿐이야
생각보다 많아보이지만 이건 정말 작은 비용이고 모든게 10배가 빨라지지 또, 너는 시간당 10배 더 많은 음악을 
얻게 되는 거야, 엄청난거지
하지만 속도를 올리기 위해서는 내가 앞서 말했듯이 GPU가 필요해
물론 내 컴퓨터에 GPU가 있지만, AMD는 기계학습에는 소용없어
그래... 그것들은 정말로 양적인 부분에서 속도를 높여줄거야

Turkish: 
Bu yüzden, VS miktar spektrumunun kalitesinde, miktar tarafında gerçekten çok iyi olduğumuzu görebilirsiniz.
Bu arada, eğer YouTubers'tan biri bu müziği videolarınızın arka planında kullanmak istiyorsa, bunu yapabilirsiniz.
ama, çok iyi bir müzik değil, öyleyse neden istiyorsun?
ama, telif hakkı içermeyen ve hepsi bu kadar endişelenmenize gerek yok.
sadece kredi
uuuuuuuuuuuuuuuuuuuuuuuuuum
computery
Tamam?
ancak bir insan bestecinin müzik üretme hızını arttırmak isteyip istemediğini hayal edin,
çok sürecek
sadece eğitim ve uygulama
belki% 10 daha hızlı müzik yap.
Ancak, eğer LSTM 10x’de daha hızlı müzik yapmak istersem,
peki, sadece 10 bilgisayar almam gerekiyor!
Kulağa çok benziyor ama gerçekten
küçük bir gider ve şimdi
her şey 10 kat daha hızlı çalışıyor ve saniyede 10 kat daha fazla müzik alıyorsunuz
bu oldukça çılgın
Ama daha önce söylediğim gibi, işleri hızlandırmaktan bahsetmek
Bir GPU almam lazım.
Bilgisayarımda bir gpu var, ama AMD gibi
tansör akışı için kullanılamaz bir tür
fakat
evet gibi
büyüklük emriyle işleri hızlandıracak

English: 
So on the quality VS quantity spectrum, you can see we're really, really excelling on the quantity side.
By the way, if any of you YouTubers want to use this music in the background of your videos, you can.
but, like, it's not very good music so why would you want to?
but, it's, like copyright free and all that so you don't need to worry.
just credit
uuuuuuuuuuuuuuuuuuuuuuuuuum
computery
okay?
but imagine if a human composer wants to speed up the rate at which they can produce music,
it will take a lot of
training and practice just to
make music, maybe, 10% faster.
But say, if I want to make music on my LSTM 10x faster,
well, I just need to buy 10 computers!
Which sound like a lot, but really It's just
a small expense and now
everything runs 10x faster and you get 10x more music per second
that's pretty crazy
But speaking of speeding things up, as I said earlier
I need to get a GPU.
Well, I have a gpu in my computer, but It's like AMD
which is kind of unusable for tensor flow
but
yeah, like
it will speed things up by orders of magnitude

Korean: 
추가적으로, 나는 오로지 가장 크고 강렬한 모델을 이 영상에서 하루만 학습시켰어
만약 내가 더 강력한 GPU를 가지고 더 오래 학습시킨다면, 100배는 더 길게 학습시키는게 가능할거야
또한, 나는 과적합을 막기위해 다른 작곡가들의 작품들을 찾을 수 있을거야
하지만 나는 이런 똥덩어리 같은 프로세서를 가지고 하루만에 만든 결과라면 더 좋아지면 어떻게 될지를 상상하는건 흥미로웠어
어 그러고보니까 이말하는거 깜빡했다
나는 확실하게 이걸 시도한 첫번째 사람이 아니야 내 결과 역시 최고의 결과도 아니지
오래는 아니지만 나는 AI가 만든 더 좋은 음악을 들어왔지만 이게 내가 시도한 결과였고 이러한 결과들 뒤에 어떤 일이 일어나는지 많은 것을 알게 되었어
추가로 이걸 이제 수정 할 수 있지만 그러지 않을거야
어쨋든 이 긴 영상 봐줘서 고마워

English: 
and in addition, i only trained the biggest, most intensive model
of this video
for a day.
so if I trained it for longer, like a week,
with a more powerful GPU,
or maybe multiple,
then
It's very possible for me to train essentially 100x longer. Which is kind of crazy!
In addition, I'll try to find more pieces by other composers to reduce the chance of overfitting
but, I'm just really excited!
Because if this is what we get after just one day of training on a pretty crappy processor
Just imagine what else is possible if I actually try harder
oh, by the way, I forgot to mention
I'm clearly not the first person to try something like this
nor are my results the best so far.
not by a long shot. I've heard a lot of better AI-generated music.
But this was just me trying something out
and now I know a lot more about what's happening behind the scenes
and plus, I can now tweak it however I want!
anyway, thanks to all of you for watching this far into the video

Turkish: 
ve ayrıca, sadece en büyük, en yoğun modeli eğittim
bu videonun
bir gün için.
eğer bir hafta gibi daha uzun süre eğitirsem,
daha güçlü bir GPU ile
ya da belki birden
sonra
Esasen 100 kat daha uzun süre egzersiz yapmam çok mümkün. Hangisi delilik!
Buna ek olarak, fazla uydurma şansını azaltmak için diğer besteciler tarafından daha fazla eser bulmaya çalışacağım
ama, sadece çok heyecanlıyım!
Çünkü bu oldukça berbat bir işlemcide sadece bir günlük eğitimden sonra elde ettiğimiz şeyse
Gerçekten daha fazla çabalarsam başka ne mümkün olduğunu hayal et
oh, bu arada, söylemeyi unuttum
Açıkça böyle bir şey deneyen ilk kişi ben değilim.
ne de sonuçlarım şu ana kadar ki en iyisi değil.
uzun bir atışla değil. Çok daha iyi AI kaynaklı müzik duydum.
Ama bu sadece bir şeyi deneyen bendim
ve şimdi sahne arkasında neler olup bittiğini hakkında çok şey biliyorum
ve artı, şimdi istediğim gibi ayarlayabilirim!
Neyse, hepinize bu kadar videoyu izlediğiniz için teşekkürler

Spanish: 
y además, sólo entrené el modelo más grande e intensivo
de este video
por un día.
así que si lo he entrenado durante más tiempo, como una semana,
con una GPU más potente,
o quizás múltiple,
entonces
es muy posible que entrene esencialmente 100 veces más. Lo que es un poco loco!
Además, voy a tratar de encontrar más piezas de otros compositores para reducir la posibilidad de adaptación,
pero, ¡estoy muy emocionado!
Porque si esto es lo que obtenemos después de sólo un día de entrenamiento en un procesador bastante asqueroso
Sólo imagínate lo que es posible si realmente me esfuerzo más duro
oh, por cierto, me olvidé de mencionar
que claramente no soy la primera persona en intentar algo así,
ni mis resultados son los mejores hasta ahora.
ni de lejos. He oído mucha mejor música generada por AI.
Pero esto era sólo yo probando algo
y ahora sé mucho más sobre lo que está pasando entre bastidores
y además, ¡ahora puedo ajustarlo como quiera!
De todos modos, gracias a todos ustedes por ver tan lejos en el video,

English: 
actually I should give all my thanks to Andrej Karpathy because
I didn't really program any of the internal mechanisms, he was the one who did it.
By the way, Andrej, my fastest competition official Rubik's cube solve is faster than yours
So, like, no biggie but I'm beating you there.
BYE

Spanish: 
debo dar las gracias a Andrej Karpathy porque
No programé realmente ninguno de los mecanismos internos, él fue quien lo hizo.
Por cierto, Andrej, mi solución de la  competición oficial de cubo Rubik es más rápida que la tuya,
Así que no es gran cosa, pero te estoy ganando.
BYE

Turkish: 
Aslında Andrej Karpathy'ye teşekkür ederim.
İç mekanizmaların hiçbirini gerçekten programlamadım, onu yapan oydu.
Bu arada, en hızlı rekabet eden yetkili Rubik'in küpünün çözdüğü Andrej, sizinkinden daha hızlı
Yani, biggie yok ama seni orada yeniyorum.
HOŞÇAKAL

Korean: 
사실 나는 이 고마움을 모두 앤드류 케퍼시에서 돌리고 싶어
나는 이러한 내부 메커니즘을 프로그래밍 하지 않았지만 앤드류는 그걸 한 사람이거든
그나저나, 앤드류는 나의 루빅큐브 경쟁자야 하지만 내가 더 빠르지 ㅎ
그럼 안녕 바이!
