fix up for human review process

Signed-off-by: SamYuan1990 <[email protected]>

Author: SamYuan1990

docs/source/zh/_toctree.yml

@@ -28,8 +28,6 @@
     sections:
     - local: training/text_inversion
       title: Textual Inversion
-    - local: training/dreambooth
-      title: DreamBooth
     - local: training/lora
       title: LoRA
 
@@ -46,8 +44,6 @@
 - title: Model accelerators and hardware
   isExpanded: false
   sections:
-  - local: using-diffusers/stable_diffusion_jax_how_to
-    title: JAX/Flax
   - local: optimization/onnx
     title: ONNX
 

docs/source/zh/conceptual/contribution.md

@@ -19,7 +19,7 @@ http://www.apache.org/licenses/LICENSE-2.0
 
 ## 概述
 
-您可以通过多种方式做出贡献，从在issue和讨论区回答问题，到向核心库添加新的扩散模型。
+您可以通过多种方式做出贡献，从在issue和讨论区回答问题，到向核心库添加新的diffusion模型。
 
 下面我们按难度升序列出不同的贡献方式，所有方式对社区都很有价值：
 
@@ -33,7 +33,7 @@ http://www.apache.org/licenses/LICENSE-2.0
 * 8. 解决标记为"Good second issue"的中等难度问题，详见[此处](https://github.com/huggingface/diffusers/issues?q=is%3Aopen+is%3Aissue+label%3A%22Good+second+issue%22)
 * 9. 添加新pipeline/模型/调度器，参见["New Pipeline/Model"](https://github.com/huggingface/diffusers/issues?q=is%3Aopen+is%3Aissue+label%3A%22New+pipeline%2Fmodel%22)和["New scheduler"](https://github.com/huggingface/diffusers/issues?q=is%3Aopen+is%3Aissue+label%3A%22New+scheduler%22)类issue。此类贡献请先阅读[设计哲学](https://github.com/huggingface/diffusers/blob/main/PHILOSOPHY.md)
 
-重申：所有贡献对社区都具有重要价值。下文将详细说明各类贡献方式。
+重申：**所有贡献对社区都具有重要价值。**下文将详细说明各类贡献方式。
 
 对于4-9类贡献，您需要提交PR（拉取请求），具体操作详见[如何提交PR](#how-to-open-a-pr)章节。
 
@@ -48,13 +48,13 @@ http://www.apache.org/licenses/LICENSE-2.0
 - 论文解读
 - 基于Diffusers库的个人项目求助
 - 一般性问题
-- 关于扩散模型的伦理讨论
+- 关于diffusion模型的伦理讨论
 - ...
 
 论坛/Discord上的每个问题都能促使社区公开分享知识，很可能帮助未来遇到相同问题的初学者。请务必提出您的疑问。
 同样地，通过回答问题您也在为社区创造公共知识文档，这种贡献极具价值。
 
-请注意：提问/回答时投入的精力越多，产生的公共知识质量就越高。精心构建的问题与专业解答能形成高质量知识库，而表述不清的问题则可能降低讨论价值。
+**请注意**：提问/回答时投入的精力越多，产生的公共知识质量就越高。精心构建的问题与专业解答能形成高质量知识库，而表述不清的问题则可能降低讨论价值。
 
 低质量的问题或回答会降低公共知识库的整体质量。  
 简而言之，高质量的问题或回答应具备*精确性*、*简洁性*、*相关性*、*易于理解*、*可访问性*和*格式规范/表述清晰*等特质。更多详情请参阅[如何提交优质议题](#how-to-write-a-good-issue)章节。
@@ -111,11 +111,7 @@ http://www.apache.org/licenses/LICENSE-2.0
 
 #### 2.3 设计反馈
 
-关于库设计的反馈（无论正面还是负面）能极大帮助核心维护者打造更友好的库。要了解当前设计理念，请参阅[此文档](https://huggingface.co/docs/diffusers/conceptu
-
-### 2.3 设计理念反馈
-
-Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffusers/blob/main/PHILOSOPHY.md)。如果您认为某个设计选择与当前理念不符，请说明原因及改进建议。如果某个设计选择因过度遵循理念而限制了使用场景，也请解释原因并提出调整方案。  
+关于库设计的反馈（无论正面还是负面）能极大帮助核心维护者打造更友好的库。要了解当前设计理念，请参阅[此文档](https://huggingface.co/docs/diffusers/conceptual/philosophy)如果您认为某个设计选择与当前理念不符，请说明原因及改进建议。如果某个设计选择因过度遵循理念而限制了使用场景，也请解释原因并提出调整方案。  
 若某个设计对您特别实用，请同样留下备注——这对未来的设计决策极具参考价值。
 
 您可通过[此链接](https://github.com/huggingface/diffusers/issues/new?assignees=&labels=&template=feedback.md&title=)提交设计反馈。
@@ -130,7 +126,7 @@ Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffuse
 
 #### 2.5 新模型/调度器/pipeline提案
 
-若扩散模型社区发布了您希望集成到Diffusers库的新模型、pipeline或调度器，请提供以下信息：  
+若diffusion模型社区发布了您希望集成到Diffusers库的新模型、pipeline或调度器，请提供以下信息：  
 * 简要说明并附论文或发布链接  
 * 开源实现链接（如有）  
 * 模型权重下载链接（如已公开）  
@@ -141,7 +137,7 @@ Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffuse
 
 ### 3. 解答GitHub问题
 
-回答GitHub问题可能需要Diffusers的技术知识，但我们鼓励所有人尝试参与——即使您对答案不完全确定。高质量回答的建议：  
+回答GitHub问题可能需要Diffusers的技术知识，但我们鼓励所有人尝试参与——即使您对答案不完全正确。高质量回答的建议：  
 - 保持简洁精炼  
 - 严格聚焦问题本身  
 - 提供代码/论文等佐证材料  
@@ -152,7 +148,6 @@ Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffuse
 - 标记重复issue并附原链接  
 - 推荐用户至[论坛](https://discuss.huggingface.co/c/discussion-related-to-httpsgithubcomhuggingfacediffusers/63)或[Discord](https://discord.gg/G7tWnz98XR)  
 
-（注：保留技术专有名词Diffusers/stable_diffusion/consisid原文）
 在确认提交的Bug报告正确且需要修改源代码后，请继续阅读以下章节内容。
 
 以下所有贡献都需要提交PR（拉取请求）。具体操作步骤详见[如何提交PR](#how-to-open-a-pr)章节。
@@ -166,7 +161,7 @@ Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffuse
 
 ### 5. 文档贡献
 
-优秀库必然拥有优秀文档！官方文档是新用户的首要接触点，因此文档贡献具有极高价值。贡献形式包括：
+优秀库**必然**拥有优秀文档！官方文档是新用户的首要接触点，因此文档贡献具有**极高价值**。贡献形式包括：
 - 修正拼写/语法错误
 - 修复文档字符串格式错误（如显示异常或链接失效）
 - 修正文档字符串中张量的形状/维度描述
@@ -175,12 +170,11 @@ Diffusers库遵循特定的[设计理念](https://github.com/huggingface/diffuse
 - 文档翻译
 
 [官方文档页面](https://huggingface.co/docs/diffusers/index)所有内容均属可修改范围，对应[文档源文件](https://github.com/huggingface/diffusers/tree/main/docs/source)可进行编辑。修改前请查阅[验证说明](https://github.com/huggingface/diffusers/tree/main/docs)。
-以下是翻译成中文的内容（保留Diffusers、stable_diffusion、consisid等术语不翻译）：
 
 ### 6. 贡献社区流程
 
 > [!TIP]
-> 阅读[社区流程](../using-diffusers/custom_pipeline_overview#community-pipelines)指南了解GitHub与Hugging Face Hub社区流程的区别。若想了解我们设立社区流程的原因，请查看GitHub Issue [#841](https://github.com/huggingface/diffusers/issues/841)（简而言之，我们无法维护扩散模型所有可能的推理使用方式，但也不希望限制社区构建这些流程）。
+> 阅读[社区流程](../using-diffusers/custom_pipeline_overview#community-pipelines)指南了解GitHub与Hugging Face Hub社区流程的区别。若想了解我们设立社区流程的原因，请查看GitHub Issue [#841](https://github.com/huggingface/diffusers/issues/841)（简而言之，我们无法维护diffusion模型所有可能的推理使用方式，但也不希望限制社区构建这些流程）。
 
 贡献社区流程是向社区分享创意与成果的绝佳方式。您可以在[`DiffusionPipeline`]基础上构建流程，任何人都能通过设置`custom_pipeline`参数加载使用。本节将指导您创建一个简单的"单步"流程——UNet仅执行单次前向传播并调用调度器一次。
 
@@ -264,7 +258,7 @@ Diffusers训练示例是位于[examples](https://github.com/huggingface/diffuser
 
 研究型训练示例位于[examples/research_projects](https://github.com/huggingface/diffusers/tree/main/examples/research_projects)，而官方训练示例包含[examples](https://github.com/huggingface/diffusers/tree/main/examples)目录下除`research_projects`和`community`外的所有文件夹。
 官方训练示例由Diffusers核心维护者维护，研究型训练示例则由社区维护。
-这与[6. 贡献社区pipeline](#6-contribute-a-community-pipeline)中关于官方pipeline与社区pipeline的原因相同：核心维护者不可能维护扩散模型的所有可能训练方法。
+这与[6. 贡献社区pipeline](#6-contribute-a-community-pipeline)中关于官方pipeline与社区pipeline的原因相同：核心维护者不可能维护diffusion模型的所有可能训练方法。
 如果Diffusers核心维护者和社区认为某种训练范式过于实验性或不够普及，相应训练代码应放入`research_projects`文件夹并由作者维护。
 
 官方训练和研究型示例都包含一个目录，其中含有一个或多个训练脚本、`requirements.txt`文件和`README.md`文件。用户使用时需要先克隆代码库：
@@ -283,7 +277,7 @@ pip install -r examples/<your-example-folder>/requirements.txt
 因此添加示例时，`requirements.txt`文件应定义训练示例所需的所有pip依赖项，安装完成后用户即可运行示例训练脚本。可参考[DreamBooth的requirements.txt文件](https://github.com/huggingface/diffusers/blob/main/examples/dreambooth/requirements.txt)。
 - 运行示例所需的所有代码应集中在单个Python文件中  
 - 用户应能通过命令行`python <your-example>.py --args`直接运行示例  
-- 示例应保持简洁，主要展示如何使用Diffusers进行训练。示例脚本的目的**不是**创建最先进的扩散模型，而是复现已知训练方案，避免添加过多自定义逻辑。因此，这些示例也力求成为优质的教学材料。
+- **示例**应保持简洁，主要展示如何使用Diffusers进行训练。示例脚本的目的**不是**创建最先进的diffusion模型，而是复现已知训练方案，避免添加过多自定义逻辑。因此，这些示例也力求成为优质的教学材料。
 
 提交示例时，强烈建议参考现有示例（如[dreambooth](https://github.com/huggingface/diffusers/blob/main/examples/dreambooth/train_dreambooth.py)）来了解规范格式。  
 我们强烈建议贡献者使用[Accelerate库](https://github.com/huggingface/accelerate)，因其与Diffusers深度集成。  
@@ -302,7 +296,7 @@ pip install -r examples/<your-example-folder>/requirements.txt
 
 ### 9. 添加管道、模型和调度器
 
-管道（pipelines）、模型（models）和调度器（schedulers）是Diffusers库中最重要的组成部分。它们提供了对最先进扩散技术的便捷访问，使得社区能够构建强大的生成式AI应用。
+管道（pipelines）、模型（models）和调度器（schedulers）是Diffusers库中最重要的组成部分。它们提供了对最先进diffusion技术的便捷访问，使得社区能够构建强大的生成式AI应用。
 
 通过添加新的模型、管道或调度器，您可能为依赖Diffusers的任何用户界面开启全新的强大用例，这对整个生成式AI生态系统具有巨大价值。
 
@@ -326,13 +320,15 @@ Diffusers针对这三类组件都有一些开放的功能请求——如果您
 # 从 diffusers.pipelines.stable_diffusion.pipeline_output.StableDiffusionPipelineOutput 复制并将 Stable 替换为 Alt
 class AltDiffusionPipelineOutput(BaseOutput):
     """
-    Alt Diffusion 流水线的输出类。
+    Output class for Alt Diffusion pipelines.
 
-    参数:
-        images (`List[PIL.Image.Image]` 或 `np.ndarray`)
-            长度为 `batch_size` 的去噪 PIL 图像列表，或形状为 `(batch_size, height, width, num_channels)` 的 NumPy 数组。
+    Args:
+        images (`List[PIL.Image.Image]` or `np.ndarray`)
+            List of denoised PIL images of length `batch_size` or NumPy array of shape `(batch_size, height, width,
+            num_channels)`.
         nsfw_content_detected (`List[bool]`)
-            指示对应生成图像是否包含"不适合工作场所"(nsfw)内容的列表，若无法执行安全检查则为 `None`。
+            List indicating whether the corresponding generated image contains "not-safe-for-work" (nsfw) content or
+            `None` if safety checking could not be performed.
     """
 ```
 
@@ -344,7 +340,7 @@ class AltDiffusionPipelineOutput(BaseOutput):
 
 1. 确保使用了正确的issue模板。您可以选择*错误报告*、*功能请求*、*API设计反馈*、*新模型/流水线/调度器添加*、*论坛*或空白issue。在[新建issue](https://github.com/huggingface/diffusers/issues/new/choose)时务必选择正确的模板。
 2. **精确描述**：为issue起一个恰当的标题。尽量用最简练的语言描述问题。提交issue时越精确，理解问题和潜在解决方案所需的时间就越少。确保一个issue只针对一个问题，不要将多个问题放在同一个issue中。如果发现多个问题，请分别创建多个issue。如果是错误报告，请尽可能精确描述错误类型——不应只写"diffusers出错"。
-3. **可复现性**：无法复现的代码片段 == 无法解决问题。如果遇到错误，维护人员必须能够复现它。确保包含一个可以复制粘贴到Python解释器中复现问题的代码片段。确保您的代码片段是可运行的，即没有缺少导入或图像链接等问题。issue应包含错误信息和可直接复制粘贴以复现相同错误的代码片段。如果issue涉及本地模型权重或无法被读者访问的本地数据，则问题无法解决。如果无法共享数据或模型，请尝试创建虚拟模型或虚拟数据。
+3. **可复现性**：无法复现的代码片段 == 无法解决问题。如果遇到错误，维护人员必须能够**复现**它。确保包含一个可以复制粘贴到Python解释器中复现问题的代码片段。确保您的代码片段是可运行的，即没有缺少导入或图像链接等问题。issue应包含错误信息和可直接复制粘贴以复现相同错误的代码片段。如果issue涉及本地模型权重或无法被读者访问的本地数据，则问题无法解决。如果无法共享数据或模型，请尝试创建虚拟模型或虚拟数据。
 4. **最小化原则**：通过尽可能简洁的描述帮助读者快速理解问题。删除所有与问题无关的代码/信息。如果发现错误，请创建最简单的代码示例来演示问题，不要一发现错误就把整个工作流程都转储到issue中。例如，如果在训练模型时某个阶段出现错误或训练过程中遇到问题时，应首先尝试理解训练代码的哪部分导致了错误，并用少量代码尝试复现。建议使用模拟数据替代完整数据集进行测试。
 5. 添加引用链接。当提及特定命名、方法或模型时，请务必提供引用链接以便读者理解。若涉及具体PR或issue，请确保添加对应链接。不要假设读者了解你所指内容。issue中引用链接越丰富越好。
 6. 规范格式。请确保规范格式化issue内容：Python代码使用代码语法块，错误信息使用标准代码语法。详见[GitHub官方格式文档](https://docs.github.com/en/get-started/writing-on-github/getting-started-with-writing-and-formatting-on-github/basic-writing-and-formatting-syntax)。
@@ -482,8 +478,6 @@ $ git checkout -b 您的同步分支名称
 $ git pull --squash --no-commit upstream main
 $ git commit -m '提交信息（不要包含 GitHub 引用）'
 $ git push --set-upstream origin 您的分支名称
-```
-                -branch-for-syncing
 ```
 
 ### 风格指南

docs/source/zh/conceptual/ethical_guidelines.md

@@ -11,7 +11,7 @@ http://www.apache.org/licenses/LICENSE-2.0
 
 ## 前言
 
-[Diffusers](https://huggingface.co/docs/diffusers/index)不仅提供预训练的扩散模型，还是一个模块化工具箱，支持推理和训练功能。
+[Diffusers](https://huggingface.co/docs/diffusers/index)不仅提供预训练的diffusion模型，还是一个模块化工具箱，支持推理和训练功能。
 
 鉴于该技术在实际场景中的应用及其可能对社会产生的负面影响，我们认为有必要制定项目伦理准则，以指导Diffusers库的开发、用户贡献和使用规范。
 
@@ -39,15 +39,15 @@ Diffusers社区将在项目开发中贯彻以下伦理准则，并协调社区
 
 ## 实施案例：安全功能与机制
 
-团队持续开发技术和非技术工具，以应对扩散技术相关的伦理与社会风险。社区反馈对于功能实施和风险意识提升具有不可替代的价值：
+团队持续开发技术和非技术工具，以应对diffusion技术相关的伦理与社会风险。社区反馈对于功能实施和风险意识提升具有不可替代的价值：
 
 - [**社区讨论区**](https://huggingface.co/docs/hub/repositories-pull-requests-discussions)：促进社区成员就项目开展协作讨论。
 
 - **偏见探索与评估**：Hugging Face团队提供[交互空间](https://huggingface.co/spaces/society-ethics/DiffusionBiasExplorer)展示Stable Diffusion中的偏见。我们支持并鼓励此类偏见探索与评估工作。
 
 - **部署安全强化**：
 
-  - [**Safe Stable Diffusion**](https://huggingface.co/docs/diffusers/main/en/api/pipelines/stable_diffusion/stable_diffusion_safe)：解决Stable Diffusion等基于未过滤网络爬取数据训练的模型容易产生不当内容的问题。相关论文：[安全潜在扩散：缓解扩散模型中的不当退化](https://huggingface.co/papers/2211.05105)。
+  - [**Safe Stable Diffusion**](https://huggingface.co/docs/diffusers/main/en/api/pipelines/stable_diffusion/stable_diffusion_safe)：解决Stable Diffusion等基于未过滤网络爬取数据训练的模型容易产生不当内容的问题。相关论文：[Safe Latent Diffusion：缓解diffusion模型中的不当退化](https://huggingface.co/papers/2211.05105)。
 
   - [**安全检测器**](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/safety_checker.py)：通过比对图像生成后嵌入空间中硬编码有害概念集的类别概率进行检测。有害概念列表经特殊处理以防逆向工程。