chore(i18n): sync locale on dev (#2100)

Co-authored-by: github-actions[bot] <github-actions[bot]@users.noreply.github.com>

i18n/locale/it_IT.json

@@ -4,6 +4,10 @@
     "### 模型提取\n> 输入logs文件夹下大文件模型路径\n\n适用于训一半不想训了模型没有自动提取保存小文件模型, 或者想测试中间模型的情况": "### Estrazione del modello\n> Inserire il percorso del modello di file di grandi dimensioni nella cartella \"logs\".",
     "### 模型比较\n> 模型ID(长)请于下方`查看模型信息`中获得\n\n可用于比较两模型推理相似度": "### 模型比较\n> 模型ID(长)请于下方`查看模型信息`中获得\n\n可用于比较两模型推理相似度",
     "### 模型融合\n可用于测试音色融合": "### Model fusion\nPuò essere utilizzato per testare la fusione timbrica.",
+    "### 第一步 填写实验配置\n实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件.": "### 第一步 填写实验配置\n实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件.",
+    "### 第三步 开始训练\n填写训练设置, 开始训练模型和索引.": "### 第三步 开始训练\n填写训练设置, 开始训练模型和索引.",
+    "### 第二步 音频处理\n#### 1. 音频切片\n自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练.": "### 第二步 音频处理\n#### 1. 音频切片\n自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练.",
+    "#### 2. 特征提取\n使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号).": "#### 2. 特征提取\n使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号).",
     ">=3则使用对harvest音高识别的结果使用中值滤波，数值为滤波半径，使用可以削弱哑音": "Se >=3: applica il filtro mediano ai risultati del pitch raccolto. ",
     "A模型ID(长)": "A模型ID(长)",
     "A模型权重": "Peso (w) per il modello A:",
@@ -14,20 +18,18 @@
     "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "File curva F0 (opzionale). ",
     "ID(短)": "ID(短)",
     "ID(长)": "ID(长)",
+    "None": "None",
     "Onnx导出": "Esporta Onnx",
     "Onnx输出路径": "Percorso di esportazione Onnx:",
     "RVC模型路径": "Percorso modello RVC:",
+    "Unknown": "Unknown",
     "ckpt处理": "Elaborazione ckpt",
     "harvest进程数": "harvest进程数",
     "index文件路径不可包含中文": "index文件路径不可包含中文",
     "pth文件路径不可包含中文": "pth è un'app per il futuro",
     "rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程",
-    "step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Passaggio 1: compilare la configurazione sperimentale. ",
     "step1:正在处理数据": "Passaggio 1: elaborazione dei dati",
     "step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
-    "step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Passaggio 2a: attraversa automaticamente tutti i file nella cartella di addestramento che possono essere decodificati in audio ed esegui la normalizzazione delle sezioni. ",
-    "step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Passaggio 2b: utilizzare la CPU per estrarre il tono (se il modello ha il tono), utilizzare la GPU per estrarre le caratteristiche (selezionare l'indice GPU):",
-    "step3: 填写训练设置, 开始训练模型和索引": "Passaggio 3: compilare le impostazioni di addestramento e avviare l'addestramento del modello e dell'indice",
     "step3a:正在训练模型": "Passaggio 3a: è iniziato l'addestramento del modello",
     "一键训练": "Addestramento con un clic",
     "不显示": "不显示",
@@ -92,6 +94,8 @@
     "查看": "Visualizzazione",
     "检索特征占比": "Rapporto funzionalità di ricerca (controlla la forza dell'accento, troppo alto ha artefatti):",
     "模型": "Modello",
+    "模型作者": "模型作者",
+    "模型作者(可空)": "模型作者(可空)",
     "模型信息": "模型信息",
     "模型名": "模型名",
     "模型推理": "Inferenza del modello",