Hugging Face's logo

NbAiLabArchive
/
scream_small_beta

Automatic Speech Recognition
Transformers
PyTorch
JAX
TensorBoard
Norwegian
whisper
audio
asr
hf-asr-leaderboard
Inference Endpoints
Model card Files Metrics Community
1
pere commited on
Commit
93b4f43
•
1 Parent(s): b45d7df

Saving weights and logs of step 24000 - epoch 3

Browse files
This view is limited to 50 files because it contains too many changes.   See raw diff
Files changed (50) hide show
  1. README.md +1 -0
  2. flax_model.msgpack +1 -1
  3. predictions/validation_fleurs/step_0.md +1 -1
  4. predictions/validation_fleurs/step_1000.md +1 -1
  5. predictions/validation_fleurs/step_10000.md +1 -1
  6. predictions/validation_fleurs/step_11000.md +1 -1
  7. predictions/validation_fleurs/step_12000.md +1 -1
  8. predictions/validation_fleurs/step_13000.md +1 -1
  9. predictions/validation_fleurs/step_14000.md +1 -1
  10. predictions/validation_fleurs/step_15000.md +1 -1
  11. predictions/validation_fleurs/step_16000.md +1 -1
  12. predictions/validation_fleurs/step_17000.md +1 -1
  13. predictions/validation_fleurs/step_18000.md +1 -1
  14. predictions/validation_fleurs/step_19000.md +1 -1
  15. predictions/validation_fleurs/step_2000.md +1 -1
  16. predictions/validation_fleurs/step_20000.md +1 -1
  17. predictions/validation_fleurs/step_21000.md +1 -1
  18. predictions/validation_fleurs/step_22000.md +1 -1
  19. predictions/validation_fleurs/step_23000.md +1 -1
  20. predictions/validation_fleurs/step_24000.md +108 -0
  21. predictions/validation_fleurs/step_3000.md +1 -1
  22. predictions/validation_fleurs/step_4000.md +1 -1
  23. predictions/validation_fleurs/step_5000.md +1 -1
  24. predictions/validation_fleurs/step_6000.md +1 -1
  25. predictions/validation_fleurs/step_7000.md +1 -1
  26. predictions/validation_fleurs/step_8000.md +1 -1
  27. predictions/validation_fleurs/step_9000.md +1 -1
  28. predictions/validation_nrk_tv/step_0.md +1 -1
  29. predictions/validation_nrk_tv/step_1000.md +1 -1
  30. predictions/validation_nrk_tv/step_10000.md +1 -1
  31. predictions/validation_nrk_tv/step_11000.md +1 -1
  32. predictions/validation_nrk_tv/step_12000.md +1 -1
  33. predictions/validation_nrk_tv/step_13000.md +1 -1
  34. predictions/validation_nrk_tv/step_14000.md +1 -1
  35. predictions/validation_nrk_tv/step_15000.md +1 -1
  36. predictions/validation_nrk_tv/step_16000.md +1 -1
  37. predictions/validation_nrk_tv/step_17000.md +1 -1
  38. predictions/validation_nrk_tv/step_18000.md +1 -1
  39. predictions/validation_nrk_tv/step_19000.md +1 -1
  40. predictions/validation_nrk_tv/step_2000.md +1 -1
  41. predictions/validation_nrk_tv/step_20000.md +1 -1
  42. predictions/validation_nrk_tv/step_21000.md +1 -1
  43. predictions/validation_nrk_tv/step_22000.md +1 -1
  44. predictions/validation_nrk_tv/step_23000.md +1 -1
  45. predictions/validation_nrk_tv/step_24000.md +108 -0
  46. predictions/validation_nrk_tv/step_3000.md +1 -1
  47. predictions/validation_nrk_tv/step_4000.md +1 -1
  48. predictions/validation_nrk_tv/step_5000.md +1 -1
  49. predictions/validation_nrk_tv/step_6000.md +1 -1
  50. predictions/validation_nrk_tv/step_7000.md +1 -1
README.md CHANGED
@@ -80,6 +80,7 @@ The following hyperparameters were used during training:
80
  | 21000 | 0.3887 | 0.6214 | 9.3397 | 4.3450 | 13.0227 | 5.3491 | 0.3013 | 14.7092 | 10.4834 | 18.1537 | 11.0670 | 0.7455 | 41.9274 | 32.4389 | 49.5299 | 33.6591 |
81
  | 22000 | 0.4062 | 0.6133 | 9.7858 | 4.4387 | 13.5305 | 5.4506 | 0.3024 | 14.7263 | 10.5176 | 18.1980 | 11.1049 | 0.7493 | 41.7089 | 31.9536 | 49.5299 | 33.2446 |
82
  | 23000 | 0.4156 | 0.5867 | 9.5479 | 4.3549 | 13.2019 | 5.3926 | 0.3017 | 14.7246 | 10.5767 | 18.1358 | 11.1493 | 0.7478 | 41.7831 | 32.1577 | 49.6713 | 33.4337 |
 
83
 
84
 
85
  ### Framework versions
 
80
  | 21000 | 0.3887 | 0.6214 | 9.3397 | 4.3450 | 13.0227 | 5.3491 | 0.3013 | 14.7092 | 10.4834 | 18.1537 | 11.0670 | 0.7455 | 41.9274 | 32.4389 | 49.5299 | 33.6591 |
81
  | 22000 | 0.4062 | 0.6133 | 9.7858 | 4.4387 | 13.5305 | 5.4506 | 0.3024 | 14.7263 | 10.5176 | 18.1980 | 11.1049 | 0.7493 | 41.7089 | 31.9536 | 49.5299 | 33.2446 |
82
  | 23000 | 0.4156 | 0.5867 | 9.5479 | 4.3549 | 13.2019 | 5.3926 | 0.3017 | 14.7246 | 10.5767 | 18.1358 | 11.1493 | 0.7478 | 41.7831 | 32.1577 | 49.6713 | 33.4337 |
83
+ | 24000 | 0.4056 | 0.5913 | 9.7264 | 4.4486 | 13.2915 | 5.4651 | 0.3000 | 14.7016 | 10.5556 | 18.1068 | 11.1303 | 0.7458 | 42.1335 | 32.2488 | 49.7213 | 33.4604 |
84
 
85
 
86
  ### Framework versions
flax_model.msgpack CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:ba84d27839a2a30aa28612155806c08a669d350fef49936d566f4f8774a58348
3
  size 966956827
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ddb7a48cca794e2aa9333a52358dbc047ce342dd2a2e20a1a445db1c21164f6b
3
  size 966956827
predictions/validation_fleurs/step_0.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_1000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_10000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_11000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_12000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_13000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_14000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_15000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_16000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_17000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_18000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_19000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_2000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_20000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_21000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_22000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_23000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_24000.md ADDED
@@ -0,0 +1,108 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
+
3
+ | STEP| loss | wer |cer|
4
+ | ---| --- | --- |--- |
5
+ | **24000**| 0.406 | 9.726 |4.449 |
6
+
7
+ | target | prediction |
8
+ |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
9
+ | Deretter tok **Lakka** **Singh** ledelsen i lovsangen\. | Deretter tok **lakasin** ledelsen i lovsangen\. |
10
+ | Av **1400** personer som stemte før det føderale valget i 2010\, økte antallet som motsetter seg at Australia skal bli en republikk\, med **8** prosent siden 2008\. | Av **ett** **tusen** **firehundre** personer som stemte før det føderale valget i 2010\, økte antallet som motsetter seg at Australia skal bli en republikk med **åtte** prosent siden 2008\. |
11
+ | Den første gangen du reiste **utenlands** var folk sannsynligvis tålmodige og **forståelsesfulle**\, siden de vet at den reisende må tilpasse seg et helt nytt land\. | Den første gangen du reiste **utland**\, var folk sannsynligvis tålmodige og **forståelige**\, siden de vet at den reisende må tilpasse seg et helt nytt land\. |
12
+ | Forskerne antydet at\, selv om dette var **halen** til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kyllings** **dun**\. | Forskerne antydet at selv om dette var **hane** til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kylling** **strun**\. |
13
+ | Før en organisasjon kan være nyskapende\, må ledelsen skape en innovasjonskultur samt dele kunnskap og **organisasjonlærdom**\. | Før organisasjon kan være nyskapende\, må ledelsen skape en innovasjonskultur samt dele kunnskap og **organisasjonslærdom**\. |
14
+ | Hennes første gren var **Slalåm**\, men hun fullførte ikke rennet\. **Det** var **36** av **116** konkurrenter som ikke fullførte slalåmrennet\. | Hennes første gren var **slalåm**\, men hun fullførte ikke rennet\, **det** var **trettiseks** av **hundre** **og** **seksten** konkurrenter som ikke fullførte slalåmrennet\. |
15
+ | Det filippinske folket måtte selv betale for **kostnaden** av krigens amerikansk imperialisme**\,** i erobringen av **Filippinene**\. | Det filippinske folket måtte selv betale for **kostnadene** av krigens amerikansk imperialisme i erobringen av **filippinene**\. |
16
+ | Det er faktisk **Martelly** sin femte **CEP** på fire år\. | Det er faktisk **Martell** **i** sin femte **CRP** på fire år\. |
17
+ | Tre bomber eksploderte i nærheten av statlige bygg i løpet av **en** tidsperiode på to timer\. | Tre bomber eksploderte i nærheten av statlige bygg i løpet av **den** tidsperiode på to timer\. |
18
+ | **Arly** **Velasquez** fra Mexico ble **nr**\. **15** i sittende **Super\-G** for menn\. New Zealands Adam Hall ble **nr**\. ni i stående **Super\-** **G** for menn\. | **Arley** **Bellasquez** fra Mexico ble **nummer** **femten** i sittende **supergi** for menn\. New Zealands Adam Hall ble **nummer** ni i stående **supergi** for menn\. |
19
+ | De fleste skilt er derimot bare angitt på katalansk fordi det er lovfestet som det første offisielle språket\. | De fleste skilt er derimot bare angitt på katalansk**\,** fordi det er lovfestet som det første offisielle språket\. |
20
+ | **108** tallerkener med **Chhappan** **Bhog** **(**i **Hinduismen** er dette **56** ulike ting som kan spises\, som smågodt\, frukt\, nøtter\, matretter osv\. som tilbys til gudefiguren**)** ble servert til **Baba** **Shyam**\. | **Hundre** **og** **åtte** tallerkener med **sjapanbog** i **hinduismen** er dette **femtiseks** ulike ting som kan spises som smågodt\, frukt\, nøtter\, matretter osv\. som tilbys til gudefiguren\, ble servert til **baba** **siam**\. |
21
+ | For tusenvis av år siden mente en mann med navn **Aristarkhos** at solsystemet flyttet seg rundt solen\. | For tusenvis av år siden mente en mann med navn **aristarcus** at solsystemet flyttet seg rundt solen\. |
22
+ | Når det nye folket med tiden starter å tilpasse seg sine nye **omgivelser**\, **set** de mindre og mindre ut som den andre populasjonen\. | Når det nye folket med tiden starter å tilpasse seg sine nye **omgjørelser**\, **ser** de mindre og mindre ut som den andre populasjonen\. |
23
+ | De fleste skilt er derimot bare angitt på katalansk fordi det er lovfestet som det første offisielle språket\. | De fleste skilt er derimot bare angitt på katalansk fordi det er lovfestet som det første offisielle språket\. |
24
+ | Bloggforfatteren begynte å **forbedre** skrivingen sin for å slippe kritikk**\,** ettersom elever ofte er det mest kritiske **publikummet**\. | Bloggforfatteren begynte å **forberede** skrivingen sin for å slippe kritikk ettersom elever ofte er det mest kritiske **publikumet**\. |
25
+ | **De** kan **se** svært godt i mørket med **nattsyn** og også bevege seg helt **ubemerket**\. **Ozeloter** jakter på byttet ved å gå i ett med sine omgivelser for så å angripe byttet\. | **Det** kan **ses** svært godt i mørket med **nattsinn** og også bevege seg helt **utmerket\,** og **seloter** jakter på **bytter** ved å gå i ett med sine omgivelser for så å angripe byttet\. |
26
+ | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. |
27
+ | Polens mannlige synshemmede skiløper\, **Maciej** **Krezel**\, og hans følger Anna **Ogarzynska** kom til slutt på **13**\. **plass** i **Super**\-G\. **Sør**\-**Koreas** **Jong** **Seork** **Park** **kjørte** **inn** til en **24**\. **plass** i mennenes sittende **Super**\- G\. | Polens mannlige synshemmede skiløper\, **martsäk** **kresel** og hans følger\, Anna og **gardsynska**\, kom til slutt på **trettendeplass** i **super**\-G\. **Sørkoreas** **džong** **siork** **park** **skjørte** **inntil** en **tjuefjerdeplass** i mennenes sittende **super**\-G\. |
28
+ | **«**Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **2** funksjonshemmede i rullestoler som personer bare presset og klatret over**»\,** fortalte **Armand** **Versace**\. | Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **to** funksjonshemmede i rullestoler som personer bare presset og klatret over\, fortalte **Arman** **Warsachi**\. |
29
+ | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. |
30
+ | Vannveiene i innlandet kan være et kjekt tema å basere en reise på\. | Vannveiene i innlandet kan være et kjekt tema på å basere en reise på\. |
31
+ | Da han ble spurt om å kommentere\, fortalte Miller**: «**Mike prater mye under høringen**\.\.\.** Jeg forberedte meg\, så jeg hørte egentlig ikke etter på det han sa**»\.** | Da han ble spurt om å kommentere\, fortalte Miller\, Mike prater mye under høringen**\.** Jeg forberedte meg\, så jeg hørte egentlig ikke etter på det han sa**\.** |
32
+ | **Arly** **Velasquez** fra Mexico ble **nr**\. **15** i sittende **Super\-G** for menn\. **New** **Zealands** Adam Hall ble **nr**\. ni i stående **Super\-** **G** for menn\. | **Arley** **ved** **Las** **Ques** fra Mexico ble **nummer** **femten** i sittende **supergi** for menn**\,** **newzealands** Adam Hall ble **nummer** ni i stående **supergi** for menn\. |
33
+ | De brede avenyene\, bygningene med glassfasade og moderne kjøpesentre er tegnet inn med tradisjonelle røde skråtak\, torget fra det **18**\. **århundret** sammen med gamle moskeer og kirker\, selv om byen har en atmosfære **mer** lignende det europeiske **middelhavsområdet** enn det tradisjonelle **Tyrkia**\. | De brede avenyene\, bygningene med glassfasade og moderne kjøpesentre er tegnet inn med tradisjonelle røde skråtak\, torget fra det **attende** **århundre** sammen med gamle moskeer og kirker\, selv om byen har en atmosfære med lignende europeiske **middelhavsområder** enn det tradisjonelle **tyrkiet**\. |
34
+ | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. |
35
+ | Det er en del sosiale og politiske effekter som benyttelse av det metriske systemet\, et bytte fra absolutisme til republikanisme\, nasjonalisme og tro på at nasjonen styres av **innbyggerne** i stedet for bare én hersker\. | Det er en del sosiale og politiske effekter som benyttelse av det metriske systemet\, et bytte fra absolutisme til republikanisme\, nasjonalisme og tro på at nasjonen styres av **innbyggere** i stedet for bare én hersker\. |
36
+ | Det vettskremte kongehuset\, kong Ludvig **XVI**\, dronning Marie Antoinette **sammen** med deres to unge barn **(**Marie Therese på **11** år og Ludvig**\-**Charles på **4** år**)** og kongens søster\, **Madam** **Elizabeth**\, ble den **6**\. oktober 1789 presset til å komme tilbake til Paris fra **Versailles** av en folkemengde med markedskvinner\. | Det vettskremte kongehuset\, kong Ludvig **seksten**\, dronning Marie Antoinette\, **savner** deres to unge barn\, Marie Therese på **elleve** år og Ludvig Charles på **fire** år\, og kongens søster\, **madame** **Elisabeth**\, ble den **sjette** oktober 1789 presset til å komme tilbake til Paris fra **Verseils** av en folkemengde med markedskvinner\. |
37
+ | Utfallet for **plottanalysen** **blir** utlagt på en offentlig nettside\. | Utfallet for **plot\-analysen** **ble** utlagt på en offentlig nettside\. |
38
+ | **108** tallerkener med **Chhappan** **Bhog** **(**i **Hinduismen** er dette **56** ulike ting som kan spises\, som **smågodt**\, **frukt**\, nøtter\, matretter **osv**\. som **tilbys** til gudefiguren**)** ble servert til **Baba** **Shyam**\. | **Hundreogåtte** tallerkener med **shippangbong** i **hinduismen** er dette **femtiseks** ulike ting som kan spises som **smågodfrukt**\, nøtter\, matretter **og** **så** **videre**\, **samt** **typisk** til gudefiguren ble servert til **baba** **shiam**\. |
39
+ | Små japanske kystbusser som både er komfortable og **solide**\, betjener de fleste distriktene\. | Små japanske kystbusser som både er komfortable og **salide**\, betjener de fleste distriktene\. |
40
+ | Antikkens romerske måltider kan ikke ha inkludert matvarer som kom til Europa fra USA eller Asia i senere århundrer\. | Antikkens romerske måltider kan ikke ha inkludert matvarer som kom til Europa fra USA eller Asia i senere århundrer\. |
41
+ | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. |
42
+ | Eksempler på stedsaktiviteter innebærer jakt\, fiske\, fotografering\, se på fugler\, dra til parker og undersøke detaljer om økosystemet\. | Eksempler på stedsaktiviteter innebærer jakt\, fiske\, fotografering\, se på fugler\, dra til parker og undersøke detaljer om økosystemet\. |
43
+ | Da kampene sluttet etter at de sårede ble kjørt til sykehus\, ble rundt førti av de gjenværende innsatte værende på området\, og nektet å returnere til cellene sine\. | Da kampene sluttet etter at de sårede ble kjørt til sykehus\, ble rundt førti av de gjenværende innsatte værende på området\, og nektet å returnere til cellene sine\. |
44
+ | Rapporten åpner med åpen debatt rundt straffesak og dannelse av konsensus i USA angående politikken mot **Midtøsten**\. | Rapporten åpner med åpen debatt rundt straffesak og dannelse av konsensus i USA angående politikken mot **midtøsten**\. |
45
+ | Mount Vinson\-toppen har en høyde på **4892** meter og ligger på Antarktis høyeste fjell\, Vinson **Massif**\, i den nordlige delen **eller** **Sentinel** Range\. | Mount Vinson\-toppen har en høyde på **fire** **tusen** **åtte** og **nittito** meter og ligger på Antarktis høyeste fjell\, **vinsenmassivt**\, i den nordlige delen **av** **Centinale** Range\. |
46
+ | Skogene er ikke bare mangrovesumper **–** her finnes noen av de siste **gjenværende** områdene med jungel\, som en gang dekket de gigantiske slettene\. | Skogene er ikke bare mangrovesumper\, her finnes noen av de siste **gjenferdende** områdene med jungel\, som en gang dekket de gigantiske slettene\. |
47
+ | Hun kom frem til dette etter flere positive kommentarer og oppmuntringer som ble **tilsendt** **henne** fra både kvinnelige og mannlige personer som ønsker at prevensjonsmidler bør bli sett på som en medisinsk nødvendighet\. | Hun kom frem til dette etter flere positive kommentarer og oppmuntringer som ble **tilsendende** fra både kvinnelige og mannlige personer som ønsker at prevensjonsmidler bør bli sett på som en medisinsk nødvendighet\. |
48
+ | Fjærens struktur tyder på at **de** ikke ble brukt til å fly\, men heller **for** temperaturregulering eller utseende\. Forskerne foreslo at\, selv om dette er **halen** til en ung dinosaur\, viser eksempelprøven voksen fjærdrakt og ikke **kyllingsdun**\. | Fjærens struktur tyder på at **det** ikke ble brukt til å fly\, men heller til temperaturregulering eller utseende\. Forskerne foreslo at selv om dette er å **ha** **av** til en ung dinosaur\, viser eksempelprøven voksen fjærdrakt og ikke **kyllingdunn**\. |
49
+ | Insekter var de første dyrene som kunne fly\. Deres mulighet til å fly gjorde det enklere og mer effektivt for dem å slippe unna fiender\, finne mat og kompiser\. | Insekter var de første dyrene som kunne fly\. Deres mulighet til å fly gjorde det enklere og mer effektivt for dem å slippe unna fiender\, finne mat og kompiser\. |
50
+ | Selv om det var tre mennesker inne i huset **da** bilen krasjet inn i det\, ble ingen av dem skadet\. | Selv om det var tre mennesker inne i huset **der** bilen krasjet inn i det\, ble ingen av dem skadet\. |
51
+ | Selv om ordet «**Gypsy**» er mye brukt\, særlig blant ikke\-**Rumenere**\, blir det ofte sett på som **ufint** på grunn av sine assosiasjoner med negative **stereotyper** og **unøyaktige** inntrykk av det **rumenske** **folket\.** | Selv om ordet «**egipsy**» er mye brukt\, særlig blant ikke\-**rumerne**\, blir det ofte sett på som **en** **ufinthet** på grunn av sine assosiasjoner med negative **stereotypier** og **uunøyaktige** inntrykk |
52
+ | Vitenskapen viser at den store karbonøkonomien har løsnet biosfæren fra en stabil tilstand som har støttet **menneskeevolusjon** de siste to millioner årene\. | Vitenskapen viser at den store karbonøkonomien har løsnet biosfæren fra en stabil tilstand som har støttet **menneskeevolusjonen** de siste to millioner årene\. |
53
+ | Tre bomber eksploderte i nærheten av statlige bygg i løpet av en tidsperiode på to timer\. | Tre bomber eksploderte i nærheten av statlige bygg i løpet av en tidsperiode på to timer\. |
54
+ | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. |
55
+ | Det filippinske folket måtte selv betale for kostnaden av krigens amerikansk imperialisme\, i erobringen av **Filippinene**\. | Det filippinske folket måtte selv betale for kostnaden av krigens amerikansk imperialisme\, i erobringen av **filippinene**\. |
56
+ | Robin **Uthappa** fikk omgangens høyeste poengsum\, **70** poeng på bare **41** slag\. Han fikk elleve ganger fire poeng\, og to ganger seks poeng\. | Robin **Uthapa** fikk omgangens høyeste poengsum\, **sytti** poeng på bare **førtien** slag\. Han fikk elleve ganger fire poeng og to ganger seks poeng\. |
57
+ | Politiet har informert om at føreren av kjøretøyet som kjørte på fotografen ikke kommer til å bli stilt for retten\. | Politiet har informert om at føreren av kjøretøyet som kjørte på fotografen ikke kommer til å bli stilt for retten\. |
58
+ | Vær så snill å behandle plassen med den verdigheten\, høytideligheten og respekten som den fortjener\. **Ikke** fortell vitser om holocaust eller nazister\. | Vær så snill å behandle plassen med den verdigheten\, høytideligheten og respekten som den fortjener\, **ikke** fortell vitser om holocaust eller nazister\. |
59
+ | Av **1400** personer som stemte før det føderale valget i 2010\, økte antallet som motsetter seg at Australia skal bli en republikk\, med **8** prosent siden 2008\. | Av **ett** **tusen** **firehundre** personer som stemte før det føderale valget i 2010\, økte antallet som motsetter seg at Australia skal bli en republikk\, med **åtte** prosent siden 2008\. |
60
+ | Fraktselskaper får mye penger for å levere ting raskt\. Ofte er tiden svært betydningsfull når det kommer til forretningsdokumenter\, varer eller reservedeler for en hastereparasjon\. | Fraktselskaper får mye penger for å levere ting raskt\. Ofte er tiden svært betydningsfull når det kommer til forretningsdokumenter\, varer eller reservedeler for en hastereparasjon\. |
61
+ | Dersom du besøker **Arktis** eller antarktiske områder om vinteren får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. | Dersom du besøker **arktiske** eller antarktiske områder om vinteren\, får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. |
62
+ | Penger kan veksles på øyens eneste bank som ligger i Stanley ovenfor **FIC** **West**\-butikken\. | Penger kan veksles på øyens eneste bank**\,** som ligger i Stanley ovenfor **fice** **vest**\-butikken\. |
63
+ | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. |
64
+ | Dersom du besøker **Arktis** eller antarktiske områder om vinteren får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. | Dersom du besøker **arktiske** eller antarktiske områder om vinteren\, får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. |
65
+ | For eksempel blir **«**læring**»** og **«**sosialisering**»** ansett som viktige motivasjonsfaktorer for internettbruk **(**James **m**\. flere\, 1995**)\.** | For eksempel blir læring og sosialisering ansett som viktige motivasjonsfaktorer for internettbruk\, James **med** flere\, 1995\. |
66
+ | Det er en del sosiale og politiske effekter som benyttelse av det metriske systemet\, et bytte fra absolutisme til republikanisme\, nasjonalisme og tro på at nasjonen styres av **innbyggerne** i stedet for bare én hersker\. | Det er en del sosiale og politiske effekter som benyttelse av det metriske systemet\, et bytte fra absolutisme til republikanisme\, nasjonalisme og tro på at nasjonen styres av **innbyggere** i stedet for bare én hersker\. |
67
+ | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. |
68
+ | Dr\. **Moll** tror at noen av pasientene kan ha blitt smittet av bakterien på sykehuset og minst to av dem var helsearbeidere\. | Dr\. **Maull** tror at noen av pasientene kan ha blitt smittet av bakterien på sykehuset**\,** og minst to av dem var helsearbeidere\. |
69
+ | Den nye befolkningen vil trenge ulike funksjoner eller tilpasninger enn det de trengte før for å være en sterk konkurrent\, siden dette nye miljøet har ulike ressurser og ulike konkurrenter\. | Den nye befolkningen vil trenge ulike funksjoner eller tilpasninger enn det de trengte før for å være en sterk konkurrent\, siden dette nye miljøet har ulike ressurser og ulike konkurrenter\. |
70
+ | Grunnet **Aucklands** **2** havner er det flere strender\. De mest populære er på **3** steder\. | Grunnet **aukluns** **to** havner er det flere strender\. De mest populære er på **tre** steder\. |
71
+ | Tre bomber eksploderte i nærheten av statlige bygg i løpet av en tidsperiode på to timer\. | Tre bomber eksploderte i nærheten av statlige bygg i løpet av en tidsperiode på to timer\. |
72
+ | Offiserer utstyrt med opprørsutstyr gikk snart inn i gården og omringet de **innsatte** med bruk av tåregass\. | Offiserer utstyrt med opprørsutstyr gikk snart inn i gården og omringet de **ansatte** med bruk av tåregass\. |
73
+ | For tusenvis av år siden mente en mann med navn **Aristarkhos** at solsystemet flyttet seg rundt solen\. | For tusenvis av år siden mente en mann med navn **arisparkos** at solsystemet flyttet seg rundt solen\. |
74
+ | En satellittelefon kan som regel ikke erstatte en mobiltelefon\, da man må være utenfor med klar siktlinje til satellitten for å kunne ta en telefon\. | En satellittelefon kan som regel ikke erstatte en mobiltelefon\, da man må være utenfor med klar siktlinje til satellitten for å kunne ta en telefon\. |
75
+ | Forskerne **antydet** at\, selv om dette var **halen** til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kyllings** **dun**\. | Forskerne **antyder** at\, selv om dette var **hanetil** en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kyllingstun**\. |
76
+ | Koloniseringsperioden som varte i **3** århundrer ble startet av spanjolene\. | Koloniseringsperioden som varte i **tre** århundrer ble startet av spanjolene\. |
77
+ | I begynnelsen ble **antrekk** sterkt påvirket av **Byzantine\-kulturen** i øst\. | I begynnelsen ble **antrekket** sterkt påvirket av **bysantinkulturen** i øst\. |
78
+ | **Tibetansk** buddhisme er basert på **Buddhas** lære\, men ble utvidet til å inneholde mahayanas kjærlighetsretning og flere metoder fra indisk yoga\. | **Tibitansk** buddhisme er basert på **buddhers** lære\, men ble utvidet til å inneholde mahayanas kjærlighetsretning og flere metoder fra indisk yoga\. |
79
+ | Vær så snill **å** behandle plassen med den verdigheten\, høytideligheten og respekten som den fortjener\. **Ikke** fortell vitser om holocaust eller nazister\. | Vær så snill og behandle plassen med den verdigheten\, høytideligheten og respekten som den fortjener\, **ikke** fortell vitser om holocaust eller nazister\. |
80
+ | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet og dermed ble den store landskillpadden det første beitedyret på **Galapagos**\. | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet**\,** og dermed ble den store landskillpadden det første beitedyret på **Galápagos**\. |
81
+ | Pasienten hadde vært i Nigeria der det har vært tilfeller av **Ebola\-viruset**\. | Pasienten hadde vært i Nigeria der det har vært tilfeller av **ebolaviruset**\. |
82
+ | Eksempler på stedsaktiviteter innebærer jakt\, fiske\, fotografering\, se på fugler\, dra til parker og undersøke detaljer om økosystemet\. | Eksempler på stedsaktiviteter innebærer jakt\, fiske\, fotografering\, se på fugler\, dra til parker og undersøke detaljer om økosystemet\. |
83
+ | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. |
84
+ | Hennes første gren var **Slalåm**\, men hun fullførte ikke rennet\. Det var **36** av **116** konkurrenter som ikke fullførte slalåmrennet\. | Hennes første gren var **slalåm**\, men hun fullførte ikke rennet\. Det var **trettiseks** av **hundre** **og** **seksten** konkurrenter som ikke fullførte slalåmrennet\. |
85
+ | De forsøker fremdeles å finne ut akkurat hvor kraftig sammenstøtet var og hvordan planeten **blir** påvirket\. | De forsøker fremdeles å finne ut akkurat hvor kraftig sammenstøtet var**\,** og hvordan planeten **ble** påvirket\. |
86
+ | Hovedmålet med vitenskapen er å finne ut hvordan verden fungerer gjennom en vitenskapelig metode\. **Det** meste vitenskapelig forskning blir faktisk styrt av denne metoden\. | Hovedmålet med vitenskapen er å finne ut hvordan verden fungerer gjennom en vitenskapelig metode\. **Den** meste **vitenskapelige** forskning blir faktisk styrt av denne metoden\. |
87
+ | Hovedmålet med vitenskapen er å finne ut hvordan verden fungerer gjennom en vitenskapelig metode\. Det meste vitenskapelig **forskning** blir faktisk styrt av denne metoden\. | Hovedmålet med vitenskapen er å finne ut hvordan verden fungerer gjennom en vitenskapelig metode\. Det meste **vitenskapelige** **og** **forskningen** blir faktisk styrt av denne metoden\. |
88
+ | Noen rapporter satte det offisielle dødstallet til **8**\, og offisielle rapporter bekrefter at **opp** til **30** ble skadet**;** men det fullstendige antallet er foreløpig ukjent\. | Noen rapporter satte det offisielle dødstallet til **åtte**\, og offisielle rapporter bekrefter at **opptil** **tretti** ble skadet\, men det fullstendige antallet er foreløpig ukjent\. |
89
+ | Forskerne antydet at\, selv om dette var halen til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en kyllings dun\. | Forskerne antydet at\, selv om dette var halen til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en kyllings dun\. |
90
+ | Politiet fortalte at liket virket til å **ligget** der i **ca**\. **1** dag\. | Politiet fortalte at liket virket til å **ligge** der i **cirka** **en** dag\. |
91
+ | Årets største turnering avholdes i desember\, p�� polobanen i Las **Cañitas**\. | Årets største turnering avholdes i desember\, på polobanen i Las **Canítes**\. |
92
+ | Vi kan starte med å få en livsstil som er mer miljøvennlig\, vi kan bli med på miljøbevegelsen\, og vi kan også bli aktivister for å til en viss grad **forminske** **kommende** smerte\. | Vi kan starte med å få en livsstil som er mer miljøvennlig\, vi kan bli med på miljøbevegelsen og vi kan også bli aktivister for å få til en viss grad **forminskekommende** smerte\. |
93
+ | Rings direktør\, Jamie **Siminoff**\, har uttalt fra før at firmaet begynte da ringeklokken hans ikke kunne bli hørt fra verkstedet i garasjen hans\. | Rings direktør\, Jamie **Simonoff**\, har uttalt fra før at firmaet begynte da ringeklokken hans ikke kunne bli hørt fra verkstedet i garasjen hans\. |
94
+ | Jeg er usikker på om du innser det eller ikke\, men de fleste varer fra **Mellom\-Amerika** kom inn i dette landet uten toll\. | Jeg er usikker på om du innser det eller ikke\, men de fleste varer fra **mellomamerika** kom inn i dette landet uten toll\. |
95
+ | Israel krever stadig militær tilstedeværelse i dalen i ti år etter at avtalen er signert\, mens den palestinske stat går med på å la denne styrken bli værende i kun fem år\. | Israel krever stadig militær tilstedeværelse i dalen i ti år etter at avtalen er signert\, mens den palestinske stat går med på å la denne styrken bli værende i kun fem år\. |
96
+ | Små japanske kystbusser som både er komfortable og solide\, betjener de fleste distriktene\. | Små japanske kystbusser som både er komfortable og solide\, betjener de fleste distriktene\. |
97
+ | Hun kom **frem** til dette etter flere positive kommentarer og oppmuntringer som ble tilsendt henne fra både kvinnelige og mannlige personer som ønsker at prevensjonsmidler bør bli sett på som **en** medisinsk nødvendighet\. | Hun kom **fram** til dette etter flere positive kommentarer og oppmuntringer som ble tilsendt henne fra både kvinnelige og mannlige personer som ønsker at prevensjonsmidler bør bli sett på som medisinsk nødvendighet\. |
98
+ | **«**Timbuktu**»** har blitt brukt som en metafor for eksotiske**\,** fjerne land**\,** kombinert med relativ utilgjengelighet\. | Timbuktu har blitt brukt som en metafor for eksotiske fjerne land kombinert med relativ utilgjengelighet\. |
99
+ | I prinsippet er tibetansk buddhisme veldig enkelt\. **Det** består av **Kundalini** **Yoga**\, meditasjon og full kjærlighet\. | I prinsippet er tibetansk buddhisme veldig enkelt\, **det** består av **kundaliniyoga**\, meditasjon og full kjærlighet\. |
100
+ | Naturalister og filosofer hadde fokus på klassisk tekst og særlig på **Bibelen** på latinsk språk\. | Naturalister og filosofer hadde fokus på klassisk tekst**\,** og særlig på **bibelen\,** på latinsk språk\. |
101
+ | Bloggforfatteren begynte å **forbedre** skrivingen sin for å slippe kritikk\, ettersom elever ofte er det mest kritiske publikummet\. | Bloggforfatteren begynte å **forberede** skrivingen sin for å slippe kritikk\, ettersom elever ofte er det mest kritiske publikummet\. |
102
+ | **«**Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **2** funksjonshemmede i rullestoler som **personer** bare presset og klatret over**»\,** fortalte **Armand** **Versace**\. | Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **to** funksjonshemmede i rullestoler som **personene** bare presset og klatret over\, fortalte **arman** **ved** **sertifikat**\. |
103
+ | Deretter tok **Lakka** **Singh** ledelsen i lovsangen\. | Deretter tok **lakkasing** ledelsen i lovsangen\. |
104
+ | Araberne brakte i tillegg med seg islam til nasjonene\, og det ble populært i **Komorene** og **Mayotte**\. | Araberne brakte i tillegg med seg islam til nasjonene\, og det ble populært i **kumireene** og **majotene**\. |
105
+ | Vi kan starte med å få en livsstil som er mer miljøvennlig\, vi kan bli med på miljøbevegelsen\, og vi kan **også** bli aktivister for å til en viss grad **forminske** kommende smerte\. | Vi kan starte med å få en livsstil som er mer miljøvennlig\, vi kan bli med på miljøbevegelsen og vi kan bli aktivister for å få til en viss grad for **minsker** kommende smerte\. |
106
+ | Nå er mye tilgjengelig over hele øygruppen\, det javanesiske kjøkken kjennetegnes av lettkrydrede retter\, med en dominerende smak av peanøtter\, **chili**\, sukker**\, (**spesielt javanesisk **kokossukker)** og ulike aromatiske **kryddere**\. | Nå er mye tilgjengelig over hele øygruppen\, det javanesiske kjøkken kjennetegnes av lettkrydrede retter med en dominerende smak av peanøtter\, **skyldig**\, sukker\, spesielt javanesisk **kokosukker**\, og ulike aromatiske **krydere**\. |
107
+ | **Skogene** er ikke bare **mangrovesumper** **–** her finnes noen av de siste gjenværende områdene med jungel\, som en gang **dekket** de gigantiske slettene\. | **Skogen** er ikke bare en **manngrov** **sumper**\, her finnes noen av de siste gjenværende områdene med jungel som en gang **dekker** de gigantiske slettene\. |
108
+ | Noen dyr\, som for eksempel elefanter og sjiraffer\, liker å nærme seg biler og standardutstyr\, noe som vil tillate gode synsvinkler\. | Noen dyr\, som for eksempel elefanter og sjiraffer\, liker å nærme seg biler og standardutstyr\, noe som vil tillate gode synsvinkler\. |
predictions/validation_fleurs/step_3000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_4000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_5000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_6000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_7000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_8000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_9000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_0.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_1000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_10000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_11000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_12000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_13000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_14000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_15000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_16000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_17000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_18000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_19000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_2000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_20000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_21000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_22000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_23000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_24000.md ADDED
@@ -0,0 +1,108 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
+
3
+ | STEP| loss | wer |cer|
4
+ | ---| --- | --- |--- |
5
+ | **24000**| 0.746 | 42.133 |32.249 |
6
+
7
+ | target | prediction |
8
+ |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
9
+ | **Er** **det** spørsmål dere absolutt ikke vil ha**?** | **Det** **er** **noen** spørsmål dere absolutt ikke vil ha**\.** |
10
+ | **1\.** Hvilken **måned** stilles klokken til sommertid i Norge? **2\.** Hvilket land skal arrangere sommer\-OL i 2016? **3\.** I hvilken amerikansk **delstat** ligger **Orlando** og Miami? | Hvilken **måne** stilles klokken til sommertid i Norge? Hvilket land skal arrangere sommer\-OL i 2016? I hvilken amerikansk **stat** ligger **byene** **Orlandal** og Miami? |
11
+ | Flere fylker er representert av skoler som har vært med på Klassequizen **før**\. **Gjøklep** ungdomsskole fra Vestfold\, **dette** er deres **3**\. gang\. Hva kommer det av? Det er nærliggende å tro at det er **læringsmiljøet**\. **Man** **blir** ikke **sett** **ned** på av å **ha** **mye** **kunnskap**\. **En** **liten** nerdeskole? Nei\, det syns jeg ikke du skal kalle det\. | Flere fylker er representert av skoler som har vært med på Klassequizen\. **Gjøklepp** ungdomsskole fra Vestfold\. **Dette** er deres **tredje** gang\. Hva kommer det av? Det er nærliggende å tro at det er **et** **læringsmiljø**\. **Er** det **en** nerdeskole? Nei\, det syns jeg ikke du skal kalle det\. |
12
+ | **Når** man kommer på skolen\, er det vel **noen** ord som blir slengt\. **Alle** **dere** **spiller** fotball\. Må man spille fotball i Drangedal? **Et** krav? **Du** **må** **ikke**\, **men** det er veldig populært\. De fleste **driver** **med** det\. | **Hver** **dag** **når** **vi** kommer på skolen\. **Etter** **den** **tida** er det vel **et** **par** ord som blir slengt **hver** **dag**\. **Dere** er **jo** **alle** på **fotballag**\, **deg**\, **Solveig** **og** **Jon** **Martin**\. Må man spille fotball i Drangedal? **Er** det krav? **Nei**\, det er veldig populært **borti** Drangedal\. **Det** **har** **alltid** **vært** det\. De fleste **gjør** det\. |
13
+ | Jeg er dødsimponert\. **Én** ting er å tenke gjennom spørsmålene når man **står** **der** **nede**\. **Men** å stå i ilden og svare er noe annet\. 5000 **kr** skal dere få som vinnere av **Klassequiz** i Nordland\. | Jeg er dødsimponert\. **Og** **en** ting **til** å tenke gjennom spørsmålene når man **hører** **på\,** er å stå i ilden og svare\. **Det** er noe **helt** annet\. 5000 **kroner** skal dere få som vinnere av **Klassequizen** i Nordland\. |
14
+ | **Riktig** **svar** var **X** **Factor**\. Vi har en vinner\, og det er **Sverresborg**! Hva tenker du **nå**\, Mathias? Det var artig å vinne\. Når var dere mest usikre i løpet av konkurransen? | Vi har en vinner\, **så** **knepent**\, og det er **Sverres** **Varg**! Hva tenker du\, Mathias\, **da** du **kom** **inn** i **siste** **liten**? Det var artig å vinne\. Når var dere mest usikre i løpet av konkurransen? |
15
+ | Det er blitt en liten forskjell på lagene\. **Den** **kunne** vært litt **mindre**\. Det **var** **jo** kjedelig å ikke rekke å skrive **Flagstad**\. Tok dere for lang tenketid? Pga\. misforståelser i første runde**\,** **turte** vi ikke å skrive for hverandre\. Da **rakk** vi ikke å skrive **alt**\. | Da er **det** blitt en liten forskjell på lagene\. **Kunne** dere vært litt **raskere** **til** å skrive? Det **føltes** **ekstra** kjedelig å ikke rekke å skrive\. Tok dere for lang tenketid? Pga\. misforståelser i første runde **torde** vi ikke å skrive for hverandre\. |
16
+ | Elvis rakk aldri å være med i **MGP**\. Men han klarte seg godt uten **òg**\. **Han** regnes for å være King of Rock'n'**Roll**\. **Han** **døde** i 1977\. **I** hvilken by er Elvis **gravlagd**? Det er kanskje like greit at Solbakken holder seg | Elvis rakk **dessverre** aldri å være med i **Melodi** **Grand** **Prix**\. Men han klarte seg godt uten å regnes for å være King of Rock'n'**roll**\. **Døde** **dessverre** i 1977\. **Spørsmålet** **til** **dere** **nå** er i hvilken by er Elvis **gravlagt**? Det er kanskje like greit at **Erik** Solbakken holder seg **til** |
17
+ | **Vi** gjettet vilt\. 2007\. **Myklebust**? 2003\. Det er ikke så lenge siden\. Det var i 2012 det ble åpnet\. Hva **heter** kvinnen som har vært på polene **og** **Mount** **Everest**? Smøla? Cecilie Skog\. Cecilie Skog\. | **Jeg** har gjettet vilt i 2007\. Hva har **dere** **svart**? 2003\. Det er ikke så lenge siden det var i 2012 **at** **Trolltig\-platået** ble åpnet\. **Vet** **dere** **hva** **den** **eneste** **norske** kvinnen som har vært på **begge** polene? Smøla? Cecilie Skog\. |
18
+ | Artisten som dere hadde helt korrekt på\, var Gabrielle\. Tooji vant den norske finalen **med** **låten** **"**Stay**"\.** Hadde det vært bonuspoeng for **låten**\, hadde dere fått det\. Artisten som sang **Skyfall**\, **heter** **Adele**\. | Artisten som dere **begge** hadde korrekt på\, var Gabrielle\. **Hvem** som vant den norske finalen\, var Tooji\. **Helt** **riktig**\. **Med** **låta** Stay\. Hadde det vært bonuspoeng for **låta**\, hadde dere fått den\. **Dessverre**\. Artisten som sang **i** **tittelen**\, **Adelle**\, hadde **begge** helt **rett** **i**\. |
19
+ | **Men** det betyr likevel at det ikke rakk helt inn for Stinta\. **En** rekordjevn Aust\-**Agder** i **Klassequiz** har fått en vinner\. Det er en glede å gratulere Valle skule med plass i finalen\. **Vi** sender Valle med glede **og** **forventning** til Oslo 4\. mai\. | Det betyr likevel at det ikke rakk helt inn for Stinta**\,** for en rekordjevn Aust\-**Agderfinale** har fått en vinner\. Det er en glede å gratulere Valle skule med plass i **den** **nasjonale** finalen**!** Det betyr at **vi** sender Valle med glede til **den** **nasjonale** finalen i Oslo 4\. mai\. |
20
+ | **Jeg** kan bare konstatere at det er Harstad og Bjarkøy\. Hvilken kommune består av Andørja og Rolla? Det var Ibestad\. Ingen poeng **blir** delt **i** **denne** runden\. Smultring\. 0\-0\. Men det er ikke det som er **stillinga** totalt\. | **Så** kan **jeg** bare konstatere at det er Harstad og Bjarkøy\. Hvilken kommune består av **Øyen\,** Andørja og Rolla? Det var Ibestad\. **Så** det var **rett** og **slett\.\.\.** Ingen poeng delt **ut** **den** runden\. Smultring 0\-0\. Men det er ikke det som er **stillingen** totalt\. |
21
+ | Alt er nært og **tilgjengelig**\. Vi begynner **8**\.**30**\, **ikke** **8**\. Det er bra\. Jeg liker å sove\. Dumt å tape når **vi** er kommet langt\. Grødem skole er fra Randaberg\. **De** er **mest** kjent for persille\, salat og **nypoteter**\. | Alt er **så** nært\. Vi begynner **halv** **ni** **istedenfor** **åtte**\. Det er bra\. Jeg liker å sove\. Dumt å tape når **man** **har** kommet **så** langt\. Jeg **står** **her** **med** Grødem skole fra Randaberg\, **som** **først** og **fremst** er kjent for persille og salat\, og **var** **først** **ute** **med** **de** **nyeste** **potetene** **på** **våren**\. |
22
+ | og 5000 **kr** til klassekassa til Valle og **Fiskå\,** som blir lagene vi sender til den nasjonale Klassequiz\-finalen **der** de skal møte 17 andre skarpe fylkesvinnere\. | 5000 **i** **form** **av** **en** **sjekk** som **havner** **i** klassekassa til **elevene** **fra** Valle **skule** og **Fiskeå** **skole** **i** **Kristiansand**\. **De** blir lagene vi sender til den nasjonale Klassequiz\-finalen **i** **Oslo**\. **Der** skal de møte 17 andre skarpe fylkesvinnere\. |
23
+ | Hanne Bjurstrøm\, Bjarne Håkon Hanssen og Dagfinn Høybråten\. Hva **kalles** **han** **som** **stopper** **ut** dyr og fugler? **Taksidermist**\. Vi skal til Stinta\. **Det** kjemiske symbolet til nikkel? Vi har ikke noe svar\. **Hvor** holder **partiet** **Jobbik** til? **Nederland**\. | Hanne Bjurstrøm\, Bjarne Håkon Hanssen og Dagfinn Høybråten\. Hva **jobber** **med** **å** **stoppe** dyr og fugler? **Takk** **for** **svarene** **fra** **Valle**\. Vi skal til Stinta **i** **Arendal**\. Vi **er** **først** **ute** **etter** nikkel\. Hva **er** **det** kjemiske symbolet? Vi har ikke noe svar\. **Spørsmål** **2**\, **landet** **der** **politikerne** holder til\. |
24
+ | **Der** fikk **ingen** av lagene riktig\. 200 **meter** er **det** **riktige** **svaret**\. Vestfold har én travbane med spill på hester\. Hva heter den? Hva er deres svar? Jarlsberg travbane\. Jenter? Jarlsberg\. | **Ingen** av lagene fikk riktig svar\. **Det** **skulle** **vært** 200 **m\,** **som** er riktig svar\. Vestfold har én travbane med spill på hester\. Hva heter den? Hva er deres svar**\,** **Brede**? Jarlsberg travbane\. Jenter**\,** **hva** er deres svar? Jarlsberg\. |
25
+ | 2**:** I hvilket departement er Grete Faremo minister? 3**:** I hvilket norsk band var Hans Erik Dyvik Husby vokalist**\,** **frem** til 2010? 4**:** Hvilken norsk kvinne har vunnet New York Marathon ni ganger? | 2**\.** I hvilket departement er Grete Faremo minister? 3**\.** I hvilket norsk band var Hans Erik Dyvik Husby vokalist **fram** til **i** 2010? 4**\.** Hvilken norsk kvinne har vunnet New York Marathon ni ganger? |
26
+ | Du **svarte** på mange spørsmål i **QuizDan** **nylig** på **NRK1**\. Du vet kanskje hvordan elevene har det **akkurat** **nå**? Det vet jeg **ganske** **godt**\. Man er spent og litt nervøs\, forventningsfull og har **lyst** **til** **å** komme i gang\. **Er** du en streng dommer? | Du **svarer** på mange spørsmål i **tv\-programmet** **Kvistene**\. Du vet kanskje hvordan elevene har det? Det **tror** jeg jeg vet\. Man er spent\, litt nervøs\. **Egentlig** er **man** forventningsfull og **vil** komme i gang\. **Vi** **lurer** på **om** du er en streng dommer\. |
27
+ | Donkeyboy fra **Drammen** slo for alvor gjennom i 2009\. For tida jobber **gutta** med et nytt album\. Hvilken kvinnelig vokalist var med Donkeyboy på **superhitene** **"Ambitions"** og **"Sometimes"?** Bjørn Kjos fra Sokna på **Ringerike** er sjef for **flyselskapet** Norwegian\, | **Gruppa** Donkeyboy slo for alvor gjennom i 2009\. For tida er **de** i **studio** og jobber med et nytt album\. Hvilken kvinnelig vokalist var med på **superhittene?** Bjørn Kjos fra Sokna er sjef for Norwegian\, **som** **flyr** **til** **en** **rekke** |
28
+ | **Jeg** **så** et oppgitt fjes her\. Nei da\. **Enn** Skjervøy? Skjervøy kommune **håper** dere **sikkert** **å** **få** **spørsmål** **om**\. Vi går løs på spørsmålene\. I hvilken kommune ligger Senter for nordlige folk? | **Så** et oppgitt fjes her\. Nei da\. Nei**\,** **dette** **er** **godt** **mot** **en** **skjervøy**\. Skjervøy kommune**\,** **i** **hvert** **fall**\. **Håper** dere **får** spørsmålene\. Vi går løs på **de** **fire** spørsmålene dere **skal** **svare** på\. I hvilken kommune ligger Senter for nordlige folk? |
29
+ | 2**:** **Hvordan** er **håndballspillerne** Heidi og Frank Løke i slekt? 3**:** **Fra** **hvilket** land **kommer** gruppa First Aid Kit? 4**:** **Fra** **hvilken** **julesang** er **strofen** **"**slekt skal følge slekters gang**"?** | 2**\.** **Korleis** er **handballspelarane** Heidi og Frank Løke i slekt? 3**\.** **Frå** **kva** land **kom** gruppa First Aid Kit? 4**\.** **Frå** **kva** **julesong** er **strofa**? **Slekt** skal følge slekters gang**\.** |
30
+ | **Nå** skal vi over til konkurrentene**\,** som er fra en annen del av fylket\. Det er to **ytterkanter** i fylket som **møtes**\. Dette laget kommer fra Myklebust barne\- og ungdomsskole i Vanylven\. Det er en ungdomsskole som har 89 elever\. | **Så** skal vi over til **de** **andre** konkurrentene\. **De** kommer fra en annen del av fylket\. Det er **artig** **at** **det** er to **motpoler** i fylket i **ytterkantene**\. **Vi** skal **fortelle** **at** **dette** laget kommer fra Myklebust barne\- og ungdomsskole i Vanylven\. Dette er en ungdomsskole som har 89 elever\. |
31
+ | Hvor bor **han**? For mange år siden var vi i Afrika\. Målet var å ta med to kompiser for å bestige Afrikas høyeste fjell\. Jeg var med**\,** **og** **det** var slitsomme greier\. 5895 **moh**\. kom vi\. **Hva** heter Afrikas høyeste fjell? | Hvor bor **den**? For mange år siden var **Tore** **på** **sporet** i Afrika\. Målet var å ta med to kompiser for å bestige Afrikas høyeste fjell\. Jeg var **også** med\. **Det** var slitsomme greier\. 5895 **m** **over** **havet** kom vi\. **Spørsmålet** **mitt** **til** **dere** **nå** **er** **hva** Afrikas høyeste fjell heter\. |
32
+ | **Ranger** disse tonene i en **C\-durskala** fra lavest til høyest**:** A\, E og G\. Kristiansund består av fire øyer\. **En** musikkfestival har fått navnet etter ei øy\. **Hvilken**? **Hvilke** forfattere er **De** fire store i norsk litteratur? | **Det** er **rangert** disse tonene i en **sedurskala**\, fra lavest til høyest\. A\, E og G\. Kristiansund består av fire store øyer\. **Men** en musikkfestival i **denne** **byen** har fått navnet **sitt** etter ei øy\. **Hva** **heter** **øya**? **Hva** forfattere **blir** **kalt** **de** fire store **innen** norsk litteratur? |
33
+ | I høst og i vinter har vi vært **rundt** på 20 skoler i Nordland for å finne ut hvem som skal komme til semifinalen og finalen\. Hvordan har dere **valgt** ut hvem som **skulle** komme **hit**? Det var demokratisk **avstemming**\. De fikk velge hvem de ville ha med seg\. | I høst og i vinter har vi vært på 20 skoler i Nordland for å finne ut hvem som skal komme til semifinalen og finalen\. Hvordan har dere **gjort** **det**? Det var demokratisk **avstemning**\. De fikk **bare** velge hvem de ville ha med seg\. |
34
+ | Hvem er de smarteste **10\.\-klassingene** i landet? I **vinter** har **hundrevis** av skoler fra alle **fylker\,** konkurrert i Klassequiz\. I kveld **fyrer** jeg løs med spørsmål**\,** til vi står igjen med ett vinnerlag\. | Hvem er de smarteste **tiendeklassingene** i landet? I **løpet** av **vinteren** har **flere** **hundre** skoler fra alle **fylkene** konkurrert i Klassequiz\. I kveld **skal** jeg **fyre** løs spørsmål **helt** til vi står igjen med ett vinnerlag\. |
35
+ | Det er dessverre ikke riktig for noen av lagene\. Det var 1913\. Det er 100 år siden i år\. **Navnet** på partilederen i SV\. Vi vil ha fornavn og etternavn\. Hva har dere svart\, Siljan? Vi har svart Kristin Halvorsen\. Drangedal har svart? | Det er dessverre ikke riktig for noen av lagene\. Det var 1913\, **så** **det** er 100 år siden i år\. **Så** var **vi** **ute** **etter** **navnet** på partilederen i SV\. **Da** vil **vi** ha **både** fornavn og etternavn\. Vi **kan** **starte** **med** Siljan\. Hva har dere svart? Vi har svart Kristin Halvorsen\. **Mens** Drangedal har svart**\.\.\.?** |
36
+ | **Sinai\-fjellet**\. Blankt\. **Siste** spørsmål**:** Hvilken plante **lagde** de gamle egypterne papir av? **Papyrus**\. **Papyrus**\. Da er alle svar avgitt\. | **Nei**\. Blankt\. **Og** **siste** spørsmål\. Hvilken plante **brukte** de gamle egypterne **til** **å** **lage** papir av? **Papirus**\. **Papirus**\. Da er alle svar avgitt\. **Jeg** **skal** **gå** **gjennom** **fasiten**\. |
37
+ | **på** **"Ambitions"** og **"Sometimes"?** **Kristoffer**? Vi kom ikke fram til noe svar\. Visste dere hvem det var? Vi var ikke helt **sikre**\, **men** vi **svarte** Linnea **Dale**\. Linnea **Dale** er helt riktig\. **Poeng** til Krøderen\. | **Superhittene**\, **ambisjons** og **sometimes**\. **Dere** **kan** **få** **svare** **først**\. Vi kom ikke fram til noe svar\, **så** vi **har** ikke **svart**\. Visste dere hvem **dette** var? **Jeg** var ikke helt **sikker**\. Linnea **Dahle**\. Linnea **Dahle** er helt riktig\. **Dermed** **blir** det **poeng** til Krøderen\. |
38
+ | Peru\. Takk for deres svar\. Det er **helt** riktig **svart** **av** begge lag på **spørsmål** **1**\, **2** og **3**\. Bolivia og Peru er **foreslått** som **land** **Inverness** **ligger** **i**\. Men det er Skottland vi skulle frem til\. | Takk for deres svar\. Det er riktig svar på begge lag\. **Paris**\, **Stavsprang** og **Andesfjellene**\. Bolivia og Peru er **innvurdert** som **Høylandets** **hovedstad**\. Men det er Skottland vi skulle frem til\. |
39
+ | Det kan handle om **både** gamle og nye konger\. **Her** **kommer** det **første** **spørsmålet**\. Nå ser vi noen gamle bilder fra kongefamiliens hytte\. **Og** **her** **må** **dere** **se** **nøye** **etter**\. **Hvor** i Vestfold ligger den**?** Vi vil ha stedsnavnet\. | Det kan **være** **så** **mangt** det kan handle om gamle og nye konger\. Nå ser vi noen gamle bilder fra kongefamiliens hytte\. **Den** **finner** vi i Vestfold**\,** **men** vi **lurer** **på** **hvor** den ligger\. Vi vil ha stedsnavnet\. |
40
+ | 3**:** Byene som ble truffet\, heter Hiroshima og Nagasaki\. 4**:** OL i **1998** ble arrangert i Japan\. **Slik** ser rekkefølgen ut nå\. En kategori igjen\. | 3\. Byene som ble truffet **av** **atombombe**\, heter Hiroshima og Nagasaki\. 4\. OL i **98** ble arrangert i Japan\. **Sånn** ser rekkefølgen ut nå\. En kategori igjen\. |
41
+ | Det betyr at Sør\-Trøndelag ikke er alene i ledelsen lenger\. Vest\-Agder har **hoppet** opp\. **Begge** har 14 poeng\, av 16 mulige\. | Det betyr at Sør\-Trøndelag ikke er alene i ledelsen lenger\. Vest\-Agder har **hoppa** opp\. **De** har **begge** 14 poeng\, av 16 mulige\. |
42
+ | Har dere svart på alle **spørsmålene**? Ja\. Her er fasiten\. 1**:** Brødrene **het** **Grimm**\. 2**:** Grete Faremo er minister i **justisdepartementet**\. | Har dere svart på alle **fire** **spørsmål**? Ja\. Her er fasiten\. **Spørsmål** 1\. Brødrene **som** **skrev** **Hans** **og** Grete**\,** **heter** **Grim**\. 2\. Grete Faremo er minister i **Justisdepartementet**\. |
43
+ | Sånn ser **stillinga** ut nå**:** | Sånn ser **stillingen** ut nå**\.** |
44
+ | **Dette** **er** **det** **bare** seerne **som** får se\. **Vi** **har** **7** **lag** på delt **1\.\-plass**\. | **Bare** seerne får se **dette**\. **Ikke** **lagene** **sjøl**\. **Mange** på delt **førsteplass**\. |
45
+ | **Det** var **veldig** **bra**\. **Det** er 2015 som er riktig svar\. Så det **aller** siste spørsmålet\. I 2012 var det **et** ord som ble kåret til årets **nyord**\. **Da** er vi spente på hvilket\. Vi **begynner** hos jentene\. Vi kranglet litt for lenge**\,** **så** vi **fikk** **ikke** **svart**\. | **Bra**\. **Begge** **lagene** **har** **fulgt** **med**\. 2015 er riktig svar\. Så **kommer** vi til det siste spørsmålet\. I 2012 var det **ett** ord som ble kåret til årets **nye** ord\. Vi spente på hvilket\. Vi **kan** **begynne** hos jentene **igjen**\. **Etter** **mye** **uenighet** kranglet vi litt for lenge\. |
46
+ | Sogn og Fjordane\, hva er deres spesialfelt? Godt spørsmål\. Det **sies** at Peder er kjendisekspert\. Jeg er vel best **på** sport og idrett\. **Otelie** er en allrounder og hjelper til **på** det **meste**\. | Sogn og Fjordane\, hva er deres spesialfelt? Godt spørsmål\. Det er **sagt** at Peder er kjendisekspert\. Jeg er vel best **når** det **gjelder** sport og idrett\. **Thelie** er en allrounder\, **så** **hun** hjelper til\. |
47
+ | Det **er** **morsomt** å komme så langt **òg**\. Hvordan har det vært å være med på dette? **Spennende**\. Morsomt\. Det blir trøstepremier på dere\. **Men** dere fortjener en stor applaus\. | Morsomt å komme så langt\. Hvordan har det vært å være med på dette? Det har vært **spennende**\. Morsomt\. Det blir trøstepremier på dere**\,** **men** dere fortjener en stor applaus\. |
48
+ | Dere kan svare nå\. | Dere kan **begynne** **å** svare **fra** **og** **med** nå\. |
49
+ | Som seg **hør** og bør i sportsjournalistikken\, **spør** **jeg:** **Hva** føler du nå? Jeg føler **meg** glad for å ha vunnet og for å ha slått **Karuss**\. Et lite stikk til naboskolen **der**\. Valle skule blir **representanten** fra Aust\-Agder i **den** **nasjonale** **finalen**\. | Som seg **høre** og bør i sportsjournalistikken\, **Svein**\, **hva** føler du nå? Jeg **er** **veldig** glad\, **både** for å ha vunnet og for å ha slått **Karius**\. Et lite stikk til naboskolen\. Valle skule blir **representant** fra Aust\-Agder\. |
50
+ | Har dere følelse på **hvor** dere ligger på **rangeringen**? Har **regnet** **ut** **at** vi er høyt oppe\. Over midten\, i hvert fall\. **Ja**\, kan **røpe** **at** dere ligger på en delt **2\.\-plass**\, med flere\. **Her** er fasiten\. | Har dere en følelse **av** **hvordan** dere ligger på **rangeringa**? **Vi** er **vel** **relativt** høyt oppe\. Over midten\, i hvert fall\. **Dere** kan **ligge** på en delt **andreplass** med flere\. **Applaus!** **Og** **her** **har** vi fasiten\. |
51
+ | Spørsmål 1**:** Fotballtreneren er ikke Drillo\, men Kjetil Rekdal\. 2**:** **IR** er nasjonalt kjennemerke på bilene i Iran\. **Ingen** visste\. | Spørsmål 1\. Fotballtreneren **det** **handler** **om** i **biografien** i\, er ikke Drillo\, men Kjetil Rekdal\. 2\. **I** er **et** nasjonalt kjennemerke på bilene i Iran\. **Det** **var** **det** **ingen** **som** visste\. |
52
+ | Er dere klare? Ild! | Er dere klare? Ild! |
53
+ | **Vi** **har** **svart** Antarktis\. **Og** Smøla? **Vi** **har** **svart** Afrika\. **Riktig** **svar** er Sør\-Amerika\. **Tore**\, **har** du stillingen **etter** **første** **runde**? Det var uhyre spennende\. Smøla leder med **3** poeng mot Myklebusts **1** poeng\. | Antarktis\. Smøla\. Afrika\. Sør\-Amerika\. **Da**\, **Tora**\, er du **klar** med stillingen? Det var uhyre spennende\. Smøla leder med **tre** poeng mot Myklebusts **tredjeplass**\. |
54
+ | Dette er **Buskerud**\-**finalen** i **Klassequiz**\. Kristoffer\, Martine og Andreas\, dere skal forsvare Nedre Eikers ære\. På skolen var det hard konkurranse om å bli en av de utvalgte\. Hva er det 13\. **fibonaccitallet**? **Kunnskapsnivåer** er skyhøyt i dette klasserommet\. | Dette er **altså** **Buskerudfinalen** i **Klassequizen**\. Kristoffer\, Martine og Andreas skal forsvare Nedre Eikers ære\. På skolen i **Krakstadelva** var det hard konkurranse om å bli en av de **tre** utvalgte\. Hva er det 13\. **Fibonacci**\-**tallet**\, dere? **Kunnskapsnivået** er skyhøyt i dette klasserommet\. |
55
+ | Buskerud\. **Oi**! Og Akershus\. **Gratulerer**\. Hvem som kommer videre\, skal avgjøres **gjennom** en praktisk oppgave | Buskerud\. Og Akershus\, **gratulerer**! Hvem **av** **dere** som kommer videre\, skal avgjøres **ved** **hjelp** **av** en praktisk oppgave\. |
56
+ | Skal vi bare **starte** med **fasiten**? Ja\. Spørsmål 1**:** Jan **Zelezny** har verdensrekorden i spydkast\. 2**:** Bilprodusenten som **lagde** **Rekord**\. Vest\-Agder**\,** **hva** **svarte** dere? Lada\. | Skal vi bare **sette** i **gang** med **fasit**? Ja\. **Her** **er** **fasit**\. Spørsmål 1\. Jan **Ciletti** har verdensrekorden i spydkast\. 2\. Bilprodusenten som har **laga** **rekord**\. Vest\-Agder\. **Hva** har dere **svart**? Lada\. |
57
+ | Jeg er jordmor på **sykehuset** i Tønsberg\. Det er ulik aktivitet på **fødeavdelingen**\. **Alt** fra **tre** **fødsler** på **én** dag\, til ti\-tolv i løpet av et døgn\. | **Hei**\, **Nina** **Høyer**\. Jeg er jordmor på **Sykehuset** Tønsberg på **fødeavdelinga**\. Det er **veldig** ulik aktivitet på **fødeavdelinga**\. **Der** er **det** **alt** fra **trefeste** på **en** dag til ti\-tolv i løpet av et døgn\. |
58
+ | **Likt** på tre av fire **spørsmål**\. Hva er stillingen? | **Det** **var** **likt** på tre av fire\. Hva er stillingen? **Da** er stillingen **4** **poeng** **til** **Tasta\-rusten\,** **mens** **Grødem** **har** **3** **poeng**\. |
59
+ | Hvilke to distanser har Finnmarksløpet? Alta**\-**Karasjok\. **Jeg** er ute etter avstand i **km** eller mil\. Og der stod det ingenting **hos** **dere**\. Hva heter den tidligere **freestylemotorcrosskjøreren** fra Finnmark? Ailo Gaup\. Takk\. | Hvilke to distanser har Finnmarksløpet? Alta **og** Karasjok\. **Da** er **jeg** ute etter avstand i **antall** **kilometer** eller i **antall** mil\. **18**\. Og der stod det ingenting**\,** **mottaker**\. Hva heter den tidligere **freestyle** **motocrosskjøreren** fra Finnmark **som** **vant** **VM** i **2007**? Ailo Gaup\. Takk **for** **dem**\. |
60
+ | **Filmen** som ble nominert til Oscar**?** **Kon\-Tiki**\. Skuespiller **\-** Inception\, Titanic og The Aviator\. Leonardo DiCaprio\. **Og** **regissør** av Avatar**?** James **Cameron**\. Takk for de svarene\. La oss høre på hva Eidebakken har som **svar**\. | **Den** **norske** **filmen** som ble nominert til Oscar\. Skuespiller\, Inception\, Titanic og The Aviator\. Leonardo DiCaprio\. **Regissør** av Avatar\. James **Cramer**\. Takk for de svarene\. La oss høre hva Eidebakken har **å** **svare** på\. |
61
+ | Vestfold\. Og med 29 poeng\.\.\. Vest\-Agder! Gratulerer\, kom **frem** hit\. | Vestfold\. **Det** **er** **det** **man** **kommer** **til** **å** **kalle**\. Og med 29 poeng\.\.\. Vest\-Agder! Gratulerer\, kom **fram** hit! **Kom** **fram** hit! |
62
+ | Dette er superfinalen av Klassequizen\. **Tre** **fylker** kjemper om å bli årets mest kunnskapsrike tiendeklassinger\. Tredje kategori heter **"gigant"\.** Spørsmål 1**:** Hva slags dyr er en belgisk kjempe? | Dette er superfinalen av Klassequizen**\,** **hvor** **tre** **fylkeslag** kjemper om å bli årets mest kunnskapsrike tiendeklassinger\. Tredje kategori heter **Gigant**\. Spørsmål 1\. Hva slags dyr er en belgisk kjempe? |
63
+ | Han er en smart fyr\. Hvem vinner **klassequizen**? Drangedal! Det er to **10\.\-klasser** **der**\. Hvilken klasse går du i? B\. Er **konkurransen** stor mellom klassene? Ja\. Hvordan merker man det? | Han er en smart fyr\. Hvem vinner **Klassequizen**? Drangedal! Det er en **fin** **gjeng** i Drangedal\. **Jon** **Martin\,** **dere** er to **tiendeklassinger**\. Hvilken klasse går du i? **Jeg** går i B\. Er det stor **konkurranse** mellom klassene? Ja**\,** **jeg** **kan** **si** det\. Hvordan merker man det? |
64
+ | Riktig svar er selvsagt Cecilie Skog\. Den norske **filmen** **"**Trolljegeren**"** ble spilt inn i Volda\. **Hvilket** år hadde **den** **premiere**? **I** 2011\. Smøla? **Jeg** var litt **usikker**\. 2009\. | Riktig svar er selvsagt Cecilie Skog\. Den norske **spillefilmen** Trolljegeren ble spilt inn i Volda\. **Hva** år hadde **denne** **premieren**? 2011\. **Og** Smøla? Den var litt **usigelig\,** **så** **det** **tok** 2009\. |
65
+ | I **Krødsherad** setter de **nemlig** sin **lit** til Åsne\, Gunvor og Hanne\. **Læreren** deres og klassekameratene har tro på at dette går veien\. | I **klubben** setter de sin **lyd** til **dere**\, Åsne\, Gunvor og Hanne\. **Både** **læreren** deres og klassekameratene har tro på at dette går veien\. |
66
+ | **Ja**\. **Stor** **applaus** til begge lag\. **Da** er det **klart** **hvem** som skal redde æren til Sør\-Trøndelag i finalen\. **Men** **hvem** skal redde æren til Nord\-Trøndelag? Vi skal bli kjent med det første laget derfra \- Halsen skole\. | **Applaus** til begge lag\. **Kjempebra** **innsats**\. **Den** som skal redde æren til Sør\-Trøndelag i finalen**\,** er **Sverresborg** skole\. **Hvem** skal redde æren til Nord\-Trøndelag? Vi skal bli kjent med det første laget derfra**\,** Halsen skole\. |
67
+ | Dere kan begynne å svare fra og med nå\. | Dere kan begynne å svare fra og med nå\. |
68
+ | Neste kategori er bokstaven i\. Spørsmål 1**:** Hvilken norsk fotballtrener er **hovedperson** i biografien I? 2**:** Hvilket land har IR som kjennemerke nasjonalt på bilene sine? | Neste kategori er bokstaven I\. Spørsmål 1\. Hvilken norsk fotballtrener er **hovedpersonen** i biografien I? 2\. Hvilket land har IR som kjennemerke nasjonalt på bilene sine? |
69
+ | **1**\. Det ble slutt på bruken av 50\-øringer i fjor\. Hva slags **metall** er det mest av i disse myntene? 2\. **I** det indre øret finner vi disse **halvsirkelforma** buegangene\. Hva slags sans ivaretar de? | **Første** **spørsmål**\. Det ble slutt på bruken av 50\-øringer i fjor\. Hva er det mest av **med** **tall** i myntene? **Spørsmål** **nr**\. 2\. **Her\,** i det indre øret**\,** finner vi disse **halvsirkelformede** buegangene\. Hva slags sans ivaretar de? **Spørsmål** **3**\. |
70
+ | Det er en **utrolig** flott opplevelse **å** **få** **oppleve** **så** **mye**\. Hva het indianerhøvdingen som hadde seilt over havet fra Sør\-Amerika? Det ble **selvfølgelig** tid til litt Kon\-Tiki\-klassequiz\. Hvor lang var hvalhaien som du støtte på under flåten? | Det er **veldig** **gama**\. Det er en flott opplevelse\. Hva het indianerhøvdingen som hadde seilt over havet fra Sør\-Amerika til **Polynesia**? Det ble tid til litt Kon\-Tiki\-klassequiz\. Hvor lang var hvalhaien som du støtte på under flåten? |
71
+ | 4**/5**\. 2**/**3 eller 4**/5**? Det riktige svaret er 4**/5**\. Det siste poenget går til Krøderen\. Det ble 3\-3 i denne runden\. **Eknes** er vinneren med 12 mot 10 poeng\. | **Vi** **svarte** 4 **femdeler**\. 2 **tredeler** eller 4 **femdeler**? Det riktige svaret er 4 **femdeler**\. Det siste poenget går til Krøderen\. **Men** **det** ble 3\-3 i denne siste runden\. Det **betyr** **at** **Ekenes** er vinneren med 12 mot 10 poeng\. |
72
+ | Hvilken plante brukte man **i** oldtidens Egypt til å lage papir av? | **\.** **I** oldtidens Egypt**\.** Hvilken plante brukte man **da** til å lage papir av? |
73
+ | Distansen Vebjørn Rodal har tatt gull i\, er 800 **m**\. Dere hjemme ser hva stillingen er\, på skjermen\. **Ja**\, **1**\. kategori er gjennomført\. Vi **fortsetter** med **kategorien** Under 100\. | Distansen Vebjørn Rodal har tatt gull i\, er**\.\.\.** 800 **meter**\. Dere hjemme ser hva stillingen er på skjermen\. **Første** kategori er gjennomført\. Vi **skal** **fortsette** med **en** kategori **som** **heter** Under 100\. |
74
+ | **Og** saltet med stikkende lukt? **Hornsalt**\. Hva blir **verbet** **"å** **sniffe"** i imperativ? **Sniffet**\. Vi beveger oss til **Fiskå**\. **Hunderasen** til Sniff? **Jaktlabrador**\. **Dalen** til Sniff og Snusmumrikken? **Mummidalen**\. **Saltet** med stikkende **luft**? **Hornsalt**\. | Vi **var** **ute** **etter** **salte** med stikkende lukt**\,** **som** **har** **kjemisk** **formel**\. Hva blir **det** i imperativ? **Sniffhet**\. **Så** beveger **vi** oss til **fisko\,** **som** **først** **skal** **svare** **på** **hunderasen** til Sniff\. Vi **var** **ute** **etter** **dalen\,** **der** Sniff og Snusmumrikken **holder** til\. Vi **var** **ute** **etter** saltet med stikkende lukt\. |
75
+ | **Ca**\. 54 %\, ca\. 71 **%** eller ca\. 83 %? Hva har **dere** svart**\,** **Smøla**? 71\. Myklebust? 71\. Riktig svar er 71 %\. Hva heter det dypeste punktet**\,** som ligger på bunnen av Stillehavet? | **Er** det ca\. 54 %\, ca\. 71 eller ca\. 83 %? 71\. **Og** Myklebust har svart? 71\. Riktig svar er 71 %\. Hva heter det dypeste punktet på **jorda** som ligger på bunnen av Stillehavet? |
76
+ | Jeg skal forklare reglene\. De er ganske like reglene dere kjenner fra **radiosendingene** dere **var** **med** på\. Det er 16 spørsmål fordelt på 4 kategorier\. Jeg leser 4 spørsmål av gangen\. **Dere** får 45 sekunder **til** å besvare **dem**\. | Jeg skal forklare reglene\. De er ganske like **de** reglene dere kjenner **igjen** fra **radiosendingen**\. Det er 16 spørsmål fordelt på 4 kategorier\. Jeg leser 4 spørsmål av gangen\. De får dere 45 sekunder å besvare **og** **samarbeide** på\. |
77
+ | Det siste her **nå**\. Det var **liksom** så jevnt\. Hvordan føles det\, Ragnhild? Bare bra\. Her har vi **sjekken**\. Og **diplom**\, som **er** **beviset** **på** at dere skal redde æren til Sør\-Trøndelag videre **nå**\. | Det siste her var så jevnt\. Hvordan føles det\, Ragnhild? Bare bra\. **Fornøyd**? **Ta** det **med** **ro**\. Her har vi **sekken**\. **Takk**\. Og **diplomet** som **beviser** at dere skal redde æren til Sør\-Trøndelag videre\. **Tusen** **takk**\. **Takk** skal **du** **ha**\. |
78
+ | **3:** Bandet Hans Erik Dyvik Husby var vokalist i\, heter Turboneger\. **4:** Hun som har vunnet New York Marathon **9** ganger\, heter Grete Waitz\. **Rekkefølgen** blir **slik**\. | Bandet Hans Erik Dyvik Husby var vokalist i\, **het** Turboneger\. **Og** **fire\.\.\.** Hun som har vunnet New York Marathon **ni** ganger\, heter Grete Waitz\. **Da** blir **rekkefølgen** **sånn**\. |
79
+ | Du **tenker** ikke **"**det **hadde** **jeg** **klart"?** Nei\. **Vi** **håper** **de** kommer sterkere tilbake i neste kategori**!** Vet dere hvem som er regjerende **"Idol"\-vinner**? | Du **sitter** ikke som **en** **besserwisser**? Nei**\,** ikke i det **hele** **tatt**\. **En** **liten** **jubel** **for** **laget**\. **Håper** dere kommer sterkere tilbake i neste kategori\. **Et** **lite** **spørsmål**\. Vet dere hvem som er regjerende **idolvinner**? |
80
+ | **Hadde** aldri trodd at\.\.\. At dere var blant de beste? Nei\. **Heller** motsatt\. Vi trodde vi var dårligst\. Vi trodde vi **kom** på **sisteplass**\. Oi! Gratulerer! Strålende! Tusen takk\. Var det stressende **og** **vanskelig**? Vi lurte **et** **øyeblikk** på om det gikk bra\. | **Jeg** **hadde** aldri trodd\.\.\. **Dere** trodde **ikke** at dere var blant de beste? Nei**\,** **heller** motsatt\. Vi trodde vi var dårligst\. At **du** var dårligst? Oi! Gratulerer! Strålende! Tusen takk\. **Hva** **syns** dere? Var det stressende? Vi lurte på om det gikk bra\. |
81
+ | Dere kan begynne å svare nå\. | Dere kan begynne å svare **fra** **og** **med** nå\. |
82
+ | Vest\-Agder\. Er noen spent på deres vegne **nå**? **Ja**\. **En** **i** klassen liker å besvime\. **Håper** du holder deg våken **nå**\. Mange er nok spente\, **ja**\. **Bekymret** for at noen skal få hjerteinfarkt\. **Noen** du **tenker** på **da**? **Besteforeldre**\. | **Og** **så** **var** **det** Vest\-Agder\. Er noen **veldig** spent på deres vegne? **Veldig** **mange** er spente\. **Den** **ene** klassen liker å besvime\, **så** du **får** **håpe** du holder deg våken\. Mange er nok **veldig** spent\. **Litt** **bekymret** for at noen **med** **dårlig** **hjerte** skal få hjerteinfarkt\. **Hva** er **gamle** **besteforeldre**? |
83
+ | **Da** **har** **vi** **en** **1**\, **2**\. og **3\.\-**plass\. **3:** Vestfold\. **2:** Vest\-Agder\. På topp med **1** poeng**:** Sør\-Trøndelag\. | **Ett** **lag** **på** **første**\, **ett** **på** **andre** og **ett** **på** **tredje** plass **foreløpig**\. På **tredje**\, Vestfold\, **andre**\, Vest\-Agder\. På topp **fortsatt** med **bare** **ett** poeng **over**\. Sør\-Trøndelag\. |
84
+ | Chelsea\, Barcelona og Sogndal er rett på spørsmål 2\. **Skihopperen** som introduserte V\-stilen\, var svensk\, og ble i sin tid **sammenlikna** **både** med kråke og hekksaks\. Han het Jan **Boklöw**\. Martina Navratilova la opp i 1990\, før dere var født\. | Chelsea\, Barcelona og Sogndal er rett på spørsmål 2\. **Hopperen** som introduserte V\-stilen\, var **faktisk** svensk\. Han ble i sin tid **sammenlignet** med **ei** kråke og **ei** hekksaks\, **men** **revolusjonerte** **til** **hoppsporten**\. Han het Jan **Boklöv**\. Martina Navratilova la opp i **ca**\. 1990\, før dere ble født\. |
85
+ | Hvor smart er en **tiendeklassing**? Lørdag 4\. mai er det finale i Klassequiz**\,** **og** vi må finne ut hvem vi skal sende fra ditt fylke\. De kan mer enn du tror\. | Hvor smart er en **10\.\-klassing**? Lørdag 4\. mai er det finale i Klassequiz\. **Vi** må finne ut hvem vi skal sende fra ditt fylke\. De kan mer enn du tror\. |
86
+ | Vi svarte hund\, men tenker at kanin var hakket **hvassere**\. Kanin\, ku og hund\. Den som hadde rett\, var**\.\.\.** Oslo\. Det var kanin\. Her er resten av svarene**:** | Vi svarte hund\, men **i** **ettertid** tenker **vi** at kanin **kanskje** var hakket\. Kanin\, ku og hund\. Den som hadde rett\, var Oslo\. Det var kanin\. Her er resten av svarene\. |
87
+ | Sånn ser poengtavla ut nå**:** | Sånn ser poengtavla ut nå**\.** |
88
+ | Hvor arrangeres det **Ski**\-VM i år? 3\. Hvis det er pluss 1 og nysnø\, hvilken festevoks **brukes** da? 1\. **Blå**\. 2\. **Lilla**\. 3\. **Rød**\. | Hvor arrangeres det **ski**\-VM i år? Hvis det er pluss 1 og nysnø\, hvilken festevoks **anbefales** **å** **bruke** da? **Alternativ** 1\, **blå**\, **alternativ** 2\, **lilla** **eller** **alternativ** 3\, **rød**\. |
89
+ | Vi er fra hver **vår** **klasse** **i** **tiende** **\-** fra A\, B og C\. Hvordan er det å sitte her nå? Gøy\. Vi hadde ikke trodd vi skulle komme så langt\. **Det** er **bare** å **krysse** fingrene og **håpe** dere kommer enda lenger\. Vi skal fortsette med kategori 5\, som vi har kalt for Portugal\. | Vi er **alle** fra hver for **oss**\, så det **var** **én** fra A\, **én** fra B\, **én** fra C\. Hvordan er det å sitte her nå? Gøy\. Vi hadde ikke trodd vi skulle komme så langt\. **Da** **krysser** vi fingrene og **håper** dere kommer enda lenger\. Vi skal fortsette med kategori 5\, som vi har kalt Portugal\. |
90
+ | Hvordan føles det å stå her nå? **Bra**\. Hva med dere\, **Gjøklep**? Hva føler dere? Skikkelig klar\. Det går veldig bra\. Hva satser dere på? Å vinne\. Vi får se hvordan det går\. Det første temaet er **"**konge**"\.** | Hvordan føles det å stå her nå? **Rett** **og** **slett** bra\. Hva med dere\, **Klepp**? Hvordan føler dere dere? Skikkelig klar\. Det **skal** **gå** veldig bra\. **Dere** **tror** det går **veien**? Hva satser dere på? Å vinne\. Vi får se hvordan det går\. Vi **starter** med det første temaet\, **som** er konge\. |
91
+ | Når det blir kaldt nok\, kan en kopp vann fort **bli** **til** **snø**\. Kulderekorden i Norge er på minus 51\,4 grader\. **Hvor** var det så kaldt? | Når det blir kaldt nok\, kan en kopp vann fort **bite** **snøen**\. Kulderekorden i Norge er på minus 51\,4 grader\. **Men** **hvor** var det så kaldt? **Var** det **rødros**? **Tynset**? |
92
+ | Jeg er voldsomt stolt\. Vi har en representant fra Kabelvåg\. **Men** du er ikke lærer\. Du er coachen deres og reserven **også**\. Hvorfor står ikke du bak pulten **der** **nå**? Det er guttene som er best\. Jeg er fornøyd med å være reserve\. **Men** **coach\.\.\.** Hva har **den** **jobben** bestått i? | Jeg er voldsomt stolt\. Vi har med en representant fra Kabelvåg\. Du er ikke lærer**\,** **men** coachen deres og reserven\. Hvorfor står du ikke bak pulten og er med i **konkurransen**? Det er guttene som er best\. Jeg er fornøyd med å være reserve\. Hva har coachen bestått i? |
93
+ | Dette er **virkelig** velsmakende mat\, men ikke det sunneste en kan få\. **Og** **for** **idrettsstjerner** er det ikke så sunt\. **Spørsmål** **2:** Hvilken idrett driver Bradley Wiggins med? Vi er i en typisk britisk pub\, **som** det **fins** mange av i britiske byer\. | Dette er **veldig** velsmakende mat\, men ikke det sunneste **man** kan få av mat\. **For** **idrettsdiano** er det ikke så sunt\. Hvilken idrett driver Bradley Wiggins med? Vi er i en typisk britisk pub med mange **tusen** i **alle** britiske byer\. |
94
+ | 3\-1 til Smøla\. **Er** dere **fornøyde** med starten? **Var** det sånne spørsmål dere håpet på? **Ja**\. **Er** **jentene** **fornøyde** med 1 poeng? Nei\. Det forteller **egentlig** alt\. | 3\-1 til Smøla\. **Gutta\,** **fornøyd** med starten? **Jeg** **kan** **ikke** **si** **at** **jeg** **er** **misfornøyd**\. Det **var** sånne spørsmål dere håpet på\. **Jentene\,** **hvordan** **er** dere **fornøyd** med 1 poeng? Nei\. **Jeg** **tror** det forteller alt\. |
95
+ | Der er tiden ute\. Da må jeg få svarene\. **Gran** **Canaria**\. **Tyfus**\. **Tipi**\. **Sekkepipe**\. 14 skoler er blitt til 2\. Ungdommene fra Eknes og Krøderen **skole** skal **gjøre** **sitt** **ytterste** **for** **å** svare på 16 spørsmål\. Det står om 5000 kr | Der er tiden ute\. Da må jeg få svarene\. **Vi** **satser** på **tyfus**\. **Pippi**\. **Sekkepip** **eller** **vann**\. 14 skoler er blitt til 2\. Ungdommene fra Eknes og Krøderen skal svare på 16 spørsmål **i** **4** **kategorier**\. Det står om 5000 kr\. |
96
+ | Jeg ønsker dem lykke til\. De vinner\. Jeg har **tro** på dem\. Jeg ønsker dem lykke til\. **Morsomt** å se om de vinner **eller** ikke\. Jeg ønsker dem lykke til\. De **knuser** de **andre!** Vi har ikke meldt oss på for å komme på **andreplass**\. Vi skal vinne**!** Vinnerinstinktene er på plass\. | Jeg ønsker dem lykke til\. Jeg **tror** **jeg** har **troa** på dem\. Jeg ønsker dem lykke til\. **Det** **blir** **morsomt** å se om de vinner\. Jeg ønsker dem lykke til\. De er **råe** **og** **vil** **knuse** til **hverandre**\. Vi har ikke meldt oss på for å komme på **annenplass**\. Vi skal vinne\. Vinnerinstinktene er på plass**\,** **og** **det** er **veldig** **bra**\. |
97
+ | **Finnmark\,** **går** det bra med dere? Ja\. Hvor lang tid brukte dere på å reise fra Kjøllefjord? Ganske nøyaktig 12 timer\. **Jøss**\. Hvordan fikk dere tida til å gå? Vi hadde med **en** quizbok og spill\. **Så** **vi** **øvde** **litt**\. Hvordan har dere fordelt kunnskapsområdene **mellom** dere? | **Går** det bra? Ja\. Hvor lang tid brukte dere på å reise fra Kjøllefjord? Ganske nøyaktig 12 timer\. Hvordan fikk dere tida til å gå? Vi hadde med quizbok og spill\. Hvordan har dere fordelt kunnskapsområdene? |
98
+ | Og Rihanna kommer fra\.\.\. Barbados\. Det var nesten\. **Dere** har **3** poeng etter denne runden **\-** **mot** **2**\. Når man legger de **nyervervede** **poengene** sammen med **dem** | Og Rihanna kommer fra\.\.\. Barbados\. Det var nesten\. **Men** **hvis** **jeg** **ikke** **tar** **helt** **feil** **nå\,** har **dere** **tre** poeng etter denne runden\. **Mot** **to**\. Når man legger de **nye** **ervervpoengene** sammen med de |
99
+ | Vi **hadde** **trua** **hele** **tida**\. Vi visste det\. Hvordan har det vært **så** **langt**? Ganske trivelig\. Vi **slapp** skole\. Det er **veldig** artig\. **Og** **lærerikt**? **Ja**\. For at konkurransen skal gå riktig for seg\, skal vi med oss en dommer\. Stein Sneve\, **velkommen** **hit**\. Du er journalist i Avisa Nordland\. | Vi visste det\. Hvordan **var** det **å** **ha** vært med i **Klassequizen**? Ganske trivelig\. **Slepp** skole\. **Hva** **sier** **du**? Det har vært artig\. **Lærerikt**\, **kanskje**? For at konkurransen skal gå riktig for seg\, har vi med oss en dommer\. Stein Sneve\. **Velkommen**\. Du er **til** **vanlig** journalist i Avisa Nordland\. |
100
+ | Gratulerer! **Tusen** **takk**\. Strålende! Det var flott\, **altså**! Det var **så** spennende! Ingen visste hvor de lå\, **så** det var spennende\. **Jeg** er **veldig** spent på det **metanspørsmålet**\. **Jeg** er **jo** **naturfaglærer**\. Hvor mange hydrogenatomer var det i metan? **Ja**\, det klarte vi\. Det var **en** **som** kom opp i **prøvemuntlig** i naturfag\. | Gratulerer\, **Håkon**! Gratulerer\, **Max**! Strålende! Det var flott! **Så** spennende! Ingen visste hvor de lå\. **Nå** er **jeg** spent på metan**\-spørsmålet**\. Det er **naturfeilær**\. **Hvordan** **gikk** det? Hvor mange hydrogenatomer var det i metan? Det klarte vi\. **En** kom opp i **prøvemunntlig** i naturfag\. |
101
+ | Er det behov for ny skole? Jeg vil si det\. Er det veldig slitt? Litt\. Vi la **kanskje** merke til en liten detalj\. **Da** vi var på besøk for å filme\, var det et kart som så ut som det var hengt opp rett etter **unionsoppløsninga** i **1905**\. **Se** **her**\. | Er det behov for ny skole? Jeg vil si det\. Er **du** veldig slitt? Litt\. Vi la merke til en liten detalj\. **Kanskje** **ikke** **den** **største**\. **Men** **da** vi var på besøk for å filme **geografikvisten**\, var det et kart som så ut som det var hengt opp rett etter **unionsoppløsningen** i **1925**\. |
102
+ | **Vi** skal få inn **supersjefen** vår\. **Hallstein** **Vemøy** **er** **distriktsredaktør** i NRK Møre og Romsdal\. Han **kommer** med blomster til vinnerne\. **Og** en sjekk på 5000 **kroner** til elevene fra Smøla ungdomsskole\. | **Hun** skal få inn vår **supersjef**\. **Distriktsredaktør** i NRK Møre og Romsdal\. Han skal **komme** inn med blomster til vinnerne\. Han **har** **også** med **seg** en sjekk på 5000 **kr** til elevene fra Smøla ungdomsskole\. |
103
+ | I **løpet** **av** **kvelden** skal **vi** **komme** **frem** til ett vinnerlag**\,** som fortjener å ta med trofeet hjem\. Alle **ungdomsskoler** i landet har fått tilbud om å være med i Klassequiz\. 314 skoler meldte seg på\. I første runde konkurrerte **alle** på lokalradio\. Vi har **egentlig** ikke forberedt oss så mye**\,** **men** **vi** har spilt **Quizkampen**\. | Vi skal til ett vinnerlag som fortjener å ta trofeet med seg hjem\. Alle **ungdomsskolene** i landet har fått tilbud om å være med i Klassequiz\. 314 skoler meldte seg på\. I første runde konkurrerte **de** på lokalradio\. Vi har ikke forberedt oss så mye\. Vi har spilt **quizkampen**\. |
104
+ | **Det** ble **10** poeng mot Siljans **5**\. Hadde du trodd det skulle gå så bra? Egentlig ikke\. **Det** er **bare** bra\. Hadde dere flaks med **kategoriene**? **Det** **var** **helt** **greit**\. Dere hadde som eneste lag i Telemark **12** poeng i **de** innledende **rundene**\. | **Jon** **Martin\,** det ble **ti** poeng mot Siljans **fem**\. Hadde du trodd det skulle gå så bra? Egentlig ikke**\,** **men** det er **jo** bra\. Hadde dere flaks med **kategorien**? **Hvordan** **føltes** det? **Greit**\. Dere hadde som eneste lag i Telemark **tolv** poeng i innledende **runder**\. |
105
+ | Jeg heter Lars **Øygarden** **Nordbø\,** 16 år og går på Drangedal skole\. Jeg heter **Jon** **Martin\,** **15** år og går på Drangedal skole\. Solveig **Sannes\,** **15** år og går på Drangedal skole\. I **den** andre **semifinalen** vant Siljan knepent over Rauland\. Jeg heter **Andreas** **Hammer\,** 16 år og går på Siljan skole\. **Magne** Erlandsen**\,** **15** år og går på Siljan skole\. | Jeg heter Lars **Øigard** **Nordby** og **er** 16 år\. Jeg **kommer** **fra** Drangedal **tiårig** skole\. Jeg heter Solveig **Sandnes** og går på Drangedal **ungdomsskole**\. I andre **semifinale** vant Siljan knepent over Rauland\. Jeg heter **André** og **er** 16 år\. Jeg går på Siljan **ungdomsskole**\. Jeg **er** **Magnar** Erlandsen og går på Siljan **ungdomsskole**\. |
106
+ | **Buskerud**\, hvordan går det? **Nei**\, det går helt greit\. Helt midt på treet? Ja\. Du skal ikke håpe for mye og ikke for **lite**? Hvor gøy hadde det vært å ta med seg trofeet hjem i dag? Det hadde vært **veldig** morsomt\, ikke minst for skolen og lærerne\. **Så** **vi** **håper** **jo** det\. Skolen deres er Høvik i Lier\. | **Husker** **du** hvordan det går **så** **langt**? Det går helt greit\. Helt midt på treet? Ja\. Du skal ikke håpe for mye? Hvor gøy hadde det vært å ta med seg trofeet hjem i dag? Det hadde vært morsomt\, ikke minst for skolen og lærerne\. Skolen deres er Høvik\, **som** **ligger** i Lier\. |
107
+ | Det er temperatur i rommet\. **Er** det deg og meg? Der var det blikket igjen du sendte til meg\. Jeg tror jeg vet at du er litt forelska i meg\. | Det er temperatur i rommet**\,** er det deg og meg? Der var det blikket igjen**\,** du sendte det til meg\. Jeg tror jeg vet at du er litt forelska i meg\. |
108
+ | **Dere** er **ikke** redd for at hun skal bli sinna **etterpå**? Nei da\. **Det** er **ikke** så ille\. Andreas\, du **blir** **beskrevet** som en kar med draget på damene\. Er du glad i jenter? Ja\, alle er vel glad i jenter? **En** kan bli litt lei dem **òg**\, men en er alltid glad i jenter\. | **Ikke** redd for at hun skal bli sinna? Nei da\. **Ikke** så ille\. Andreas\, du **beskrives** som en kar med **utrolig** draget på damene\. Er du glad i jenter? Ja\, alle er vel glad i jenter\. **Jeg** kan bli litt lei dem\, men alltid glad i jenter\. |
predictions/validation_nrk_tv/step_3000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_4000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_5000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_6000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_7000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md) | [Step 17000](step_17000.md) | [Step 18000](step_18000.md) | [Step 19000](step_19000.md) | [Step 20000](step_20000.md) | [Step 21000](step_21000.md) | [Step 22000](step_22000.md) | [Step 23000](step_23000.md) | [Step 24000](step_24000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |