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
e95f938
•
1 Parent(s): 93b4f43

Saving weights and logs of step 24999 - 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 +21 -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 +1 -1
  21. predictions/validation_fleurs/step_24999.md +108 -0
  22. predictions/validation_fleurs/step_3000.md +1 -1
  23. predictions/validation_fleurs/step_4000.md +1 -1
  24. predictions/validation_fleurs/step_5000.md +1 -1
  25. predictions/validation_fleurs/step_6000.md +1 -1
  26. predictions/validation_fleurs/step_7000.md +1 -1
  27. predictions/validation_fleurs/step_8000.md +1 -1
  28. predictions/validation_fleurs/step_9000.md +1 -1
  29. predictions/validation_nrk_tv/step_0.md +1 -1
  30. predictions/validation_nrk_tv/step_1000.md +1 -1
  31. predictions/validation_nrk_tv/step_10000.md +1 -1
  32. predictions/validation_nrk_tv/step_11000.md +1 -1
  33. predictions/validation_nrk_tv/step_12000.md +1 -1
  34. predictions/validation_nrk_tv/step_13000.md +1 -1
  35. predictions/validation_nrk_tv/step_14000.md +1 -1
  36. predictions/validation_nrk_tv/step_15000.md +1 -1
  37. predictions/validation_nrk_tv/step_16000.md +1 -1
  38. predictions/validation_nrk_tv/step_17000.md +1 -1
  39. predictions/validation_nrk_tv/step_18000.md +1 -1
  40. predictions/validation_nrk_tv/step_19000.md +1 -1
  41. predictions/validation_nrk_tv/step_2000.md +1 -1
  42. predictions/validation_nrk_tv/step_20000.md +1 -1
  43. predictions/validation_nrk_tv/step_21000.md +1 -1
  44. predictions/validation_nrk_tv/step_22000.md +1 -1
  45. predictions/validation_nrk_tv/step_23000.md +1 -1
  46. predictions/validation_nrk_tv/step_24000.md +1 -1
  47. predictions/validation_nrk_tv/step_24999.md +108 -0
  48. predictions/validation_nrk_tv/step_3000.md +1 -1
  49. predictions/validation_nrk_tv/step_4000.md +1 -1
  50. predictions/validation_nrk_tv/step_5000.md +1 -1
README.md CHANGED
@@ -18,6 +18,24 @@ probably proofread and complete it, then remove this comment. -->
18
  # scream_small_beta
19
 
20
  This model is a fine-tuned version of [openai/whisper-small](https://huggingface.co/openai/whisper-small) on the NbAiLab/ncc_speech dataset.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
21
 
22
  ## Model description
23
 
@@ -81,6 +99,9 @@ The following hyperparameters were used during training:
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
 
18
  # scream_small_beta
19
 
20
  This model is a fine-tuned version of [openai/whisper-small](https://huggingface.co/openai/whisper-small) on the NbAiLab/ncc_speech dataset.
21
+ It achieves the following results on the evaluation set:
22
+ - step: 24999
23
+ - validation_fleurs_loss: 0.3973
24
+ - train_loss: 0.6021
25
+ - validation_fleurs_wer: 9.3099
26
+ - validation_fleurs_cer: 4.1971
27
+ - validation_fleurs_exact_wer: 12.8734
28
+ - validation_fleurs_exact_cer: 5.2187
29
+ - validation_stortinget_loss: 0.2984
30
+ - validation_stortinget_wer: 14.6028
31
+ - validation_stortinget_cer: 10.4391
32
+ - validation_stortinget_exact_wer: 18.0343
33
+ - validation_stortinget_exact_cer: 11.0177
34
+ - validation_nrk_tv_loss: 0.7428
35
+ - validation_nrk_tv_wer: 42.2159
36
+ - validation_nrk_tv_cer: 32.6028
37
+ - validation_nrk_tv_exact_wer: 49.9168
38
+ - validation_nrk_tv_exact_cer: 33.8385
39
 
40
  ## Model description
41
 
 
99
  | 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 |
100
  | 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 |
101
  | 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 |
102
+ | 24999 | 0.3973 | 0.6021 | 9.3099 | 4.1971 | 12.8734 | 5.2187 |
103
+ | 24999 | 0.2984 | 0.6021 | 14.6028 | 10.4391 | 18.0343 | 11.0177 |
104
+ | 24999 | 0.7428 | 0.6021 | 42.2159 | 32.6028 | 49.9168 | 33.8385 |
105
 
106
 
107
  ### Framework versions
flax_model.msgpack CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:ddb7a48cca794e2aa9333a52358dbc047ce342dd2a2e20a1a445db1c21164f6b
3
  size 966956827
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ca1c37b9b8e0942edf508b715b80ceb945deefa9c6c63583200195e1c5c05a3b
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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_24000.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_fleurs/step_24999.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) | [Step 24999](step_24999.md)
2
+
3
+ | STEP| loss | wer |cer|
4
+ | ---| --- | --- |--- |
5
+ | **24999**| 0.397 | 9.310 |4.197 |
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 **amerikanske** imperialisme i erobringen av **filippinene**\. |
16
+ | Det er faktisk **Martelly** sin femte **CEP** på fire år\. | Det er faktisk **Martell** **i** sin femte **CP** 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** **Vela** **Squez** 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 publikummet\. |
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 byttet 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\, **maciek** **krezel** og hans følger\, Anna og **gardsynska**\, kom til slutt på **trettendeplass** i **super**\-G\. **Sørkoreas** **Young** **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** Versace\. |
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 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 **avennene**\, 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 tilsendt henne 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 **hav** 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\-**rummerne**\, blir det ofte sett på som **en** ufint på grunn av sine assosiasjoner med negative **stereotypier** og **uunøyaktige** inntrykk av det |
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 **uthappa** 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 **havet** til 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 **mahaienes** 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\. Det meste vitenskapelig 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\, på polobanen i Las **Cañitas**\. | Årets største turnering avholdes i desember\, på polobanen i Las **Canites**\. |
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 **minskekommende** 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\, chili\, 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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_24000.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/validation_nrk_tv/step_24999.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) | [Step 24999](step_24999.md)
2
+
3
+ | STEP| loss | wer |cer|
4
+ | ---| --- | --- |--- |
5
+ | **24999**| 0.743 | 42.216 |32.603 |
6
+
7
+ | target | prediction |
8
+ |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
9
+ | **Er** det spørsmål dere absolutt ikke vil ha? | **Tobias\,** **er** det **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** Orlando 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 **alle** på **fotballag**\, **deg**\, **Solveig** **og** **Jon** **Martin**\. Må man spille i Drangedal? **Er** det krav? **Nei**\, det er 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 **Sverre** **Svarg**! **Du** **kom** **inn** i **siste** **liten** og **fikk** **være** **med** **på** **dette**\. Det var artig å vinne\. Når var dere mest usikre? |
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 |
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\. **Men** **dessverre**\. Artisten som sang **i** **tittelen**\, **Adell**\, 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 **der**\. 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 **har** **alt** tilgjengelig for **alle**\. Vi begynner **halv** **ni** **istedenfor** **åtte**\. Det er bra\. Jeg liker å sove\. Dumt å tape når vi **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 **Fiskeås** **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** partiet Jobbik 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 svaret deres**\,** **Brede**? Jarlsberg travbane\. Jenter**\,** **hva** er svaret? 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\. Man er spent\, litt nervøs\, og forventningsfull\. Man **vil** **bare** 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 på Ringerike er sjef for Norwegian\, |
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\. **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\. | **Vi** skal over til **det** **andre** laget\, konkurrentene\. **De** kommer fra en annen del av fylket\. Det er **artig** **at** **det** er to **motpoler** i fylket i **ytterkantene** som møtes\. 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 moh\. 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 **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**\, Ambitions og Sometimes\. **Da** **kan** dere **svare**\. 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 helt riktig svar til begge lag\. **Paris**\, **Stavsprang** og **Andesfjellene**\. Bolivia og Peru er foreslått 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\. Her må dere se nøye etter\. **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\. **Én** 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**:** | **Og** **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**\,** **men** **jeg** **syns** 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 hør 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\, **som** **mange** **trodde**\, men Kjetil Rekdal\. 2\. IR 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\. Og Smøla? **Nei**\, Afrika\. Riktig svar er 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 **Cillezny** 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**\, **jeg** **heter** **Nina** **Høyer**\. Jeg er jordmor på **Sykehuset** Tønsberg\. Det er **veldig** ulik aktivitet på **fødeavdelinga**\. **Vi** er **en** **akuttavdeling**\. **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\-rusta**\. **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\. Hva heter den tidligere **freestyle** **motocrosskjøreren** fra Finnmark **som** **vant** **VM** i **2007**? Ailo Gaup\. Takk**\,** **Freddy**\. |
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\. **Leonard** 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** **var** **kjempelekkert**! Og med 29 poeng\.\.\. Vest\-Agder! Gratulerer\, **Kompamiss**! **Kompamiss**! |
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** **vært**? 2011\. **Og** Smøla? **Det** 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 **kveld** 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** **nummer** **to**\. **Her\,** i det indre øret**\,** finner vi disse **halvsirkelformede** buegangene\. **Hvilken** sans ivaretar de? **Spørsmål** **tre**\. |
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 å få oppleve så mye\. 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 **støtter** 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\. 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 sjekken\. **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? Vi trodde vi var dårligst**\,** **egentlig**\. At **du** var dårligst? Oi! Gratulerer! Strålende! Tusen takk\. **Så** **flott**\. Var det stressende og vanskelig? 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** spente\. **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** **et** Jan **Boklöv**\. **Martine** Navratilova la opp i **ca**\. 1990\. |
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**:** | **Og** **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**\, 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** **en** fra A\, **en** fra B\, **en** 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 **inn** **for** **konkurransen**? Skikkelig klar\. **Jeg** føler det **skal** **gå** veldig bra\. 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 **de** 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 **veldsmakende** mat\, men det er ikke det sunneste **man** kan få\. **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** **se** **at** det **er** **misfornøyd**\. Var det sånne spørsmål dere håpet på? Ja\. **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\. **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\. **Sleppte** skole\. **Hva** **tror** **du**\, Stein? Det **var** 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\, så det var spennende\. **Nå** er **jeg** spent på metan**\-spørsmålet**\. Det er jo **naturfeilær**\. Hvor mange hydrogenatomer var det i metan? Det klarte vi\. **En** kom opp i **prøvemunnlig** 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? Er det behov for 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 1905\. |
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**\. Hallstein **Veemøy\,** distriktsredaktør i NRK Møre og Romsdal\. Han skal **komme** inn med blomster til vinnerne\. Han **har** **også** med **seg** en sjekk på 5000 kroner 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 **fram** 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** alle på lokalradio\. Vi har ikke forberedt oss så **veldig** 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** Nordbø 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** Hammer og **er** 16 år\. Jeg **er** 15 år 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\. | **Hvordan** går det **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 blir beskrevet som en kar som **har** **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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.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) | [Step 24000](step_24000.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) | [Step 24999](step_24999.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |