Name
stringclasses 3
values | Model
stringlengths 42
57
| Transcription
stringlengths 55
3.03k
|
|---|---|---|
openai-whisper-large-v3 | 007_et_godt_spørsmål_88%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er et godt spørsmål. Jeg har brukt ganske mye tid på å finne ut av selv også. For jeg gikk jo også gjennom det her vanlige norske eller vestlige utdanningsløpet og lærte om alle disiplinerne og grensene og det der. Og fulgte jo det som den første læreboka jeg skrev i samme sluttførturen. Den gikk jo på det samme som, altså, var egentlig mer eller mindre en oversettelse av det jeg hadde lært.', chunks=None) |
openai-whisper-large-v3 | 008_et_godt_spørsmål_92%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er et godt spørsmål. Jeg har brukt ganske mye tid på å finne ut av selv også. Jeg gikk gjennom det vanlige norske eller vestlige utdanningsløpet og lærte om visiplinen og grensene. Den første lærerboken jeg skrev i samme sluttetid, den gikk jo på det samme som den oversettelsen jeg har lært.', chunks=None) |
openai-whisper-large-v3 | 009_et_godt_spørsmål_96%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er et godt spørsmål. Jeg har brukt ganske mye tid på å finne ut av selv også. Jeg gikk gjennom det vanlige norske eller vestlige utdanningsløpet og lærte om visikinen og grensene og det der. Og fulgte det som den første lærerboken jeg skrev i samme sluttetid. Den liker jo på det samme som den oversettelse jeg har hatt med det.', chunks=None) |
openai-whisper-large-v3 | 010_et_godt_spørsmål_100%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er et godt spørsmål. Jeg har brukt ganske mye tid på å finne utgangsskjøl også. Jeg gikk gjennom det norske utgangsløpet og lærte om at visike i mennesker er ensomme. Jeg fikk det som den første lærerboken jeg skrev i samfunnskurset. Det er viktig å få det samme som det var egentlig når man hadde oversett seg.', chunks=None) |
openai-whisper-large-v3 | 011_et_godt_spørsmål_104%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er eit godt spørsmål, og det er jo... Eg har altså brukt ganske myk myk tid på å filme utgangssøl også, for at utgangssølen er denne her vannhjelpen. Norsk er det beste utgangssløpet, og lærte jo man i sin tid med jelsa og sånn, og fikk jo det som den første veldig gode fest, det er viktig på det samme sett, men det var egentlig myk myk på det samme sett.', chunks=None) |
openai-whisper-large-v3 | 012_et_godt_spørsmål_108%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er eit godt spørsmål. Og det er jo... Jeg har altså brukt kanskje mykje ut på å skjule med utvalgser, også på at utvalgserne er nære på andre grupper. Kanskje det meste ut av en setning på å lære til mannene som kvinner, ledsa og så videre. Og å skjulte det som en høsteverg å skjule med utvalgser, det er viktig for oss alle å skjule med utvalgser.', chunks=None) |
openai-whisper-large-v3 | 013_et_godt_spørsmål_112%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Ja, det er et godt spørsmål. Det er jo...', chunks=None) |
openai-whisper-large-v3 | 014_et_godt_spørsmål_116%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Det er et godt spørsmål.', chunks=None) |
openai-whisper-large-v3 | 016_et_godt_spørsmål_130%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Våre vissdomar, de vissdomar som vissdomar, de vissdomar som vissdomar, de vissdomar som vissdomar,', chunks=None) |
openai-whisper-large-v3 | 002_det_var_nitti_50%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70. 70 akustiske gitare, men det var nok sannsynligvis 90. Som dubbel akkurat samme figur. Så kom L-gitaren. Så kom akustisk gitaren.', chunks=None) |
openai-whisper-large-v3 | 003_det_var_nitti_60%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70. 70 akustiske gitare, men det var nok sannsynligvis 90. Som dubbel akkurat samme figur. Så kom L-gitaren. Så kom akustisk gitaren.', chunks=None) |
openai-whisper-large-v3 | 004_det_var_nitti_70%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70. 70 akustiske gitare, men det var nok sannsynligvis 90. Som dubbel akkurat samme figur. Så kom L-gitaren. Så kom akustisk gitaren.', chunks=None) |
openai-whisper-large-v3 | 005_det_var_nitti_80%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70 akustiske gitarrer, men det var nok sannsynligvis 90. Som dubbel akkurat samme figur. Så kom elgitaren. Så kom akustisk gitarr.', chunks=None) |
openai-whisper-large-v3 | 006_det_var_nitti_84%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70 akustiske gitarrer, men det var nok sannsynligvis 90. Som dubbel akkurat samme tilgrunn. Så kom elgitaren. Så kom akustisk gitarr.', chunks=None) |
openai-whisper-large-v3 | 007_det_var_nitti_88%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70. 70 akustiske gitar, men det var nok sannsynligvis 90. Som du blir akkurat samme tilgrunn. Så kommer L-gitaren. Så kommer akustisk gitar. Sånn er det på et sett.', chunks=None) |
openai-whisper-large-v3 | 008_det_var_nitti_92%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, men derfor sa jeg 70. 70 akustiske gitare, men det var nok sannsynligvis 90. Som du burde akkurat samme tilgrunn. Så kom elgitaren. Så kom akustisk gitaren.', chunks=None) |
openai-whisper-large-v3 | 009_det_var_nitti_96%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, men derfor sa jeg 70. 70 akustiske gitarene, men det var nok sannsynligvis 90. Som du blir akkurat som at det er igjen. Så kommer elgitaren. Så kommer akustiske gitaren. Så med den basen?', chunks=None) |
openai-whisper-large-v3 | 010_det_var_nitti_100%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var nyttig, men derfor har jeg forsøkt å sette i at du ser slik her, men bare sånn slik. Så du blir akkurat som at det er. Så kommer helvetaren. Så kommer atrysset og slipper den. Så med denne sikkerheten?', chunks=None) |
openai-whisper-large-v3 | 011_det_var_nitti_104%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Men då la vi, jag menar det var en bit men då lade vi en så stor och så fick vi se fler personer men bara så fler personer. Så gick vi och plockade upp sådana här fler personer. Så när vi var här så gick vi och plockade upp sådana här fler personer.', chunks=None) |
openai-whisper-large-v3 | 012_det_var_nitti_108%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text='他就在那邊', chunks=None) |
openai-whisper-large-v3 | 013_det_var_nitti_112%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' non lo vede bene', chunks=None) |
openai-whisper-large-v3 | 014_det_var_nitti_116%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Nen bor lobe, tia men hudang. Nen bor lobe, tia men hudang.', chunks=None) |
openai-whisper-large-v3 | 001_det_var_nitti_40%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Jeg mener det var 90, derfor sa jeg 70. 70 akustiske gitare, men det var nok sannsynligvis 90. Som dubbel akkurat samme figur. Så kom L-gitaren. Så kom akustisk gitaren.', chunks=None) |
openai-whisper-large-v3 | 001_cellene_har_fått_40%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok er det ennå. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 002_cellene_har_fått_50%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok er det ennå. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 003_cellene_har_fått_60%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok er det ennå. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 004_cellene_har_fått_70%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok, så er det en AI. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 005_cellene_har_fått_80%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok så er det en AI. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 006_cellene_har_fått_84%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Sellerne har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok så er det en AI. På hver notestrek står koden inn hva det betyr. Hvis du kan å spille et instrument, kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller et piano. Det blir jo litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 007_cellene_har_fått_88%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Selv om de har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok så er det en AR. Så på hver sånn notestrek så står det koda inn hva det betyr. Hvis du kan å spille et instrument så kan man ta en notelinje og spille det. Men det blir ulikt om man gir det til en trompet eller om man gir det til et piano. Det blir jo litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 008_cellene_har_fått_92%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Selv om de har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok så er det en AR. Så på hver sånn notestrek så står det koda inn hva det betyr. Hvis du kan å spille til instrument så kan man ta en notelinje og spille. Men det blir ulikt om man gir det til en trompet eller om man gir det til piano. Det blir jo litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 009_cellene_har_fått_96%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Selv om de har fått en kode som de behandler på ulikt vis. Da bruker jeg å forklare det med at som en notebok så er det en har. Så på hver sånn notestrek så står det koda inn hva det betyr. Hvis du planer å spille til instrument så kan man ta en notelinje og spille. Men det blir ulikt om man gir det til en trompet eller om man gir det til piano. Det blir jo litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 010_cellene_har_fått_100%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Selv om de har fått en kode som de behandler på ulik vis. Da bruker jeg å forklare det med at som en notebok så er det en har. Så på hver sånn notestrek så står det jo koden inn, kvalitur. Og hvis du kan spille til instrument så tar du en note med deg og spiller. Men det blir jo ulikt om man gir det til en trompet eller om man gir det til piano. Det blir jo veldig annerledes.', chunks=None) |
openai-whisper-large-v3 | 011_cellene_har_fått_104%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Selv om de har fått en kode som de behandler på ulykkevis. Da bruker jeg å forklare det med at som en minibok, så er det den her. Så på hver minitestrek, så står det koden i en favoritttur. Og hvis du kan spille instrument, så kan du ta den motelen din og spille. Men det blir jo ulykke om man gjør det til en trompet eller piano. Det blir jo litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 012_cellene_har_fått_108%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Så selgerne har fått en kode som de behandler på ulike vis. Da bruker jeg forklaringen med at selv om man er mye bort, så er det en annen. Så på hvert fall når man er mye bredt, så får du fluba i din favoritttur. Og hvis du kan gjøre alt det du ikke vil, så kan du ta det mye på denne tallen. Når du er ulykkelig, når du må gjøre det på en helt, eller når du må gjøre det på et stjernet, så blir du jo bare litt annerledes.', chunks=None) |
openai-whisper-large-v3 | 013_cellene_har_fått_112%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Så selva mi har fått en kode som er bakom mitt og uli. Da fikk eg uttale meg at kjøkkenet min er mykje blå, men kjøkkenet min er marka. Så på vei til min er mykje flett, så får vi flå bæring av kyr. Nå å rykke kjøkkenet mitt av grøntsjøen, så kan min kjøkkenet min bli mykje flett. Det blir mykje ulikt, det må vi ikke ha kjøkkenet her, men vi må vi ha kjøkkenet min. Kjøkkenet min er mykje blå, men vi må vi ikke ha kjøkkenet min.', chunks=None) |
openai-whisper-large-v3 | 015_cellene_har_fått_120%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' So, sella moka kan tida sinan behan kina. So, sella moka kan tida sinan behan kina.', chunks=None) |
openai-whisper-large-v3 | 016_cellene_har_fått_130%_driving_in_the_rain_ | AutomaticSpeechRecognitionOutput(text=' Nå er det en av de fleste som har kastet seg i. Det er en av de fleste som har kastet seg i.', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 001_store_forskjeller_40%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 002_store_forskjeller_50%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 003_store_forskjeller_60%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 004_store_forskjeller_70%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 005_store_forskjeller_80%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 006_store_forskjeller_84%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 007_store_forskjeller_88%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 008_store_forskjeller_92%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner jo at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hiter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 009_store_forskjeller_96%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne å bo i new york og å være med på å skrive hyrter som drar inn milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 010_store_forskjeller_100%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva hva altså jeg skjønner at det er jo store forskjeller fra å liksom assosieres med digre altså sånn her superstjerne du i new york og å være med på å skrive kurter som drar inn noen milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 011_store_forskjeller_104%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' men hva er det som skjer nå altså jeg skjønner jo at det er jo store forskjeller på å altså assosiere et noe digre altså sånn superstjerner eller nrm-rek og være med på å skrive og forta som drar inn noen milliarder av dollars til å å være her i tromsø og rett og slett drive forskning og finne ut litt av hvordan ting henger sammen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 012_store_forskjeller_108%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og det kan jo være til å å være her i posen og rett og slett drive forskning på jorda ut av landet', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 013_store_forskjeller_112%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og det er jo det', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 014_store_forskjeller_116%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og det er', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 015_store_forskjeller_120%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' er det noen som har sett denne filmen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 016_store_forskjeller_130%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' bø', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 001_Zoltan_Kodaly_40%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 002_Zoltan_Kodaly_50%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 003_Zoltan_Kodaly_60%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 004_Zoltan_Kodaly_70%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 005_Zoltan_Kodaly_80%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 006_Zoltan_Kodaly_84%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth søny har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med solfa som vi kaller det altså eller solfège hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 007_Zoltan_Kodaly_88%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sortan kodai er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth sjøni har laga et fantastisk godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med solfa som vi kaller det altså eller solfære hvor de har håndtegn på de samme stavelsene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 008_Zoltan_Kodaly_92%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' sorten korday er den ungarske pedagogen som som har laga sammen med sin kollega elsebeth sjønær har laga et fantastisk og godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starta allerede i barnehagen i ungarn med solfa som vi kaller det altså eller solfer hvor de har håndtegn på de samme stavene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 009_Zoltan_Kodaly_96%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så tenker jeg den ungarske pedagogen som som har laga sangen med sin kollega elsebeth sjøl og har laga et fantastisk og godt og veldig bra progresjon på et opplegg for å få et bedre gehør og de starter allerede i barnehagen i ungarn med solfa som vi kaller det altså eller solfé hvor de har handtegn på de samme skala', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 010_Zoltan_Kodaly_100%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så tenker jeg den er den ungarske pedagogen som som har laga sangen med våpen kollega elsenbergsjølen og de har laga et fantastisk og godt og veldig bra progresjon på et opplegg for å få et bedre du har og de starter allerede i barnehagen i ungarn med solta som de kaller det altså for å soltere hvor du har hengt teiper de seneste årene', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 011_Zoltan_Kodaly_104%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så jeg tenkte da er det den ungarske televideoen som som har laga sammen med moten og dette laget av eldsen-bakker som har laga et fantastisk og godt og veldig bra progresjon på et utklegg for å få et del av det de har og de starter allerede i banehallen med unge menn og folk som vi kaller det altså for å solitere jeg vet ikke du har peiling på de seneste åra', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 012_Zoltan_Kodaly_108%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så jeg tenkte da jo', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 013_Zoltan_Kodaly_112%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så jeg takker dagens ærend for at det er en god og lykkelig og', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 014_Zoltan_Kodaly_116%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' så er det bare å så', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 015_Zoltan_Kodaly_120%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' søren', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 016_Zoltan_Kodaly_130%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' se', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 001_større_prosjekt_40%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunngjeliga tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 002_større_prosjekt_50%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunngjeliga tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 003_større_prosjekt_60%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunngjeliga tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 005_større_prosjekt_80%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunnliga tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 006_større_prosjekt_84%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunnlige tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 007_større_prosjekt_88%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunnlige tekniska i stockholm hvor man hvor vi satte opp sånn s spesiallagd programvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 008_større_prosjekt_92%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu mcgill og den kunnligga tekniska i stockholm hvor man hvor vi satte opp sånns spesiallagd flamvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 009_større_prosjekt_96%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og og han hadde et større prosjekt gående da allerede som var et samarbeidsprosjekt med stanford nyu macgill og den kunnlige tekniska i stockholm hvor man hvor vi satte opp sånns spesiallagd flamvare som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle de stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 011_større_prosjekt_104%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og han hadde et større prosjekt gårende allerede som var et samarbeidsprosjekt med stoutford nru macgill og dunk dunk uleve tekostad i stockholm hvor man jo vi satte opp for hos spesialmenn de framme som gjorde at vi kunne altså at vi kunne spille konsert som foregikk på alle stedene samtidig', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 012_større_prosjekt_108%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og han er det store prosjektet som har samarbeidet med speiderforbundet og nrk og nrk stockholm hvor man vil sette opp for hos spesialombudsmannen i fremmedhavet sånn at vi kunne helt vi kunne spille etter s som foregikk på alle steiners og fylkeslag', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 013_større_prosjekt_112%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' det', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 014_større_prosjekt_116%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' det', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 015_større_prosjekt_120%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' det', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 016_større_prosjekt_130%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' det er det', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 001_herre_tankene_om_40%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 002_herre_tankene_om_50%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 003_herre_tankene_om_60%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 004_herre_tankene_om_70%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 005_herre_tankene_om_80%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 006_herre_tankene_om_84%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at hva man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 008_herre_tankene_om_92%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at man var samla mange og at man tilga djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 007_herre_tankene_om_88%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at man man var samla mange og at man tilba djevelen på disse samlingene det førte til at i et forhør når du kom til dette punktet at du fortalte den som var anklaga fortalte at de hadde vært med på ei trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 009_herre_tankene_om_96%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at man var samla mange og at man tilga djevelen på disse samlingene det førte til at i et forhør når de kom til dette punktet at de fortalte den som var anklaga fortalte at de hadde vært med på trolldomssamling så kom bestandig opp neste spørsmål hvem andre var til stede', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 011_herre_tankene_om_104%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og det nærmer seg et ansvar om at det er mange som nå og mange nye år at det er fylde bjærnøy på disse farvannene som har ført til at de er følgende når de kommer til dette punktet at de får feil sted den som har ansvaret for dette taket at de hadde vært med på en sorgløsholdning så kommer det stanger opp langs spørsmål her og nå', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 010_herre_tankene_om_100%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' og de herre tankene om at man var samme mange år at man fylga djevelen på disse sammenhengene det førte til at i et forhold når de kommer til dette punktet at de fortalte den som var anklaget å fortelle at de hadde dømert en tolvdøgnssonen så kom bestandig opp neste spørsmål hvem andre', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 012_herre_tankene_om_108%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' er det noen som har lyst til å ta en tur med meg', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 013_herre_tankene_om_112%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' er det noen som har skrudd på skjermen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 014_herre_tankene_om_116%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' er det noen som har spurt om det er', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 015_herre_tankene_om_120%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' er det noen som har sett denne filmen', chunks=None) |
NbAiLab-nb-whisper-large-verbatim | 016_herre_tankene_om_130%_angry_male_crowd_ambience_ | AutomaticSpeechRecognitionOutput(text=' da', chunks=None) |