Telugu తేట తెలుగు 1 noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: తేట-తెలుగు---1
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/taeeta-taelaugau-1
Date: 2026-08-03 17:38
Chunks: 9
Book Overview
Book: తేట-తెలుగు---1
Source: https://sundarayya.org/taeeta-taelaugau-1
Total OCR chunks analysed: 9
OCR Quality Summary
Average Telugu script coverage across all chunks: 86%
Telugu Vocabulary — Top Keywords (YAKE)
Keywords extracted statistically — most distinctive terms per chunk.
- క్తి
- న్నా
- “అజ్
- ల్ో
- కాయలు
- యంపి
- వజల్తి
- ్యార
- ఎజ్
- న్వ్
- ఇక్
- స్టార
- ఖ్”
- “ఖ్భ
- థ్సై
- ట్లో
- అాజయవనామునకనాన్ో్్
- ఈమిఖూ
- అవిణా
- త్ో
- అనినినాకనోనాళ
- “న్ా
- తానా
- టీళీం
- తెలుగు
- క్ాఖా
- జాటి
- సళ్ళ
- స్టో
- ఎక్టీ
Per-Chunk Details
Chunk 1 — తేట-తెలుగు---1_pages0001-0010.txt
OCR Score: 79% Telugu coverage
Characters: 3575
OCR Issues:
- ASCII junk on lines: [204]
- High noise-line ratio (70/275 lines < 3 chars)
Key Terms:
- క్తి
- న్నా
- “అజ్
- ల్ో
- కాయలు
- యంపి
- వజల్తి
- ్యార
- ఎజ్
- న్వ్
- ఇక్
- స్టార
- ఖ్”
- “ఖ్భ
- థ్సై
- ట్లో
- అాజయవనామునకనాన్ో్్
- ఈమిఖూ
- అవిణా
- త్ో
- అనినినాకనోనాళ
- “న్ా
- తానా
- టీళీం
- తెలుగు
- క్ాఖా
- జాటి
- సళ్ళ
- స్టో
- ఎక్టీ
Extractive Summary:
శ న టయ స యు సే లి లం న ఇ. | ఠః స “ఖ్భ | | " శి శ జ | తనా స ఈ , లా ॥ శ - బ్బ థ్సై లి అ శ థి ష్ క గ్ర ళ | అ ఇ , = 7 జీ కనన.. - గటా / కీ శె టీక, 1 ్లో ల ట్లో *.. అాజయవనామునకనాన్ో్్ లీ | థి తు ఈమిఖూ థ్ | ఇ | ఆ ల్ కం | అను _ గి ॥ ఛా ఖ న న నం అ త ల క. న నం గ ల స్య న్ ర త్త ౩ క్త నప పితు వు ద ననన స న టయ న ధల ౮ షుర్ంి రన?
Chunk 2 — తేట-తెలుగు---1_pages0011-0020.txt
OCR Score: 84% Telugu coverage
Characters: 2757
OCR Issues:
- No notable OCR issues detected
Key Terms:
- సరసర
- వర__
- దగదగ
- గదగడ
- దదదడ
- గలగల
- పకపక
- క్ళ
- ఈ6-గ---దదద
- -వావావ
- దడదాదాడా---
- 6-౮౪
- ద-వద
- గ్రద
- _ఆఅధాఅధిట్రథడ్రట్రు
- నననమున
- ముతత
- త్తి
- ల్ని
- లాలి
- ల్స్
- ఇన్హబ్తో
- ల్ోలి
- ఫ్రీ
- ఉల్ని
- చాాఆ
- మీంటీలు
- స్నషెనె
- తీన్
- క్రి
Extractive Summary:
య ఇ ” + శ ల ఆ 4న క్ " (| , న క [| చో? 11 సా = ॥ / నాం హూం వం లల ళో నిని వదా లా న న మ తా యల్ శ న టాం టా (వానా లర స కా నన స జ న్ మ లర పలల ంం న. ళీ స కి క కే న్ గ 6 అ 8 గలి | నా ఇ క ౯ | నహీ యాం గ న ళా " బు చి... క ఆ ల మ్ జం క్ న ఖా సంతి ఇ వ 1 జ్.
Chunk 3 — తేట-తెలుగు---1_pages0021-0030.txt
OCR Score: 87% Telugu coverage
Characters: 2415
OCR Issues:
- High noise-line ratio (42/219 lines < 3 chars)
Key Terms:
- బొమ్మల
- పేర్లు
- రాయండి
- చిలకా
- రాను
- అందం
- మంచం
- కంచం
- పాశకాంకా
- తాతలు
- -ననావరనా
- వరదారాక
- తయెల
- స్నా
- ప్లూ
- ఎంకో
- ణతస్తా
- స్టా
- నష్టమైన
- రంగం
- జియా
- ముసుపే
- నమస్తున్లషనే
- కాలాల
- నధనా
- నానన
- నననిననన”
- సును
- ఇచ్చాన్
- “వెల్స్
Extractive Summary:
న క హం న. ౮ లి ల * - ల్ థి _ భి ( శీ క న! "ల న క యాన నిజ వం రిల కరం లం య ఏన న ర రన నన నాచన “ల న న న ర హను నటన వన న స్ ॥ + ల!
Chunk 4 — తేట-తెలుగు---1_pages0031-0040.txt
OCR Score: 90% Telugu coverage
Characters: 3197
OCR Issues:
- No notable OCR issues detected
Key Terms:
- రాయండి
- గుండు
- రుబ్బు
- జొన్న
- పచ్చ
- బొమ్మల
- పేర్లు
- లాలా
- చెండు
- దారం
- వారం
- ఉంగరం
- అదడదం
- ఆపడం
- జరగడం
- జరపదం
- పంజరం
- గుందంగా
- ఆఆ౯ఆఆ౪ళఆటటట
- చావా
- తులను
- నకకననకుకననుననోనోనాననపనపాలకానొనునుననాకకాననననునుాననవనునుతాులనానుననత
- కాలాను
- టుననననానకుననననననననత
- నతాననలనుతనననాననను
- వోడు
- ననననా
- చరాలు
- చాలననకాలననతోన
- నానన
Extractive Summary:
ఇ ణు అ ద్ర అపాన వె లీ ఇ జొ య నషం ప న న న రం | అన్నా, 1 తంటా న్... ॥ // క | ఢీ లీ న ఈ లీ / తి 6; మో తలి ళ్ ” అ భా 1 / ఈ 41అి య లా క్ న్ లి టో ౬౧౩. ళ నా ” అననా ళ్ అనా నా అణ న ఉనా ఎ జ 5 తి తాం అనాడు లి తో క న అననని నననకనిననననానాలనవాతనననననినా అ ఈానా త్ ళ్ మ. హత తా క్ష న జ అయో జబు యా త్ క జా జా ,తోా జా గ్లో వ క.
Chunk 5 — తేట-తెలుగు---1_pages0041-0050.txt
OCR Score: 92% Telugu coverage
Characters: 2506
OCR Issues:
- No notable OCR issues detected
Key Terms:
- రాయండి
- లలనా
- వాలు
- లర్
- దురద
- బురద
- కాలు
- పొము
- నురుగు
- పులుపు
- గాజులు
- బంగారు
- మూదు
- గుంటూరు
- పేర్లు
- కలిపి
- చదవండి
- లాలా
- సైకిలు
- ఇటుక
- ఇరుసు
- అళళ్న
- హాాపాాాసా
- ఉదత-
- హఠఉియి
- ఉ-పాయారాపహిా-రాగరాయ
- ఆదదం
- ొావండడం
- పాదదం
- మందడం
Extractive Summary:
చయం ఇ ప క న న క రన. పం సుం స అల వనం మము అ టంలు అ ఫు, ల న రుని రం ద రం నం నటల వం నందరిని దన చదల లలన వళ మ చను ర వాలు ర వ్యు పావు న తంతుంది మునుల ఖు భం ర న న్న = పళిజ్ట ్ల. | 1 ఠి 'ట్టీ 4 గ శో 7 (1 టి శ స్ట్ ళ్శ వ్ “1 ళ క వ్, జు న!
Chunk 6 — తేట-తెలుగు---1_pages0051-0060.txt
OCR Score: 87% Telugu coverage
Characters: 2909
OCR Issues:
- ASCII junk on lines: [187]
Key Terms:
- చిలక
- ఉంటుంది
- తింటుంది
- వీపు
- పిలక
- జింక
- రాయండి
- నింపండి
- ఉంటాయి
- న్ా
- దూది
- తిండి
- గిలక
- మీరు
- గుండ్రంగా
- చదవండి
- అననా
- అందంగా
- ఏముంటాయి
- కాయలు
- మంచిది
- బంతి
- వానా
- తిరుగూ
- ఇసుక
- వులి
- గుడి
- నంది
- పంది
- సూది
Extractive Summary:
అని | అినినానననాననననినికని (|) ఖ్ గి 7 లీ లై ర " జ శ స న! చ వనాల స బ్పె క 1 ర్న ౧ ఉడత వీపు మీద ఏముంటాయి? వడ్ల క ఆది అ ల జ్ నన ళు తా ళ్ న!
Chunk 7 — తేట-తెలుగు---1_pages0061-0070.txt
OCR Score: 83% Telugu coverage
Characters: 3082
OCR Issues:
- ASCII junk on lines: [201, 202, 204, 210, 212]...
Key Terms:
- పూలు
- కుందేలు
- ఎనుగు
- తాబేలు
- రాయండి
- ఎలుక
- బొమ్మల
- పేర్లు
- చెప్పండి
- చూద్దాం
- తెలుగు
- పెరుగు
- చెంబు
- ఏనుగు
- రెండు
- పందెం
- తీసింది
- రూపాయి
- అట్లు
- వేడి
- నాలుగు
- ఉత్
- ఐనుగు
- ఎనిమిది
- ఎవరు
- ఎందుకు
- ఎమిటి
- ఎగరదం
- ఎదవదం
- మూడు
Extractive Summary:
ర క డు క్ త్ో రి = ణీ శ్రి వ క క సు ఇ లో ళా ళ్ =, ఉం న + శి టా ళో. శటీ!- ణో ర ణీ సంద న నర క ర " + స న వ. క సం న.
Chunk 8 — తేట-తెలుగు---1_pages0071-0080.txt
OCR Score: 87% Telugu coverage
Characters: 2654
OCR Issues:
- ASCII junk on lines: [43, 45, 47, 49, 51]...
- Repeated punctuation clusters: 9 occurrences
Key Terms:
- ఎలుకా
- ఎలుక
- తోకల
- రాయండి
- ఒకటి
- రెండు
- మూడు
- కొంగ
- నాలుగు
- కలిసింది
- ఒంటి
- పొడుగు
- కంనాలిని
- కోసేసాడు
- ఒంటె
- ఒంటరి
- ఏనుగు
- నాననా
- నూరు
- గుండ్రంగా
- దొంగ
- గొడుగు
- తొండం
- కోడలు
- అనగా
- ఏడుగురు
- కొడుకులు
- ఇచ్చి
- దానికి
- ఒకతోక
Extractive Summary:
ఒంటె ఓద కొదుకు కోడలు దొంగ దోమ మొసలి మోసం తొండ తోక గొడుగు గోడ నోరు గోరు బోరు వేరు కారు నూరు _ బోడిగుందడు కోడిపుంజు సోమవారం క అనగా అనగా ఒక రాజు [ 40 / ఆ రాజుకు ఏడుగురు కొడుకులు శ ౧ | ఏడుగురు కొడుకులు వెటకు పోయారు ల ౯ ఆ తరువాత ఏమి జరిగింది ( //త్తీ రరర నాయ 4 న క లంద చద వధ లం టర అ తో చకర్లపత న ల తి ల కళ దృశం షానా మక టలు స ట్ అం లీ జ కలం ఇలి ఇన నం కల (నిన లం నుట మదట క టక క ళల టి క క ర ల్ల రసన న నస న నను టను సను య న నక! |... (్ - రు న షా ఎలుక కంనాలిని కలిసింది వాం, క్రమ “ఒక తోక కోసేయమనింది నషం కంసొలి ఒకతోక కోసేసాడు (్ర న్ ల ఎలుకకు మూడు తోకలె మిగిలాయి వ... || 4146 జనం ఊరుకోలెదు మూడు తోకల ఎలుకా మూడు తోకల ఎలుకా అననాగారు _ ఎలుక మరల కంనాలిని కలిసింది క.
Chunk 9 — తేట-తెలుగు---1_pages0081-0085.txt
OCR Score: 87% Telugu coverage
Characters: 6256
OCR Issues:
- ASCII junk on lines: [65, 66, 67, 142]
- Repeated punctuation clusters: 6 occurrences
Key Terms:
- తెలుగు
- పరిచయం
- తర్వాత
- పిల్లలు
- పాఠం
- చివర
- మాత్రమే
- వున్నాయి
- కొత్త
- చూచి
- ముందు
- వస్తుంది
- ఎక్కువ
- ఫోన్
- క్ష్
- న్ను
- నేను
- బాగా
- పాడుతుంది
- ఊపుతూ
- దీన్ని
- ద్విత్వాలు
- అక్షరం
- చేశాం
- నేర్పాలి
- ఎక్కువగా
- చదవడం
- ద్వారా
- సూత్రం
- లేదా
Extractive Summary:
జ ఈ వకాతే ౧ _ + అ న ఒ _ శీ న శ ళం | . _ తరం - ఎ | న | 2 - ల శల ం ఎ ఏ ఎంటీ శీ = జా + " ఛా లు - గ 5 ॥ 4 - క అనానననననననాలననా ననన లా లాాాోోాంలాో ॥ ఓ - - ల ఇ లా శ క్రై. జ హా కు అశ ఈ _్ ॥ స్ట వక గ్ 12 | నా , సై 4 శి | ల ॥ _ శ్ ళో మ్ వ 1 ( నే శక షీ | డే న్ - గా ల స్ట మ శా న క్ _ - హ్ " లు జ + " లలో కా యా _ - వ్ల గా కనన య, ॥ + అ జ్ లా హా - ఆ?