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?