Telugu మన శరీరం noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: మన-శరీరం

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/మన-శరీరం
Date: 2026-08-11 18:21
Chunks: 4


Book Overview

Book: మన-శరీరం
Source: https://sundarayya.org/మన-శరీరం
Total OCR chunks analysed: 4


OCR Quality Summary

Average Telugu script coverage across all chunks: 86%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • చర్మం
  • క్ష్‌
  • వుంటుంది
  • శరీరం
  • ఎముకలు
  • చిన్న
  • వుంటాయి
  • న్నా
  • చాలా
  • వుండే
  • కణాలు
  • కొన్ని
  • న్‌్‌
  • న్‌ా
  • కాపాడుతుంది
  • వల్ల
  • కొత్త
  • గాయాలు
  • చెక్కు
  • మెలనిన్‌
  • లోపల
  • ఎముక
  • జనక్‌
  • క్‌ి
  • క్షే
  • క్యా
  • వ్యా
  • జన్‌
  • అక్‌
  • క్షి

Per-Chunk Details

Chunk 1 — మన-శరీరం_pages0001-0010.txt

OCR Score: 80% Telugu coverage
Characters: 9974

OCR Issues:

  • ASCII junk on lines: [37, 68, 95, 127, 132]...
  • Repeated punctuation clusters: 12 occurrences

Key Terms:

  • చర్మం
  • క్ష్‌
  • వుంటుంది
  • శరీరం
  • ఎముకలు
  • చిన్న
  • వుంటాయి
  • న్నా
  • చాలా
  • వుండే
  • కణాలు
  • కొన్ని
  • న్‌్‌
  • న్‌ా
  • కాపాడుతుంది
  • వల్ల
  • కొత్త
  • గాయాలు
  • చెక్కు
  • మెలనిన్‌
  • లోపల
  • ఎముక
  • జనక్‌
  • క్‌ి
  • క్షే
  • క్యా
  • వ్యా
  • జన్‌
  • అక్‌
  • క్షి

Extractive Summary:

న జ్‌ కి [ ్య ల్‌ ణే | + త్‌ నా [క న్‌ా, కా లై టీ వ క్‌ క | “ లు | || ్త్‌ శ | ల! క క్ష్‌ ల ఇ | , అ ల | న జన్‌ | కలు ఆనీ శ + / ంంం త న క కతత! జీ = క ఆం కల క్‌ నం త య్‌ ళ [4 లం క వన న, గ జా క్ష్‌ ఇ, క కే క్‌ క్ష | “1 జోగి జ ఈ జ లె ఏ ౨; ఇ ॥ లో | 11 1 ఇ అమీ ల్‌ య 1 ఇ నం [స ల 4 ॥ ఇ స యం జో.


Chunk 2 — మన-శరీరం_pages0011-0020.txt

OCR Score: 93% Telugu coverage
Characters: 4250

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • చిన్న
  • గాలి
  • పళ్ళు
  • రక్తం
  • వాయువు
  • నుండి
  • అన్ని
  • పోతుంది
  • ఎముక
  • వల్ల
  • ఆహారం
  • ఆహారాన్ని
  • రక్తంలో
  • ప్రాణ
  • కలిసి
  • చేస్తాయి
  • వస్తుంది
  • అన్నం
  • దాన్ని
  • వుంటాయి
  • నాళం
  • బయటకు
  • శరీరంలోని
  • కణాలు
  • ఊపిరి
  • కండరాలు
  • పెరుగుతాయి
  • చిగురెముక
  • ఇరవై
  • తర్వాత

Extractive Summary:

బీ క ఎస ల తో శ గి భం క్‌ు నాసాలో స! ఈ బా ఈ స్‌ / శ గ షా గుండె గ్రా రల ఫ్రా గ | ౯ ల్ని ను / అయే! వాయువు కలవడం ఎర్ర రక్ష కణాలు కో / ఓ ఇ కళ ళ్‌ ఖం రుల ఆక్‌ఖి (౯5/1 ఖే = “ఆ; / (౫ ఇ ॥ ఛా ల్లా కా ఎ ॥ ల్‌?


Chunk 3 — మన-శరీరం_pages0021-0030.txt

OCR Score: 94% Telugu coverage
Characters: 3547

OCR Issues:

  • ASCII junk on lines: [53]

Key Terms:

  • నుండి
  • గుండె
  • వుంటుంది
  • కణాలు
  • రక్తం
  • అయిదు
  • గుండా
  • ద్వారా
  • కలిసి
  • వార్తల్ని
  • మెదడు
  • అండాన్ని
  • అండం
  • లీటర్ల
  • నెత్తురు
  • గొట్టాల
  • ప్రవహిస్తుంది
  • నుండీ
  • శరీరంలోని
  • అన్ని
  • కణాలకూ
  • గుండెకు
  • ఊపిరితిత్తులు
  • మళ్ళీ
  • రోజుకు
  • శరీరంలో
  • మనిషి
  • నాలుగు
  • వారాల
  • పిండం

Extractive Summary:

లో కం ద, లే న్న్న కళ 060 టీ ౦ స న్‌ ఉల గ ర టల కలా శ్రాఖీయా లో 1 చు 24 అది గుడ్డశేరును వదలి అండవాహిక గుండా (ఒక గొట్టం) గ ప్రయాణించి గర్భాశయాన్ని చేరుకుంటుంది. ఒక మగవాడు రోజుకు 20 కోట్ల మగ కణాలను తయారు చేస్తాడు.


Chunk 4 — మన-శరీరం_pages0031-0037.txt

OCR Score: 78% Telugu coverage
Characters: 8553

OCR Issues:

  • ASCII junk on lines: [96, 145, 220]
  • Repeated punctuation clusters: 21 occurrences

Key Terms:

  • క్ష్‌
  • కణాలు
  • వుంటాయి
  • కొన్ని
  • న్‌్‌
  • అనేక
  • రక్తకణాలు
  • తీగలు
  • అతుక్కుని
  • లోపలి
  • వుంటుంది
  • పోవాలో
  • రక్త
  • చాలా
  • జాకీ
  • జ్యా
  • జాన్‌
  • వక్‌
  • కక్‌
  • ్త్‌
  • కణం౦
  • పుస్తకమంతా
  • గురించి
  • మాటాడు
  • కున్నాం
  • అసలు
  • అంటే
  • ఎమిటి
  • మైచో
  • కాం్రియ్‌

Extractive Summary:

[| ఖ్‌ స గ్గ 1 లాల జ న్‌ మ అ (4 టక న్న ఆ .. గ వ క్ష న క | అన్న 4 న్స చాక్‌ ఇ వల మ్‌ న | గ | | . లు “లో | 7వ ళో మా చా క 1 న జ న ౯ టా శ క | [1 హా ళల 0 ఇ గ క |] ఆ [| ఆలీ. జనా (క్‌ , ॥ క్‌ జ | ్త్‌ - నా గ || ' ] | [|| జాకీ వం క్‌ శ క్ష ఎజి ఇ ల | స స్‌" ఆ క, క క్‌ జ్‌ 81 (| టం.