Telugu రండి చూడండి noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki

Analysis: రండి-చూడండి

Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/ramdai-caudamdai
Date: 2026-08-03 16:15
Chunks: 3


Book Overview

Book: రండి-చూడండి
Source: https://sundarayya.org/ramdai-caudamdai
Total OCR chunks analysed: 3


OCR Quality Summary

Average Telugu script coverage across all chunks: 82%


Telugu Vocabulary — Top Keywords (YAKE)

Keywords extracted statistically — most distinctive terms per chunk.

  • ముద్రణ
  • బాలసుబ్రమణ్యం
  • ఫోన్‌
  • న్‌ా
  • చూడంది
  • మరాటీ
  • మూలం
  • వర్షా
  • చిత్రాలు
  • పురందరే
  • ప్రచురణ
  • మాకు
  • ళ్గి
  • ఈష్హ్రీ
  • “తొల
  • “అలలో
  • నంళజచపి
  • అుస్తోాపి
  • కన్ని
  • క్‌ి
  • గ్లో
  • కేక్‌
  • 181౩12
  • “ళ్‌
  • క్నవా
  • వ్వా
  • క్షీ
  • కేవా
  • బాజీ
  • నాలా

Per-Chunk Details

Chunk 1 — రండి-చూడండి_pages0001-0010.txt

OCR Score: 71% Telugu coverage
Characters: 2764

OCR Issues:

  • ASCII junk on lines: [25, 69, 94, 95, 96]...
  • High noise-line ratio (33/177 lines < 3 chars)
  • Repeated punctuation clusters: 6 occurrences

Key Terms:

  • ముద్రణ
  • బాలసుబ్రమణ్యం
  • ఫోన్‌
  • న్‌ా
  • చూడంది
  • మరాటీ
  • మూలం
  • వర్షా
  • చిత్రాలు
  • పురందరే
  • ప్రచురణ
  • మాకు
  • ళ్గి
  • ఈష్హ్రీ
  • “తొల
  • “అలలో
  • నంళజచపి
  • అుస్తోాపి
  • కన్ని
  • క్‌ి
  • గ్లో
  • కేక్‌
  • 181౩12
  • “ళ్‌
  • క్నవా
  • వ్వా
  • క్షీ
  • కేవా
  • బాజీ
  • నాలా

Extractive Summary:

  • క అ" స న. న్‌ | న - శ ప్‌ ( " (| ( = ” ల్‌ ” | "| ” + , లా £ ము “ _ (| న జ ల హ్‌ 1 . వ నా క సు న న నన లా ణా ॥ నాలా క జ భా క పా న.

Chunk 2 — రండి-చూడండి_pages0011-0020.txt

OCR Score: 84% Telugu coverage
Characters: 1088

OCR Issues:

  • High noise-line ratio (20/110 lines < 3 chars)

Key Terms:

  • నాకు
  • న్‌ా
  • స్ట్‌
  • గవ్వ
  • దొరికింది
  • దొరికిన
  • పుల్ల
  • రాయి
  • బాగుందో
  • మాసంచులు
  • నిండాయి
  • నాతూ
  • ట్లీ
  • క్షే
  • స్టేజజూ
  • స్యా
  • తీసుకొని
  • బడికి
  • వచ్చాం
  • ఆకులు
  • జఒకచోట
  • న్న్న
  • సశాబళయాచా
  • క్మ్‌
  • _ఠఈళఠటలోం
  • కాదితాలు
  • బకచోట
  • పెట్లెలు
  • ఒకచోట
  • వరసగా

Extractive Summary:

తి ల క థ క్‌ శ న్‌ శ న ర్‌ 4 జ ॥ ః / జ త తీ స్త శ 7 _ శి | ల , న లో నా _ స” ల నః కీ. ట్ల వ ఏ జ | జ = జ్‌ ల మ "2 అ తానటీ ॥ 7 ల క ష్‌ క ః / క ఒ ల ఓ లీ శ్‌ ఓ ఇ వళ్య కలా న షన 7 ళ్‌ గ్గ త్‌ స అజ! 1 సన్న మ త = మి య శీ చై ఇ ల్‌ ఫస ని న నా ఫ్‌ 4 గహ క (| ఆ క మ య శని ఇ.


Chunk 3 — రండి-చూడండి_pages0021-0029.txt

OCR Score: 92% Telugu coverage
Characters: 1204

OCR Issues:

  • No notable OCR issues detected

Key Terms:

  • వాళ్ళు
  • పుస్తకాలు
  • చదువుతారు
  • కూడా
  • వచ్చారు
  • ఎల్లలు
  • చూచి
  • పక్కింటి
  • పిన్ని
  • థుల్ళింటి
  • క్షే
  • నాన్నా
  • థచ్తారు
  • అవ్వ
  • రగఎల
  • ఎందరందరో
  • పిల్లలు
  • అందరూ
  • మచ్చుకున్లారు
  • మాకు
  • బలేగుంది
  • మీరూ
  • సంచితీసుకోండి
  • దొరికినవిపరండి
  • పెట్టంటి
  • అందరినీ
  • పిలవండి
  • _చూపించంటి
  • అప్పుడే
  • చేరిన

Extractive Summary:

గా ఆ... ఈ భాష యయ ఎందరందరో పిల్లలు వచ్చారు తల ఇలా సహజంగా, స్తయంగా ఎల్లలు భాష నేర్చుకోడానికే ఈ ప్రయత్నం. టక్‌ వుప్తకాల పరిశీలనాపట్టిక కోక చవ న టల తి పపసుకననననననన పంపు (ర్చి, -2-4౧06టఏంయ0 _ముందుట కనాన నన భరి మ యంద భయ పజలుపరిచూసివది ఈ బైండింగుచేపివవి ప్కృన్‌చెయ్యనివి.