Telugu haiku noLLM analysis - anilvaranasi/indianlanguages GitHub Wiki
Analysis: haiku
Method: Non-LLM (Frequency keywords + LexRank + Unicode heuristics)
Source: https://sundarayya.org/haiku
Date: 2026-08-11 19:14
Chunks: 7
Book Overview
Book: haiku
Source: https://sundarayya.org/haiku
Total OCR chunks analysed: 7
OCR Quality Summary
Average Telugu script coverage across all chunks: 95%
Telugu Vocabulary — Top Keywords (YAKE)
Keywords extracted statistically — most distinctive terms per chunk.
- హైకూ
- వుంటుంది
- కూడా
- హైకూలో
- కాదు
- మాత్రమే
- పాఠకుని
- వుంటాయి
- అంతర్ముఖం
- కానీ
- వుంటాడు
- కవికి
- నుంచి
- కంటే
- కనుకనే
- ప్రేమ
- మంచి
- హైకూలు
- జీవితం
- మార్మిక
- లేదా
- అలాంటి
- అతని
- తాను
- కొలను
- హైకూని
- కావాలి
- కాని
- వారి
- లక్షణాలు
Per-Chunk Details
Chunk 1 — haiku_pages0001-0010.txt
OCR Score: 93% Telugu coverage
Characters: 6762
OCR Issues:
- ASCII junk on lines: [11, 14, 18, 23, 24]...
Key Terms:
- హైకూ
- వుంటుంది
- కూడా
- హైకూలో
- కాదు
- మాత్రమే
- పాఠకుని
- వుంటాయి
- అంతర్ముఖం
- కానీ
- వుంటాడు
- కవికి
- నుంచి
- కంటే
- కనుకనే
- ప్రేమ
- మంచి
- హైకూలు
- జీవితం
- మార్మిక
- లేదా
- అలాంటి
- అతని
- తాను
- కొలను
- హైకూని
- కావాలి
- కాని
- వారి
- లక్షణాలు
Extractive Summary:
వ్రనొద్ శ తమ : 2397 వ4ం4ిరగికకిట ₹41/05ల534 200 ఇ 6054142757 4[400గాని4 3004 ౫0055 రన పాలునాలాలనానాన యకక న ల ఓ. ఆ స్థితిలోకి ప్రపంచం ఒక కలలాగా (ప్రవేళించి ఆదృళ్ళమౌతూ వుంటుంది.
Chunk 2 — haiku_pages0011-0020.txt
OCR Score: 97% Telugu coverage
Characters: 1625
OCR Issues:
- No notable OCR issues detected
Key Terms:
- హైకూ
- వూలు
- గాలి
- నిండా
- నాలాల
- చందమామ
- రాలిన
- అందంగా
- ప్రసాద్
- విట్టలు
- కూన్తున్హాయి
- రంగుల
- శబ్దాలు
- వనంతం
- చెట్లకి
- వూదచాయి
- వ్లూలూ
- ప్రేమలూ
- రాయి
- నాటాను
- కొలను
- తొలనంతా
- తామరాకయింటి
- ్రవావానానవననవపననననవహావవావవాావ
- ప్రసాబ్
- నాలుునాుారాంం
- దూరంగా
- థీనం
- అముశా
- దాని
Extractive Summary:
నాలాల నాలుునాుారాంం దూరంగా థీనం, అముశా దాని చుట్టూ జక గుడిని ఖిద్రపోయాను. హైకూ ననన వాం ప్ర నూర్చచంద్రులు (కానన వవ బవివి స్రసాట్
Chunk 3 — haiku_pages0021-0030.txt
OCR Score: 96% Telugu coverage
Characters: 1773
OCR Issues:
- No notable OCR issues detected
Key Terms:
- వర్వతం
- రాత్రి
- రెండు
- డ్రానా
- బివివి
- చెట్టు
- హైకూ
- తటలిలే
- మేఘం
- మీది
- లోయలోకి
- జారింది
- వచ్చు
- అండి
- చందమామ
- ముళ్చ
- నిశ్చబ్దం
- ఆఠాళశం
- ఖీరు
- లేని
- నముద్రం
- భూటు
- ్రాాాాాానననననననననననననననననానానిన
- య్రసాట్
- వసంతం
- వూలూ
- వ్రశాంతతా
- విచ్చివాడు
- చూస్తున్నాడు
- తొండలబన్లీ
Extractive Summary:
ననన ననా య లా లే ఈ పడాడి _ తన శడ మీద
Chunk 4 — haiku_pages0031-0040.txt
OCR Score: 96% Telugu coverage
Characters: 1639
OCR Issues:
- No notable OCR issues detected
Key Terms:
- హైకూ
- మరొక
- ప్రసాద్
- రాత్రి
- చందమామ
- ఎవరూ
- డ్రానా
- ఆకాశం
- చూశాను
- నించి
- తెరచావ
- ఊగుతోంది
- లేరు
- ఒడ్డున
- కరటిం
- కెరటం
- క్రమంగా
- చంద్రోదయం
- నూర్ప్చజింబం
- రోజూ
- చూన్తుంది
- చెట్టుని
- నుంచి
- టివిని
- మబ్బులది
- తవుడు
- తెల్ల
- తిటికీ
- తగిలించని
- చిత్రపటం
Extractive Summary:
ఈ రాత్రి మబ్బులది. తవుడు చందమామ జక తెల్ల మరక తిటికీ ఎవరూ తగిలించని చిత్రపటం చిజ్లవ్రటి న్యూలు. అఫ్టటి మిత్రులు ఎతక్తుడ వున్ణారో హైకూ మననవ)
Chunk 5 — haiku_pages0041-0050.txt
OCR Score: 96% Telugu coverage
Characters: 1608
OCR Issues:
- No notable OCR issues detected
Key Terms:
- హైకూ
- రాత్రి
- ఏకాంత
- నేనూ
- అతిథి
- వెళ్చపోయినా
- గుమ్మంలోనే
- వన్లాను
- సాయంత్రం
- న్లానం
- చేస్తున్నాను
- చీమలు
- తువానులో
- చిక్కుతొన్షాయి
- నాతో
- చటభివింది
- అవమ్హాయి
- వెద్దవాళ్రమైవోయాం
- ్ర్రజాానాననపననవపావా
- బివి
- ప్రసాట్
- నిలయేటిలో
- త్రుక్టి
- వడుతోంఠి
- నిళత్చభ్ధం
- నూర్మాన్తమయం
- ఎన్లోసారి
- ఎవర్షి
- అడగను
- వీథి
Extractive Summary:
ననన! ఆ అవమ్హాయి. రాత్రంతా చెరగలేదు హైకూ ననన)
Chunk 6 — haiku_pages0051-0060.txt
OCR Score: 96% Telugu coverage
Characters: 1618
OCR Issues:
- No notable OCR issues detected
Key Terms:
- హైకూ
- బివివి
- అంతా
- చీకటి
- ప్రసాద్
- రాత్రి
- మబ్బులు
- రాలేదు
- రాలిన
- చూశాను
- చందమామ
- అల్లిన
- వెన్షైలలో
- చఅక్కాయి
- నక్షత్రాలు
- చీకట్లో
- మిణుగురు
- మురిచివోయిన
- గుర్తు
- వచ్చింధి
- అరగ్లివుల్ల
- వెలిగింది
- తులవిలలాడింది
- ఇ్రాాాాాాానాననాననననననననననవవావాన
- బీవి
- రంగులన్లీ
- సాయం
- నూర్ముని
- చేరాయి
- నల్లని
Extractive Summary:
అల లేని చోటు వెదుకుతూ నడవ ననన
Chunk 7 — haiku_pages0061-0063.txt
OCR Score: 88% Telugu coverage
Characters: 474
OCR Issues:
- ASCII junk on lines: [13]
- High noise-line ratio (7/33 lines < 3 chars)
Key Terms:
- హైకూ
- నుంచి
- అంకితం
- వశూలటీ
- వెన్లెలకీ
- నంజీవదేన్కీ
- స్రావ
- ౯౧4540
- శీటి
- రాలిన
- వూవుణి
- ప్రతిబింబం
- చేరుకొంది
- దృళ్యానిక్సీ
- అదృశ్యానికీ
- శజ్టానికీ
- నిళ్ళబ్హానికీ
- మధ్య
- నున్చితమైన
- నరిహద్దు
- నరిహాద్దులలో
- నంచరినూ
- ఉంటాడు
- దుళ్ళం
- అదృళ్ళా
- నికీ
- శబ్లం
- నిళ్ళబ్దానికీ
- పాఠకుని
- తీనుకెళతాడు
Extractive Summary:
హైకూ కవి ఆ నరిహాద్దులలో | నంచరినూ ఉంటాడు. దుళ్ళం నుంచి అదృళ్ళా నికీ శబ్లం నుంచి లా స] పాన *ద నిళ్ళబ్దానికీ కవి పాఠకుని తీనుకెళతాడు. ఆ నిల్ళబ్దం, శబ్దం కంటె చైతన్యవంతంగానూ, అద్భళ్ళం దృశం కంటే రసమయంగానూ ॥ వుంటాయి.