OCR هو الخطوة التي تحوّل صورة إيصال إلى نص يستطيع البرنامج البحث فيه أو تخزينه أو التحقق منه.
كيف يعمل
يجد محرك OCR التقليدي مناطق النص في الصفحة، ويقسّمها إلى أسطر، ويتعرّف على الحروف في كل سطر. وقد أضاف Tesseract، أشهر محرك مفتوح المصدر، شبكة عصبية من نوع LSTM في الإصدار 4 تتعرّف على أسطر كاملة، وهو قادر على “recognize more than 100 languages” (ترجمة: التعرّف على أكثر من 100 لغة) دون إعداد إضافي. وتأتي المخرجات نصًا عاديًا، أو hOCR (HTML)، أو PDF، أو PDF بنص غير مرئي، أو TSV، أو ALTO، أو PAGE، فتحصل كذلك على مواضع الكلمات.
يتوقف OCR التقليدي عند الحروف. ولكي تعرف أي رقم هو الإجمالي أو أي سطر هو اسم المورّد، تضيف قواعد أو نموذجًا ثانيًا.
أما النماذج اللغوية البصرية فتسلك طريقًا آخر. تصف صفحة مهمة image-text-to-text في Hugging Face الإجابة عن أسئلة المستندات بأنها “an OCR-free approach” (ترجمة: نهج لا يحتاج إلى OCR): تذهب صورة المستند مباشرة إلى نموذج لغوي بصري يقرؤها ويجيب. ويمكنك طلب الحقول مباشرة واستلامها مخرجاتٍ منظَّمة.
| OCR التقليدي (مثل Tesseract) | نموذج LLM بصري | |
|---|---|---|
| المخرجات | حروف مع مواضعها | إجابات أو ملخصات أو حقول JSON |
| فهم التخطيط | محدود، يحتاج إلى قواعد | يقرأ الجداول والتسميات في سياقها |
| مكان التشغيل | محليًا، دون رسوم لكل استدعاء | غالبًا عبر API، يُحتسب لكل رمز |
| المخاطرة | قراءة حروف خاطئة | قراءة حروف خاطئة واختلاق قيم |
لماذا يهم
- التكلفة. الصورة المرسلة إلى LLM API تُحتسب رموز إدخال. أما OCR المحلي فلا رسوم له لكل استدعاء، لكنه يحتاج إلى خوادم وصيانة.
- فحوص الدقة. قد يعيد نموذج الرؤية إجماليًا معقولًا غير موجود في الصفحة. اطلب منه اقتباس النص المصدر، وتحقّق من المجاميع بالشيفرة.
- العربية. النص من اليمين إلى اليسار، وأشكال الحروف المتصلة، والخلط بين الأرقام العربية واللاتينية، كلها تزيد الصعوبة. اختبر أي محرك أو نموذج على مستنداتك الممسوحة أنت.
في BroadNet Inference
لا توثّق BroadNet نقطة نهاية منفصلة لـ OCR. ويبيّن توثيقها قراءة فاتورة بإرسال الصورة على شكل عنوان data: URL إلى نموذج محادثة يذكر صفّه في جدول النماذج الصور أو الرؤية، مثل DeepSeek V4.1 Flash أو BroadNet Gemma 4 VL 26B أو Qwen3.8 27B. وعلى مفتاح الدفع حسب الاستخدام تُحتسب الصورة رموز إدخال بسعر الإدخال الخاص بالنموذج ($0.10 لكل مليون رمز على Gemma)، والصور الأكبر تستهلك رموزًا أكثر. اتبع الخطوات في دليل الفواتير العربية، واطّلع على OCR العربي بنماذج الرؤية لتعرف متى يظل OCR التقليدي الأداة الأفضل.