Wer nach „Arabic OCR API“ sucht, findet meist Ranking-Seiten, die nicht sagen, woher ihre Bewertungen stammen. Diese Seite erledigt die engere Aufgabe, die Einkäufer brauchen. Für jede API zeigt sie, was die eigene Dokumentation des Anbieters über Arabisch sagt, was die API liefert und was eine Seite kostet. Jede Zahl wurde am 15. November 2026 von der Seite des Anbieters abgelesen. BroadRouter ist BroadNets Website, und BroadNet verkauft eine der Optionen unten (Vision-LLMs, kein OCR); wir sagen deshalb, wo die anderen besser sind.
Wenn Sie noch grundsätzlich zwischen OCR und einem Vision-LLM entscheiden, beginnen Sie mit Arabisches OCR vs. Vision-LLMs. Dort steht, warum verbundene Schrift, Punkte und Zeilen mit gemischter Laufrichtung Arabisch schwierig machen. Dieser Beitrag setzt das voraus und hilft bei der Wahl des Anbieters.
Welche OCR-APIs unterstützen Arabisch offiziell?
| API | Gedruckter arabischer Text | Arabische Handschrift | Was sie liefert |
|---|---|---|---|
Google Cloud Vision (DOCUMENT_TEXT_DETECTION) |
Ja, ar, als Modern Standard geführt |
Nicht aufgeführt (arabische Schrift fehlt in der Handschrift-Tabelle) | Text mit Angaben zu Seite, Block, Absatz, Wort und Umbruch |
Azure AI Document Intelligence, Read (prebuilt-read) |
Ja, ar |
Ja, in v4.0 (nicht in v3.1) | Gedruckter und handschriftlicher Text |
Azure AI Document Intelligence, Layout (prebuilt-layout) |
Ja, ar |
Ja, in v4.0 | Text, Tabellen, Dokumentstruktur und Auswahlmarkierungen |
| Azure, vorgefertigte Modelle für Rechnung und Beleg | Rechnung führt Arabisch (ar); Thermobelege führen Arabisch |
n/a | Benannte Rechnungs- und Belegfelder |
| Amazon Textract (Detect Document Text) | Ja, unter mehr als 40 Sprachen | Nein: „handwriting … in English only“ (Handschrift … nur auf Englisch) | Wörter und Zeilen, jeweils mit Bounding Box und Konfidenzwert |
Mistral OCR (mistral-ocr-latest) |
Ja, unter den Sprachen des Nahen Ostens geführt | Keine Angabe | Markdown pro Seite plus JSON-Felder: Tabellen, Bilder, Kopf- und Fußzeilen, Blöcke, Konfidenzwerte |
| Vision-LLM (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash bei BroadNet) | Liest arabische Bilder; keine OCR-Engine | Nicht dokumentiert | Was Sie anfordern: Text, Felder, JSON, eine Übersetzung |
Zwei Details zählen mehr als die Ja/Nein-Spalten:
- Textract schränkt mehr als nur Handschrift ein. Seine FAQ sagt: „Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.“ (Übersetzung: „Die Verarbeitung von Handschrift, Rechnungen und Belegen, Ausweisdokumenten und Queries erfolgt nur auf Englisch.“) Bei arabischen Dokumenten liefert Textract Text und Positionen, keine Rechnungsfelder.
- Azures arabische Handschrift ist neu in v4.0. Die Handschrift-Tabelle von v3.1 enthält kein Arabisch. Legen Sie die API-Version fest, gegen die Sie testen.
Mistrals Sprachseite sagt, ihre Liste spiegle „languages with strong expected performance“ (Übersetzung: „Sprachen mit hoher erwarteter Leistung“) wider; das ist eine Aussage des Anbieters, kein gemessener Wert.
Was kostet jede OCR-API für Arabisch pro 1.000 Seiten?
Preise in US-Dollar, am 15. November 2026 aus der Preisquelle jedes Anbieters abgelesen:
| API und Funktion | Kostenloses Kontingent | Einstiegspreis pro 1.000 Seiten | Preis bei hohem Volumen |
|---|---|---|---|
| Google Cloud Vision, Document Text Detection | Erste 1.000 Einheiten pro Monat | 1,50 USD (Einheiten 1.001 bis 5.000.000) | 0,60 USD über 5 Mio. Einheiten pro Monat |
| Azure Document Intelligence, Read (East US) | 500 Seiten pro Monat im kostenlosen Tarif | 1,50 USD | 0,60 USD nach der ersten Million Seiten |
| Azure Document Intelligence, Layout und vorgefertigte Modelle (East US) | Derselbe kostenlose Tarif | 10 USD | Commitment-Stufen stehen auf Azures Preisseite (die Preise laden im Browser; prüfen Sie Ihre Region) |
| Amazon Textract, Detect Document Text (US West, Oregon) | 1.000 Seiten pro Monat für neue AWS-Kunden, drei Monate lang | 1,50 USD (erste Million Seiten pro Monat) | 0,60 USD nach 1 Mio. Seiten |
| Mistral OCR | Keine Angabe | Pro 1.000 Seiten berechnet; der Betrag steht nicht im statischen HTML der Seite, wir konnten ihn daher nicht bestätigen | Laut Mistral halbiert Batch-Verarbeitung die API-Preise |
Google rechnet jede PDF-Seite als ein Bild ab und jede Funktion als eigene Einheit. Zwei Funktionen für eine Seite kosten zwei Einheiten. Azures Preis für vorgefertigte Modelle umfasst Layout, Rechnung und Beleg. Brauchen Sie strukturierte Rechnungsfelder von Azure, planen Sie mit dem Tarif von 10 USD, nicht mit dem Read-Tarif von 1,50 USD.
Was kostet ein Vision-LLM pro Seite?
Ein Vision-LLM hat keinen Seitenpreis. Bei Pay-as-you-go-Schlüsseln von BroadNet sagt die Dokumentation, dass ein Bild „counts as input tokens at the model’s input price“ (Übersetzung: „als Input-Tokens zum Input-Preis des Modells zählt“) und ein größeres Bild mehr Tokens verbraucht. Die Seitenkosten sind die Bild-Tokens plus Ihr Prompt, plus die Antwort zum Output-Preis.
Bild-Tokens variieren nach Modell und Auflösung. Gemma 4 verwendet Budgets von 70, 140, 280, 560 oder 1.120 Tokens pro Bild, und Googles Dokumentation empfiehlt für beste Genauigkeit bei visuellen Aufgaben ein höheres Budget. Als Planungsgröße, nicht als Messung, nehmen Sie etwa 1.000 Input-Tokens und 300 Output-Tokens pro Seite:
| BroadNet-Modell | Input pro 1 Mio. | Output pro 1 Mio. | 1.000 Seiten bei etwa 1 Mio. Input und 0,3 Mio. Output |
|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 plus drei Zehntel von $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 plus drei Zehntel von $2.17, plus Reasoning |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 plus drei Zehntel von $0.52, plus Reasoning |
Qwen3.8 27B und DeepSeek V4.1 Flash denken vor der Antwort nach, und Reasoning wird als Output abgerechnet. Halten Sie max_tokens bei 1.000 oder mehr oder setzen Sie reasoning_effort auf low, sonst kann die Antwort leer zurückkommen (warum). Messen Sie Ihre eigenen Seiten: Senden Sie zehn, lesen Sie usage.prompt_tokens und usage.completion_tokens aus und multiplizieren Sie. Der Rechner für Bild-Tokens und Kosten von Vision-LLMs pro Bild erledigen die Rechnung.
Der Vergleich ist nicht eins zu eins. 1,50 USD pro 1.000 Seiten kaufen Rohtext und Positionen. Ein Vision-LLM-Aufruf kann Lieferant, USt-Nummer, Datum und Gesamtbetrag in derselben Anfrage als JSON liefern, was Ihnen den Parsing-Schritt erspart. Gemma 4 VL 26B ist außerdem durch das Startguthaben von $5 abgedeckt. Qwen3.8 27B und DeepSeek V4.1 Flash brauchen eine Aufladung.
Wie unterscheiden sich die Integrationsdetails?
| Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | Vision-LLMs bei BroadNet | |
|---|---|---|---|---|---|
| Eingabe | Bilder; PDF und TIFF über DOCUMENT_TEXT_DETECTION |
Siehe die Dateitypliste des Read-Modells | Siehe die Dateitypliste von Textract | image_url (PNG, JPEG, AVIF und mehr) oder document_url (PDF, PPTX, DOCX und mehr) |
Ein Bild pro Content-Element als data:-URL; PDF-Seiten vorher in Bilder rendern |
| Sprachhinweis | Optionaler Hinweis ar |
Optional; Microsoft rät ab, ihn zu setzen, wenn Sie nicht sicher sind | In der FAQ nicht behandelt | Keine Angabe | Im Prompt sagen: „Das Dokument ist auf Arabisch“ |
| Strukturierte Felder | Nein (nur Texthierarchie) | Ja, vorgefertigte Rechnung und Beleg | Rechnungen, Belege und Queries nur auf Englisch | Optionale Dokumentannotationen | JSON anfordern; strukturierte Ausgabe ist nur für Qwen3.8 27B dokumentiert |
| API-Form | Google Cloud API | Azure REST und SDKs | AWS SDKs | Mistral /v1/ocr |
OpenAI-kompatibles /v1/chat/completions |
Microsofts Hinweis zu Sprachcodes lohnt sich, wenn Ihre Dokumente Arabisch und Englisch mischen: „Don’t provide the language code as the parameter unless you are sure of the language … Otherwise, the service may return incomplete and incorrect text.“ (Übersetzung: „Geben Sie den Sprachcode nicht als Parameter an, es sei denn, Sie sind sich der Sprache sicher … Andernfalls kann der Dienst unvollständigen und falschen Text liefern.“)
Welche OCR-API für Arabisch sollten Sie wählen?
Eine einzige Antwort gibt es nicht, und kein Anbieter veröffentlicht einen unabhängigen Genauigkeitstest für Arabisch, den wir prüfen konnten. Wählen Sie zuerst nach Ausgabe, dann testen Sie:
- Sie brauchen durchsuchbaren Text aus langen gescannten Archiven. Google Cloud Vision, Azure Read oder Textract. Alle drei führen gedruckten arabischen Text zum selben Einstiegspreis. Wählen Sie die Cloud, die Sie bereits für Speicher und Identität nutzen.
- Sie brauchen arabische Handschrift. Azure Document Intelligence v4.0 ist die einzige OCR-API hier, die sie führt. Testen Sie auf denselben Seiten auch ein Vision-LLM, da keines davon Handschrift in irgendeiner Richtung dokumentiert.
- Sie brauchen Rechnungsfelder aus arabischen Rechnungen. Vergleichen Sie Azures vorgefertigtes Rechnungsmodell (10 USD pro 1.000 Seiten) mit einem Vision-LLM, das JSON liefert. Bei BroadNet ist Qwen3.8 27B das Modell mit dokumentierter strukturierter Ausgabe. Arabische Rechnungen mit einem Vision-Modell lesen enthält funktionierenden Code.
- Sie wollen Markdown mit Tabellen für RAG. Mistral OCR liefert Markdown pro Seite mit Tabellen und Blöcken. Bestätigen Sie den aktuellen Seitenpreis auf Mistrals Preisseite.
- Sie brauchen Felder, Übersetzung und Zusammenfassung in einem Aufruf. Ein Vision-LLM. Die Pipeline mit Validierung steht in Rechnungsdaten mit einem Vision-LLM als JSON extrahieren.
Wie testen Sie OCR-APIs für Arabisch mit Ihren eigenen Dokumenten?
- Wählen Sie 50 bis 100 echte Seiten: saubere PDFs, Handyfotos, verblasste Thermobelege, gestempelte Rechnungen und, falls vorhanden, handschriftliche Formulare.
- Tippen Sie eine Ground Truth für die Felder ab, die Ihnen wichtig sind. Behalten Sie ostarabische Ziffern (٠١٢٣) wie gedruckt und vermerken Sie sie gesondert.
- Bewerten Sie Zeichen und Felder getrennt. Die Zeichenfehlerrate zeigt die Lesequalität. Die Feldgenauigkeit (Gesamtbetrag, Datum, USt-Nummer) zeigt die geschäftliche Qualität. Ein Ziffernfehler im Gesamtbetrag wiegt schwerer als zehn in der Fußzeile.
- Prüfen Sie die Reihenfolge in gemischten Zeilen. Eine Zeile wie „الإجمالي: 1,250.00 SAR“ kann mit der Zahl vor der Beschriftung zurückkommen. Das ist ein Problem der bidirektionalen Reihenfolge, kein Erkennungsfehler, aber Ihr Parser muss trotzdem damit umgehen.
- Validieren Sie Zahlen im Code, egal was Sie wählen: Die Positionen ergeben den Gesamtbetrag, die USt passt zum Satz, und Daten lassen sich parsen. Fehlschläge gehen in eine Warteschlange zur menschlichen Prüfung.
Wo BroadNet Inference ins Bild passt
BroadRouter ist BroadNets Website. BroadNet Inference verkauft keine OCR-Engine. Es verkauft Vision-LLMs über eine OpenAI-kompatible API: Qwen3.8 27B, BroadNet Gemma 4 VL 26B und DeepSeek V4.1 Flash, die alle Bilder akzeptieren. Brauchen Sie den günstigsten Rohtext aus Millionen gescannter Seiten oder arabische Handschrift mit Positionen, passt eine der klassischen OCR-APIs oben besser. BroadNet passt, wenn Sie Felder oder JSON aus arabischen Dokumenten wollen, mit Zero Data Retention: BroadNet gibt an, dass Inferenzinhalte nicht gespeichert werden. Probieren Sie Gemma 4 VL 26B mit dem Startguthaben von $5 aus, oder lesen Sie die API-Referenz und holen Sie sich einen Schlüssel.
