BroadRouter

Arabische Rechnungen und Belege mit einem Vision-Modell auslesen

Aktualisiert

Senden Sie das Bild als Base64-Data-URL im Nachrichteninhalt an ein Vision-Modell wie broadnet/qwen3.8-27b oder broadnet/gemma-4-26b-a4b und fordern Sie die benötigten Felder als JSON an. Achten Sie auf den korrekten MIME-Typ. Bei Pay-as-you-go zählt ein Bild als Input-Token; größere Bilder verbrauchen mehr.

Drei Chatmodelle auf BroadNet Inference nehmen Bilder entgegen: DeepSeek V4.1 Flash, Qwen3.8 27B und BroadNet Gemma 4 VL 26B. GLM 5.3 verarbeitet nur Text. Für arabische Dokumente ist Qwen3.8 27B das Modell, das BroadNet auf Arabisch getestet hat: flüssiges Schreiben, Verständnis der Golf- und ägyptischen Dialekte und genaue Übersetzung zwischen Arabisch und Englisch. Gemma 4 VL 26B ist bei BroadNet das günstigste der drei und läuft mit dem kostenlosen Guthaben.

Eine Frage zu einer Rechnung stellen

import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
invoice = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

response = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "ما هو المبلغ الإجمالي في هذه الفاتورة؟"},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)
print(response.choices[0].message.content)

Die Frage lautet auf Arabisch „Wie hoch ist der Gesamtbetrag dieser Rechnung?“. Verwenden Sie für PNG-Dateien image/png in der Data-URL: Der MIME-Typ muss passen. So setzen Sie ihn anhand des Dateinamens:

import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()

Strukturierte Felder zurückbekommen

Fordern Sie JSON an und nennen Sie genau die Keys, die Sie brauchen:

prompt = (
    "Read this invoice. Reply with JSON only, keys: vendor, date (YYYY-MM-DD), "
    "currency, total (number), vat (number or null). Keep the vendor name in Arabic if it is written in Arabic."
)
response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # Qwen3.8 27B reasons first
    messages=[{"role": "user", "content": [
        {"type": "text", "text": prompt},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)

Qwen3.8 27B denkt vor der Antwort nach (Reasoning), geben Sie ihm also Spielraum. Siehe warum Reasoning-Modelle leere Antworten liefern. Die Dokumentation von BroadNet listet strukturierte Ausgabe für Qwen3.8 27B; wie JSON-Schemas allgemein funktionieren, erklärt strukturierte Ausgabe. Parsen Sie die Antwort mit json.loads und prüfen Sie die Felder, bevor Sie sie speichern.

Kosten

Bei Pay-as-you-go wird ein Bild als Input-Token zum Input-Preis des Modells abgerechnet, verkleinern Sie sehr große Fotos also vorher; der Bild-Token-Rechner zeigt, wie viele Token eine bestimmte Größe kostet. In einem unbegrenzten Plan für DeepSeek V4.1 Flash gehören Bilder zur unbegrenzten Nutzung.

Preise der Vision-Modelle vergleichen oder im Vergleich arabischer OCR-APIs nachlesen, wie ein Vision-Modell gegen Google, Azure, Textract und Mistral OCR abschneidet.

Fehlerbehebung

  • Leere Antwort von Qwen3.8 27B oder DeepSeek V4.1 Flash. Reasoning hat max_tokens aufgebraucht. Erhöhen Sie den Wert oder setzen Sie reasoning_effort auf low.
  • 400 oder 422 beim Bild. Prüfen Sie, ob die Data-URL mit data:image/jpeg;base64, oder data:image/png;base64, beginnt und der MIME-Typ zur Datei passt.
  • 403 oder ein Fehler beim Modell. GLM 5.3 nimmt keine Bilder an, und Qwen3.8 27B sowie DeepSeek V4.1 Flash erfordern eine Aufladung. Nutzen Sie BroadNet Gemma 4 VL 26B mit dem kostenlosen Guthaben.
  • Anfrage zu groß oder Kontextfehler. Ein großes Foto verbraucht viele Token, und Gemma 4 VL 26B hat von den dreien das kleinste Kontextfenster (in pricing.json aufgeführt). Verkleinern Sie auf eine sinnvolle Breite oder schneiden Sie auf den Bereich mit den Summen zu.
  • Falsche Summen oder vertauschte Ziffern. Arabisch-indische Ziffern (٠١٢٣) und lateinische Ziffern können auf demselben Beleg vorkommen. Bitten Sie das Modell, Zahlen in lateinischen Ziffern zurückzugeben, und prüfen Sie Summen in Ihrem Code gegen die Einzelposten.
  • Ungültiges JSON. Fordern Sie „JSON only“ an, entfernen Sie vor dem Parsen eventuelle Code-Fences und versuchen Sie es einmal erneut, wenn das Parsen fehlschlägt.
An Arabic and English invoice beside a phone showing the JSON {"total":125.00,"currency":"AED"}, with the text "From documents to structured data."
Illustrative example; the figures are not real output.

Häufige Fragen

Welche BroadNet-Modelle können Bilder lesen?

DeepSeek V4.1 Flash, Qwen3.8 27B und BroadNet Gemma 4 VL 26B akzeptieren Bilder über Chat Completions. GLM 5.3 verarbeitet nur Text, und die Transkriptionsmodelle nehmen Audio entgegen.

Wie sende ich eine lokale Bilddatei an eine Vision-LLM-API?

Lesen Sie die Datei, kodieren Sie sie in Base64 und legen Sie sie als Data-URL in einen image_url-Content-Part, etwa data:image/jpeg;base64, gefolgt von den kodierten Bytes. Der MIME-Typ in der URL muss zur Datei passen.

Kann ich Rechnungsdaten mit dem kostenlosen Guthaben auslesen?

Ja, mit BroadNet Gemma 4 VL 26B, das mit dem kostenlosen Startguthaben läuft. Qwen3.8 27B und DeepSeek V4.1 Flash werden nach einer Aufladung freigeschaltet.

Kann ich eine Rechnung als PDF senden?

Die Dokumentation von BroadNet beschreibt Bilder, die als Data-URLs gesendet werden, keine PDF-Dateien. Rendern Sie jede PDF-Seite zuerst als JPEG oder PNG, zum Beispiel mit pdftoppm, und senden Sie die Seiten als Bilder.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen