---
title: "Extraer datos de facturas en árabe con una API de visión"
description: "Envíe la foto de una factura o recibo a un modelo de visión de BroadNet Inference y obtenga total, fecha y proveedor en JSON, con preguntas en árabe o inglés."
url: https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/
lang: es
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (actualizado el 2026-11-16).

# Lea facturas y recibos en árabe con un modelo de visión

Actualizado 2026-11-16

Envíe la imagen como data URL en base64 dentro del contenido del mensaje a un modelo de visión, como broadnet/qwen3.8-27b o broadnet/gemma-4-26b-a4b, y pida en JSON los campos que necesita. Indique el tipo MIME correcto. Con pago por uso, una imagen cuenta como tokens de entrada; las imágenes más grandes consumen más.

Tres modelos de chat de BroadNet Inference aceptan imágenes: DeepSeek V4.1 Flash, Qwen3.8 27B y BroadNet Gemma 4 VL 26B. GLM 5.3 es solo de texto. Para documentos en árabe, Qwen3.8 27B es el que BroadNet probó en árabe: redacción fluida, comprensión de los dialectos del Golfo y egipcio, y traducción precisa entre árabe e inglés. Gemma 4 VL 26B es el más barato de los tres en BroadNet y funciona con el crédito gratuito.

## Haga una pregunta sobre una factura

```python
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)
```

La pregunta dice en árabe “¿Cuál es el importe total de esta factura?”. Use `image/png` en el data URL para archivos PNG: el tipo MIME debe coincidir. Para obtenerlo a partir del nombre del archivo:

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

## Obtenga los campos estructurados

Pida JSON e indique exactamente qué claves quiere:

```python
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 razona antes de responder, así que déjele margen. Consulte [por qué los modelos de razonamiento devuelven respuestas vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/). La documentación de BroadNet indica salida estructurada para Qwen3.8 27B; consulte [salida estructurada](https://broadrouter.com/es/glossary/structured-output/) para ver cómo funcionan los JSON schemas en general. Analice la respuesta con `json.loads` y valide los campos antes de guardarlos.

## Costo

Con pago por uso, una imagen se factura como tokens de entrada al precio de entrada del modelo, así que reduzca primero las fotos muy grandes; la [calculadora de tokens de imagen](https://broadrouter.com/tools/image-token-calculator/) muestra cuántos tokens cuesta un tamaño dado. Con un [plan ilimitado de DeepSeek V4.1 Flash](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/), las imágenes forman parte del uso ilimitado.

[Compare los precios de los modelos de visión](https://broadrouter.com/es/pricing/), o vea cómo se compara un modelo de visión con Google, Azure, Textract y Mistral OCR en la [comparativa de APIs de OCR en árabe](https://broadrouter.com/es/blog/arabic-ocr-api-comparison/).

## Solución de problemas

-   **Respuesta vacía de Qwen3.8 27B o DeepSeek V4.1 Flash.** El razonamiento agotó `max_tokens`. Auméntelo o defina `reasoning_effort` como `low`.
-   **400 o 422 en la imagen.** Compruebe que el data URL empiece por `data:image/jpeg;base64,` o `data:image/png;base64,` y que el tipo MIME coincida con el archivo.
-   **403 o un error en el modelo.** GLM 5.3 no acepta imágenes, y Qwen3.8 27B y DeepSeek V4.1 Flash requieren una recarga. Use BroadNet Gemma 4 VL 26B con el crédito gratuito.
-   **Solicitud demasiado grande o errores de contexto.** Una foto grande consume muchos tokens, y Gemma 4 VL 26B tiene la ventana de contexto más pequeña de los tres (indicada en pricing.json). Reduzca la imagen a un ancho razonable o recorte la zona de los totales.
-   **Totales incorrectos o dígitos intercambiados.** En un mismo recibo pueden aparecer dígitos arábigo-índicos (٠١٢٣) y dígitos latinos. Pida al modelo que devuelva los números con dígitos latinos y compruebe en su código los totales contra las líneas de la factura.
-   **JSON no válido.** Pida “solo JSON”, elimine los code fences antes de analizar la respuesta y reintente una vez si el análisis falla.

_[image: 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.

## Términos de esta guía

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Salida estructurada (structured output)](https://broadrouter.com/es/glossary/structured-output/)

La salida estructurada es una función de las APIs de LLM que restringe la respuesta del modelo a un formato que define el desarrollador, normalmente un JSON Schema, para que el código pueda procesarla de forma fiable. Es más estricta que JSON mode, que garantiza JSON válido pero no una forma concreta.

[Reconocimiento óptico de caracteres (OCR)](https://broadrouter.com/es/glossary/ocr/)

El reconocimiento óptico de caracteres (OCR) es la tecnología que detecta el texto impreso o manuscrito de una imagen, un escaneo o un PDF y lo convierte en caracteres legibles por máquina. El OCR clásico devuelve el texto y su posición en la página; los modelos de visión y lenguaje pueden leer el texto y responder preguntas sobre él directamente.

[Crédito prepago (prepaid credit)](https://broadrouter.com/es/glossary/prepaid-credit/)

El crédito prepago es dinero que se añade a una cuenta de API antes de usarla. Cada solicitud descuenta su coste del saldo y, cuando el saldo se agota, las solicitudes medidas se detienen hasta que usted recargue. Limita el gasto a lo que ha pagado.

[JSON Schema (esquema JSON)](https://broadrouter.com/es/glossary/json-schema/)

JSON Schema es un vocabulario, escrito en JSON, para describir y validar la estructura de datos JSON: tipos, campos obligatorios, valores permitidos y anidamiento. La versión actual es la 2020-12. Las APIs de LLM lo usan para definir los parámetros de las herramientas y la forma exacta que debe seguir una salida estructurada.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Modelo de visión y lenguaje (VLM)](https://broadrouter.com/es/glossary/vision-language-model/)

Un modelo de visión y lenguaje (VLM) es un modelo que recibe imágenes y texto a la vez y produce texto, por lo que puede describir imágenes, responder preguntas sobre ellas y leer documentos, gráficos o capturas de pantalla. También se les llama modelos image-text-to-text o multimodales.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

## Preguntas frecuentes

### ¿Qué modelos de BroadNet pueden leer imágenes?

DeepSeek V4.1 Flash, Qwen3.8 27B y BroadNet Gemma 4 VL 26B aceptan imágenes mediante chat completions. GLM 5.3 es solo de texto, y los modelos de transcripción reciben audio.

### ¿Cómo envío un archivo de imagen local a una API de LLM con visión?

Lea el archivo, codifíquelo en base64 y colóquelo en una parte de contenido image\_url como data URL, por ejemplo data:image/jpeg;base64, seguido de los bytes codificados. El tipo MIME de la URL debe coincidir con el archivo.

### ¿Puedo extraer datos de facturas con el crédito gratuito?

Sí, con BroadNet Gemma 4 VL 26B, que funciona con el crédito inicial gratuito. Qwen3.8 27B y DeepSeek V4.1 Flash se habilitan después de una recarga.

### ¿Puedo enviar una factura en PDF?

La documentación de BroadNet describe imágenes enviadas como data URL, no archivos PDF. Convierta primero cada página del PDF a JPEG o PNG, por ejemplo con pdftoppm, y envíe las páginas como imágenes.

## Guías relacionadas

-   [API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-read-arabic-invoices-with-vision&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference, chat con una imagen (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Precios de BroadNet Inference (notas de la prueba en árabe de Qwen3.8 27B)](https://inference.broadnet.ai/es/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Lista de modelos legible por máquina con modalidades y longitud de contexto (pricing.json) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-read-arabic-invoices-with-vision&utm_content=sources)
