---
title: "अरबी OCR API की तुलना (2026) | BroadRouter"
description: "कौन-से OCR API आधिकारिक रूप से छपी और हाथ से लिखी अरबी सपोर्ट करते हैं, हर एक क्या लौटाता है और प्रति 1,000 पेज कितना लेता है, vision LLM API के मुक़ाबले।"
url: https://broadrouter.com/hi/blog/arabic-ocr-api-comparison/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/arabic-ocr-api-comparison/) (2026-11-16 को अपडेट किया गया).

# अरबी OCR API की तुलना: Google, Azure, Textract, Mistral, LLM

BroadNet Inference टीम · 8 मिनट में पढ़ें · प्रकाशित 2026-11-15 · अपडेट किया गया 2026-11-16

चार OCR API अपने docs में छपी अरबी गिनाते हैं: Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract और Mistral OCR। Google, Azure Read और Textract शुरुआती वॉल्यूम पर प्रति 1,000 पेज USD 1.50 लेते हैं। सिर्फ़ Azure हाथ से लिखी अरबी गिनाता है। BroadNet पर Qwen3.8 27B जैसे vision LLM पेज का बिल टोकन में बनाते हैं और आपके माँगे फ़ील्ड लौटाते हैं।

## मुख्य बातें

-   छपी अरबी को Google Cloud Vision, Azure Document Intelligence (Read और Layout), Amazon Textract और Mistral OCR गिनाते हैं (2026-11-15 को जाँचा गया)।
-   हाथ से लिखी अरबी सिर्फ़ Azure Document Intelligence v4.0 गिनाता है। Textract कहता है कि handwriting सिर्फ़ अंग्रेज़ी में है; Google की handwriting लिपि तालिका में अरबी नहीं है।
-   सादा OCR, Google, Azure Read और Textract (2026-11-15 को जाँचा गया) पर शुरुआती वॉल्यूम में प्रति 1,000 पेज USD 1.50 का है, ज़्यादा वॉल्यूम पर कम दरें। Azure के invoice और layout मॉडल प्रति 1,000 पेज USD 10 के हैं।
-   Vision LLM एक पेज का बिल इनपुट टोकन और जवाब के रूप में बनाता है, इसलिए लागत इमेज के साइज़ और आउटपुट की लंबाई पर निर्भर है। इसे usage.prompt\_tokens से मापें।
-   कोई vendor ऐसा स्वतंत्र अरबी सटीकता टेस्ट प्रकाशित नहीं करता जिसे हम जाँच सकें। चुनने से पहले अपने 50 से 100 पेज स्कोर करें।

**इस पेज पर**

1.  कौन-से OCR API आधिकारिक रूप से अरबी सपोर्ट करते हैं?
2.  हर अरबी OCR API की प्रति 1,000 पेज लागत क्या है?
3.  Vision LLM की प्रति पेज लागत क्या है?
4.  Integration के ब्योरे कैसे अलग हैं?
5.  कौन-सा अरबी OCR API चुनें?
6.  अपने दस्तावेज़ों पर अरबी OCR API कैसे टेस्ट करें?
7.  BroadNet Inference कहाँ फ़िट होता है

“Arabic OCR API” सर्च करें तो ज़्यादातर नतीजे ranking साइटें हैं जो नहीं बतातीं कि उनके स्कोर कहाँ से आते हैं। यह पेज वह सीमित काम करता है जो एक ख़रीदार को चाहिए। हर API के लिए यह दिखाता है कि vendor का अपना डॉक्यूमेंटेशन अरबी के बारे में क्या कहता है, API क्या लौटाता है और एक पेज की लागत क्या है। हर आँकड़ा 15 नवंबर 2026 को vendor के पेज से पढ़ा गया। BroadRouter, BroadNet की वेबसाइट है, और BroadNet नीचे के विकल्पों में से एक बेचता है (vision LLM, OCR नहीं), इसलिए हम बताते हैं कि बाक़ी कहाँ बेहतर हैं।

अगर आप अभी सिद्धांत रूप में OCR और vision LLM के बीच फ़ैसला कर रहे हैं, तो [अरबी OCR बनाम vision LLM](https://broadrouter.com/hi/blog/arabic-ocr-vision-llm/) से शुरू करें। वह बताती है कि जुड़ी लिपि, नुक़्ते और मिली-जुली दिशा वाली लाइनें अरबी को मुश्किल क्यों बनाती हैं। यह पोस्ट मानती है कि आप यह जानते हैं और vendor चुनना चाहते हैं।

## कौन-से OCR API आधिकारिक रूप से अरबी सपोर्ट करते हैं?

| API | छपी अरबी | हाथ से लिखी अरबी | क्या लौटाता है |
| --- | --- | --- | --- |
| Google Cloud Vision (`DOCUMENT_TEXT_DETECTION`) | हाँ, `ar`, Modern Standard के रूप में सूचीबद्ध | सूचीबद्ध नहीं (अरबी लिपि handwriting तालिका में नहीं है) | पेज, block, पैराग्राफ़, शब्द और break की जानकारी के साथ टेक्स्ट |
| Azure AI Document Intelligence, Read (`prebuilt-read`) | हाँ, `ar` | हाँ, v4.0 में (v3.1 में नहीं) | छपा और हाथ से लिखा टेक्स्ट |
| Azure AI Document Intelligence, Layout (`prebuilt-layout`) | हाँ, `ar` | हाँ, v4.0 में | टेक्स्ट, तालिकाएँ, दस्तावेज़ की संरचना और selection marks |
| Azure prebuilt invoice और receipt | Invoice में अरबी (`ar`); thermal receipts में अरबी | लागू नहीं | Invoice और receipt के नाम वाले फ़ील्ड |
| Amazon Textract (Detect Document Text) | हाँ, 40+ भाषाओं में | नहीं: “handwriting … in English only” (अनुवाद: handwriting … सिर्फ़ अंग्रेज़ी में) | शब्द और लाइनें, हर एक bounding box और confidence score के साथ |
| Mistral OCR (`mistral-ocr-latest`) | हाँ, मध्य-पूर्वी भाषाओं में सूचीबद्ध | बताया नहीं गया | हर पेज का Markdown और JSON फ़ील्ड: तालिकाएँ, इमेज, headers, footers, blocks, confidence scores |
| Vision LLM (BroadNet पर Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash) | अरबी इमेज पढ़ता है; OCR इंजन नहीं | Documented नहीं | जो भी आप माँगें: टेक्स्ट, फ़ील्ड, JSON, अनुवाद |

हाँ/ना वाले कॉलम से ज़्यादा दो बातें मायने रखती हैं:

-   **Textract सिर्फ़ handwriting पर ही सीमा नहीं लगाता।** उसका FAQ कहता है “Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.” (अनुवाद: handwriting, invoices और receipts, पहचान दस्तावेज़ और Queries की प्रोसेसिंग सिर्फ़ अंग्रेज़ी में है।) अरबी दस्तावेज़ों पर Textract आपको टेक्स्ट और positions देता है, invoice फ़ील्ड नहीं।
-   **Azure की हाथ से लिखी अरबी v4.0 में नई है।** v3.1 की handwriting तालिका में अरबी नहीं है। जिस API वर्ज़न पर टेस्ट करते हैं, उसे pin करें।

Mistral का भाषा पेज कहता है कि उसकी सूची “languages with strong expected performance” (अनुवाद: जिन भाषाओं में मज़बूत प्रदर्शन की उम्मीद है) दिखाती है, जो vendor का बयान है, मापा गया स्कोर नहीं।

## हर अरबी OCR API की प्रति 1,000 पेज लागत क्या है?

अमेरिकी डॉलर में कीमतें, 15 नवंबर 2026 को हर vendor के pricing स्रोत से पढ़ी गईं:

| API और फ़ीचर | मुफ़्त सीमा | शुरुआती कीमत प्रति 1,000 पेज | ज़्यादा वॉल्यूम की कीमत |
| --- | --- | --- | --- |
| Google Cloud Vision, Document Text Detection | हर महीने पहली 1,000 units | USD 1.50 (units 1,001 से 5,000,000) | हर महीने 5M units से ऊपर USD 0.60 |
| Azure Document Intelligence, Read (East US) | मुफ़्त tier पर हर महीने 500 पेज | USD 1.50 | पहले 1M पेज के बाद USD 0.60 |
| Azure Document Intelligence, Layout और prebuilt मॉडल (East US) | वही मुफ़्त tier | USD 10 | Commitment tiers Azure के pricing पेज पर हैं (कीमतें ब्राउज़र में लोड होती हैं; अपना region जाँचें) |
| Amazon Textract, Detect Document Text (US West, Oregon) | नए AWS ग्राहकों के लिए तीन महीने तक हर महीने 1,000 पेज | USD 1.50 (हर महीने पहले 1M पेज) | 1M पेज के बाद USD 0.60 |
| Mistral OCR | बताया नहीं गया | प्रति 1,000 पेज कीमत; रक़म पेज के static HTML में नहीं है, इसलिए हम पुष्टि नहीं कर सके | Mistral कहता है कि batch processing उसकी API कीमतें आधी कर देती है |

Google हर PDF पेज को एक इमेज के रूप में, और हर फ़ीचर को अलग unit के रूप में बिल करता है। एक पेज पर दो फ़ीचर माँगने पर दो units लगती हैं। Azure की prebuilt कीमत में layout, invoice और receipt आते हैं। अगर आपको Azure से structured invoice फ़ील्ड चाहिए, तो USD 1.50 वाली Read दर नहीं, USD 10 वाली दर मानकर योजना बनाएँ।

## Vision LLM की प्रति पेज लागत क्या है?

Vision LLM की कोई प्रति पेज कीमत नहीं होती। BroadNet की उपयोग के अनुसार भुगतान वाली keys पर docs कहते हैं कि इमेज “counts as input tokens at the model’s input price” (अनुवाद: मॉडल की इनपुट कीमत पर इनपुट टोकन के रूप में गिनी जाती है), और बड़ी इमेज ज़्यादा टोकन लेती है। पेज की लागत इमेज के टोकन और आपका प्रॉम्प्ट है, साथ में आउटपुट कीमत पर जवाब।

इमेज टोकन मॉडल और resolution के हिसाब से बदलते हैं। Gemma 4 प्रति इमेज 70, 140, 280, 560 या 1,120 टोकन के बजट इस्तेमाल करता है, और Google के docs visual कामों में सबसे अच्छी सटीकता के लिए ऊँचे बजट की सलाह देते हैं। योजना के एक ढाँचे के तौर पर, माप के तौर पर नहीं, प्रति पेज लगभग 1,000 इनपुट टोकन और 300 आउटपुट टोकन मानें:

| BroadNet मॉडल | इनपुट प्रति 1M | आउटपुट प्रति 1M | लगभग 1M इनपुट और 0.3M आउटपुट पर 1,000 पेज |
| --- | --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 और $0.22 का तीन दसवाँ हिस्सा |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 और $2.17 का तीन दसवाँ हिस्सा, साथ में reasoning |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 और $0.52 का तीन दसवाँ हिस्सा, साथ में reasoning |

Qwen3.8 27B और DeepSeek V4.1 Flash जवाब से पहले reasoning करते हैं, और reasoning का बिल आउटपुट के रूप में बनता है। `max_tokens` को 1,000 या ज़्यादा रखें, या `reasoning_effort` को `low` करें, वरना जवाब ख़ाली लौट सकता है ([क्यों](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/))। अपने पेज मापें: दस भेजें, `usage.prompt_tokens` और `usage.completion_tokens` पढ़ें, और गुणा करें। [इमेज टोकन कैलकुलेटर](https://broadrouter.com/tools/image-token-calculator/) और [प्रति इमेज vision LLM लागत](https://broadrouter.com/hi/blog/cheapest-vision-llm-api/) यह हिसाब करते हैं।

यह तुलना बराबरी की नहीं है। प्रति 1,000 पेज USD 1.50 में कच्चा टेक्स्ट और positions मिलती हैं। एक vision LLM कॉल उसी अनुरोध में वेंडर, VAT नंबर, तारीख़ और कुल रक़म JSON में लौटा सकती है, जिससे parsing वाला चरण बचता है। Gemma 4 VL 26B $5 के शुरुआती क्रेडिट में भी आता है। Qwen3.8 27B और DeepSeek V4.1 Flash के लिए टॉप-अप चाहिए।

## Integration के ब्योरे कैसे अलग हैं?

|  | Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | BroadNet vision LLM |
| --- | --- | --- | --- | --- | --- |
| इनपुट | इमेज; `DOCUMENT_TEXT_DETECTION` के ज़रिए PDF और TIFF | Read मॉडल की file-type सूची देखें | Textract की file-type सूची देखें | `image_url` (PNG, JPEG, AVIF और ज़्यादा) या `document_url` (PDF, PPTX, DOCX और ज़्यादा) | हर content item में एक इमेज `data:` URL के रूप में; PDF पेजों को पहले इमेज में render करें |
| भाषा का संकेत | वैकल्पिक `ar` संकेत | वैकल्पिक; Microsoft सलाह देता है कि पक्का न हों तो इसे सेट न करें | FAQ में नहीं बताया गया | बताया नहीं गया | प्रॉम्प्ट में लिखें “दस्तावेज़ अरबी में है” |
| Structured फ़ील्ड | नहीं (सिर्फ़ टेक्स्ट का क्रम) | हाँ, prebuilt invoice और receipt | Invoices, receipts और Queries सिर्फ़ अंग्रेज़ी में | वैकल्पिक document annotations | JSON माँगें; structured output सिर्फ़ Qwen3.8 27B के लिए documented |
| API का रूप | Google Cloud API | Azure REST और SDKs | AWS SDKs | Mistral `/v1/ocr` | OpenAI-compatible `/v1/chat/completions` |

अगर आपके दस्तावेज़ों में अरबी और अंग्रेज़ी मिली है, तो language codes पर Microsoft का नोट पढ़ने लायक़ है: “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.” (अनुवाद: जब तक भाषा के बारे में पक्का न हों, language code को parameter के रूप में न दें … वरना सेवा अधूरा और ग़लत टेक्स्ट लौटा सकती है।)

## कौन-सा अरबी OCR API चुनें?

एक जवाब नहीं है, और कोई vendor ऐसा स्वतंत्र अरबी सटीकता टेस्ट प्रकाशित नहीं करता जिसे हम जाँच सकें। पहले आउटपुट के हिसाब से चुनें, फिर टेस्ट करें:

1.  **आपको लंबे स्कैन किए archives से सर्च लायक़ टेक्स्ट चाहिए।** Google Cloud Vision, Azure Read या Textract। तीनों एक ही शुरुआती कीमत पर छपी अरबी गिनाते हैं। वह cloud चुनें जो आप पहले से storage और identity के लिए इस्तेमाल करते हैं।
2.  **आपको हाथ से लिखी अरबी चाहिए।** यहाँ Azure Document Intelligence v4.0 अकेला OCR API है जो इसे गिनाता है। उन्हीं पेजों पर एक vision LLM भी टेस्ट करें, क्योंकि उनमें से कोई handwriting के बारे में न हाँ document करता है न ना।
3.  **आपको अरबी इनवॉइस से invoice फ़ील्ड चाहिए।** Azure के prebuilt invoice मॉडल (प्रति 1,000 पेज USD 10) की तुलना JSON लौटाने वाले vision LLM से करें। BroadNet पर Qwen3.8 27B वह मॉडल है जिसका structured output documented है। [vision मॉडल से अरबी इनवॉइस पढ़ें](https://broadrouter.com/hi/guides/read-arabic-invoices-with-vision/) में चलने वाला कोड है।
4.  **आपको RAG के लिए तालिकाओं वाला Markdown चाहिए।** Mistral OCR तालिकाओं और blocks के साथ हर पेज का Markdown लौटाता है। उसकी मौजूदा प्रति पेज कीमत Mistral के pricing पेज पर पक्की करें।
5.  **आपको एक ही कॉल में फ़ील्ड, अनुवाद और सारांश चाहिए।** Vision LLM। Validation वाली पाइपलाइन [vision LLM से इनवॉइस डेटा JSON में निकालना](https://broadrouter.com/hi/blog/extract-data-from-documents-with-vision-llm/) में है।

## अपने दस्तावेज़ों पर अरबी OCR API कैसे टेस्ट करें?

1.  **50 से 100 असली पेज चुनें**: साफ़ PDF, फ़ोन फ़ोटो, फीकी thermal रसीदें, मुहर लगे इनवॉइस और, अगर हैं, हाथ से भरे फ़ॉर्म।
2.  **जिन फ़ील्ड की परवाह है उनका ground truth टाइप करें।** पूर्वी अरबी अंक (٠١٢٣) वैसे ही रखें जैसे छपे हैं, और उन्हें अलग से नोट करें।
3.  **अक्षर और फ़ील्ड अलग-अलग स्कोर करें।** [Character error rate](https://broadrouter.com/hi/glossary/character-error-rate/) पढ़ने की क्वालिटी दिखाता है। फ़ील्ड की सटीकता (कुल रक़म, तारीख़, VAT नंबर) कारोबारी क्वालिटी दिखाती है। कुल रक़म में एक अंक की ग़लती footer की दस ग़लतियों से ज़्यादा मायने रखती है।
4.  **मिली-जुली लाइनों पर क्रम जाँचें।** “الإجمالي: 1,250.00 SAR” जैसी लाइन संख्या को लेबल से पहले लेकर लौट सकती है। यह bidirectional क्रम की समस्या है, पहचान की ग़लती नहीं, लेकिन आपके parser को फिर भी इसे संभालना होगा।
5.  **जो भी चुनें, संख्याएँ कोड में validate करें**: लाइन items का जोड़ कुल रक़म के बराबर हो, VAT दर से मेल खाए और तारीख़ें parse हों। नाकामियाँ [इंसानी समीक्षा queue](https://broadrouter.com/hi/blog/document-review-queues/) में भेजें।

## BroadNet Inference कहाँ फ़िट होता है

BroadRouter, BroadNet की वेबसाइट है। BroadNet Inference कोई OCR इंजन नहीं बेचता। यह एक OpenAI-compatible API पर vision LLM बेचता है: Qwen3.8 27B, BroadNet Gemma 4 VL 26B और DeepSeek V4.1 Flash, जो सभी इमेज लेते हैं। अगर आपको लाखों स्कैन किए पेजों से सबसे सस्ता कच्चा टेक्स्ट चाहिए, या positions के साथ हाथ से लिखी अरबी, तो ऊपर सूचीबद्ध कोई क्लासिक OCR API बेहतर है। BroadNet तब फ़िट होता है जब आपको अरबी दस्तावेज़ों से फ़ील्ड या JSON चाहिए, [zero data retention](https://broadrouter.com/hi/privacy/) के साथ: BroadNet कहता है कि inference content retain नहीं किया जाता। $5 के शुरुआती क्रेडिट पर Gemma 4 VL 26B आज़माएँ, या [API रेफ़रंस](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-ocr-api-comparison&utm_content=body) पढ़ें और [key लें](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-ocr-api-comparison&utm_content=body)।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[OCR (optical character recognition)](https://broadrouter.com/hi/glossary/ocr/)

OCR (optical character recognition) वह तकनीक है जो किसी इमेज, स्कैन या PDF में छपे या हाथ से लिखे टेक्स्ट को पहचानकर मशीन से पढ़े जा सकने वाले अक्षरों में बदलती है। क्लासिक OCR टेक्स्ट और पेज पर उसकी जगह देता है; vision-language मॉडल टेक्स्ट पढ़कर उसके बारे में सीधे सवालों के जवाब दे सकते हैं।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[स्ट्रक्चर्ड आउटपुट (structured output)](https://broadrouter.com/hi/glossary/structured-output/)

स्ट्रक्चर्ड आउटपुट LLM API का एक फ़ीचर है जो मॉडल के जवाब को डेवलपर के तय फ़ॉर्मैट, आम तौर पर JSON Schema, तक सीमित करता है, ताकि कोड उसे भरोसे से पार्स कर सके। यह JSON mode से सख़्त है, जो मान्य JSON की गारंटी देता है, लेकिन किसी ख़ास ढाँचे की नहीं।

[इमेज टोकन (image tokens)](https://broadrouter.com/hi/glossary/image-tokens/)

इमेज टोकन वे इनपुट टोकन हैं जिनसे कोई vision language मॉडल प्रॉम्प्ट में एक इमेज को दर्शाता है। प्रोवाइडर इन्हें इमेज के साइज़ से निकालते हैं, आम तौर पर रीसाइज़ के बाद उसे तय साइज़ के patches या tiles में बाँटकर, और टेक्स्ट इनपुट टोकन की तरह बिल करते हैं, इसलिए बड़ी इमेज ज़्यादा महँगी पड़ती है।

[ज़ीरो डेटा रिटेंशन (zero data retention, ZDR)](https://broadrouter.com/hi/glossary/zero-data-retention/)

ज़ीरो डेटा रिटेंशन (ZDR) डेटा सँभालने की एक पॉलिसी है, जिसमें AI प्रोवाइडर प्रॉम्प्ट और आउटपुट सिर्फ़ अनुरोध पूरा करने के लिए प्रोसेस करता है और बाद में वह सामग्री लॉग, कैश या ट्रेनिंग डेटा में स्टोर नहीं करता। टोकन गिनती और समय जैसे बिना सामग्री वाले रिकॉर्ड आम तौर पर फिर भी रखे जाते हैं।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[कैरेक्टर एरर रेट (character error rate, CER)](https://broadrouter.com/hi/glossary/character-error-rate/)

Character error rate (CER) ट्रांसक्रिप्शन या OCR की सटीकता कैरेक्टर स्तर पर मापता है: आउटपुट को रेफ़रंस टेक्स्ट बनाने के लिए ज़रूरी substitutions, deletions और insertions, भाग रेफ़रंस के कैरेक्टर की संख्या। कम बेहतर है, और 0 पूरा मेल है।

## अक्सर पूछे जाने वाले सवाल

### कौन-सा OCR API अरबी सपोर्ट करता है?

15 नवंबर 2026 को Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract और Mistral OCR, सभी अपने डॉक्यूमेंटेशन में छपी अरबी गिनाते थे। BroadNet Inference पर Qwen3.8 27B, Gemma 4 VL 26B और DeepSeek V4.1 Flash जैसे vision LLM API भी अरबी इमेज पढ़ते हैं, लेकिन ये चैट मॉडल हैं, OCR इंजन नहीं।

### कौन-सा API हाथ से लिखी अरबी पढ़ता है?

चार OCR API में से सिर्फ़ Azure Document Intelligence v4.0 हाथ से लिखे टेक्स्ट के लिए अरबी गिनाता है, Read और Layout दोनों मॉडलों में। Textract कहता है कि handwriting सिर्फ़ अंग्रेज़ी में है, और Google की handwriting लिपि तालिका में अरबी लिपि नहीं है। Vision LLM handwriting सपोर्ट के बारे में न हाँ प्रकाशित करते हैं न ना, इसलिए उन्हें अपने सैंपल पर टेस्ट करें।

### अरबी OCR की प्रति 1,000 पेज लागत कितनी है?

शुरुआती वॉल्यूम पर Google Cloud Vision Document Text Detection, Azure Document Intelligence Read और Amazon Textract Detect Document Text पर प्रति 1,000 पेज USD 1.50 (15 नवंबर 2026 को जाँचा गया)। ज़्यादा वॉल्यूम पर तीनों USD 0.60 तक आ जाते हैं। Azure के layout और prebuilt invoice मॉडल प्रति 1,000 पेज USD 10 के हैं।

### क्या Amazon Textract अरबी पढ़ सकता है?

छपे टेक्स्ट के लिए हाँ। Textract FAQ (15 नवंबर 2026 को जाँचा गया) कहता है कि यह अरबी समेत 40 से ज़्यादा भाषाओं में छपा टेक्स्ट पहचानता है, दाएँ से बाएँ और मिली-जुली लिपि वाले दस्तावेज़ों समेत। यह भी कहता है कि handwriting, invoices और receipts, पहचान दस्तावेज़ और Queries सिर्फ़ अंग्रेज़ी में हैं।

### अरबी इनवॉइस के लिए OCR API इस्तेमाल करूँ या vision LLM?

जब सर्च या archives के लिए हर शब्द उसकी position के साथ चाहिए, तो OCR। जब वेंडर, VAT नंबर और कुल रक़म जैसे नाम वाले फ़ील्ड JSON में चाहिए, तो vision LLM। एक आम पैटर्न दोनों है: सर्च लायक़ टेक्स्ट के लिए OCR, जिन फ़ील्ड पर कार्रवाई करनी है उनके लिए vision LLM, फिर कोड में जाँच।

### कौन-सा BroadNet मॉडल अरबी दस्तावेज़ से structured JSON लौटा सकता है?

Qwen3.8 27B। BroadNet के docs, Qwen3.8 27B और GLM 5.3 के लिए tools और structured output गिनाते हैं, और GLM 5.3 सिर्फ़ टेक्स्ट वाला है। Gemma 4 VL 26B और DeepSeek V4.1 Flash इमेज लेते हैं, लेकिन उनके लिए structured output नहीं गिनाया गया है, इसलिए प्रॉम्प्ट में JSON माँगें और उसे validate करें।

## आगे पढ़ें

-   [अरबी OCR बनाम vision LLM: अरबी दस्तावेज़ और इनवॉइस पढ़ना](https://broadrouter.com/hi/blog/arabic-ocr-vision-llm/)
-   [सबसे सस्ता विज़न LLM API: प्रति इमेज और प्रति पेज लागत का हिसाब](https://broadrouter.com/hi/blog/cheapest-vision-llm-api/)
-   [वीज़न LLM से इनवॉइस, रसीद और फ़ॉर्म का डेटा JSON में निकालें](https://broadrouter.com/hi/blog/extract-data-from-documents-with-vision-llm/)
-   [JSON mode बनाम json\_schema: भरोसेमंद स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/)
-   [डॉक्यूमेंट AI वर्कफ़्लो में ह्यूमन रिव्यू को शामिल करें](https://broadrouter.com/hi/blog/document-review-queues/)
-   [LLM से अरबी टेक्स्ट में हरकतें (तश्कील) लगाना: प्रॉम्प्ट, जाँच, DER](https://broadrouter.com/hi/blog/arabic-diacritization-llm/)
-   [LLM से अरबी व्याकरण और वर्तनी सुधार: एक how-to](https://broadrouter.com/hi/blog/arabic-grammar-spelling-correction-llm/)
-   [गाइड: विज़न मॉडल से अरबी इनवॉइस और रसीदें पढ़ें](https://broadrouter.com/hi/guides/read-arabic-invoices-with-vision/)
-   [गाइड: रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-ocr-api-comparison&utm_content=page-cta) ·

**स्रोत**

-   [Google Cloud Vision, OCR भाषा सपोर्ट: अरबी (ar) समर्थित, handwriting लिपि तालिका (2026-11-15 को जाँचा गया)](https://docs.cloud.google.com/vision/docs/languages)
-   [Google Cloud Vision, इमेज में टेक्स्ट पहचानना: TEXT\_DETECTION बनाम DOCUMENT\_TEXT\_DETECTION आउटपुट (2026-11-15 को जाँचा गया)](https://docs.cloud.google.com/vision/docs/ocr)
-   [Google Cloud Vision pricing: Document Text Detection प्रति 1,000 units, पहले 1,000 मुफ़्त, PDF पेज इमेज के रूप में बिल (2026-11-15 को जाँचा गया)](https://cloud.google.com/vision/pricing)
-   [Microsoft Learn, Document Intelligence Read और Layout भाषा सपोर्ट: v4.0 में छपी और हाथ से लिखी अरबी (2026-11-15 को जाँचा गया)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/ocr?view=doc-intel-4.0.0)
-   [Microsoft Learn, Document Intelligence prebuilt मॉडल भाषा सपोर्ट: invoice और receipt में अरबी (2026-11-15 को जाँचा गया)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/prebuilt?view=doc-intel-4.0.0)
-   [Azure Retail Prices API, East US में Azure Document Intelligence S0 meters: Read और Pre-built पेज (2026-11-15 को जाँचा गया)](https://prices.azure.com/api/retail/prices?$filter=serviceName%20eq%20%27Foundry%20Tools%27%20and%20productName%20eq%20%27Azure%20Document%20Intelligence%27%20and%20armRegionName%20eq%20%27eastus%27)
-   [Azure Document Intelligence pricing पेज: हर महीने 500 पेज का मुफ़्त tier (2026-11-15 को जाँचा गया)](https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/)
-   [Amazon Textract FAQs: अरबी समेत 40+ भाषाओं में छपा टेक्स्ट; handwriting सिर्फ़ अंग्रेज़ी (2026-11-15 को जाँचा गया)](https://aws.amazon.com/textract/faqs/)
-   [Amazon Textract pricing: Detect Document Text के उदाहरण, US West (Oregon) (2026-11-15 को जाँचा गया)](https://aws.amazon.com/textract/pricing/)
-   [Mistral docs, OCR processor: आउटपुट फ़ील्ड और इनपुट (2026-11-15 को जाँचा गया)](https://docs.mistral.ai/capabilities/document_ai/basic_ocr/)
-   [Mistral docs, समर्थित भाषाएँ: OCR में अरबी (2026-11-15 को जाँचा गया)](https://docs.mistral.ai/resources/languages)
-   [Mistral pricing: OCR की कीमत प्रति 1,000 पेज (2026-11-15 को जाँचा गया)](https://mistral.ai/pricing)
-   [BroadNet Inference API रेफ़रंस: इमेज इनपुट, vision मॉडल, tools और structured output (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [BroadNet Inference की मशीन-पठनीय कीमतें, pricing.json (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Google Gemma docs, vision: प्रति इमेज 70 से 1,120 टोकन के बजट (2026-11-15 को जाँचा गया)](https://ai.google.dev/gemma/docs/capabilities/vision)
