BroadRouter
Mulai

Perbandingan API OCR Arab: Google, Azure, Textract, Mistral, LLM

Oleh tim BroadNet Inference · 8 menit baca · Dipublikasikan · Diperbarui

Empat API OCR mencantumkan teks cetak bahasa Arab di dokumentasi mereka sendiri: Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract, dan Mistral OCR. Google, Azure Read, dan Textract masing-masing mengenakan USD 1,50 per 1.000 halaman pada volume awal. Hanya Azure yang mencantumkan tulisan tangan Arab. LLM vision, seperti Qwen3.8 27B di BroadNet, menagih satu halaman sebagai token dan mengembalikan field yang Anda minta.

Cari “API OCR bahasa Arab” dan sebagian besar hasilnya adalah situs peringkat yang tidak menyebutkan dari mana skornya berasal. Halaman ini mengerjakan tugas yang lebih sempit yang dibutuhkan pembeli. Untuk setiap API, halaman ini menunjukkan apa kata dokumentasi vendor sendiri tentang bahasa Arab, apa yang dikembalikan API-nya, dan berapa biaya per halaman. Setiap angka dibaca dari halaman vendor pada 15 November 2026. BroadRouter adalah situs milik BroadNet, dan BroadNet menjual salah satu opsi di bawah (LLM vision, bukan OCR), jadi kami menyebutkan di mana opsi lain lebih unggul.

Jika Anda masih menimbang antara OCR dan LLM vision secara prinsip, mulailah dengan OCR bahasa Arab vs LLM vision. Artikel itu menjelaskan mengapa aksara bersambung, titik, dan baris berarah campuran membuat bahasa Arab sulit. Artikel ini mengasumsikan Anda sudah tahu dan ingin memilih vendor.

API OCR mana yang resmi mendukung bahasa Arab?

API Teks cetak bahasa Arab Tulisan tangan Arab Yang dikembalikan
Google Cloud Vision (DOCUMENT_TEXT_DETECTION) Ya, ar, tercantum sebagai Modern Standard Tidak tercantum (aksara Arab tidak ada di tabel tulisan tangan) Teks dengan informasi halaman, blok, paragraf, kata, dan jeda
Azure AI Document Intelligence, Read (prebuilt-read) Ya, ar Ya, di v4.0 (tidak di v3.1) Teks cetak dan tulisan tangan
Azure AI Document Intelligence, Layout (prebuilt-layout) Ya, ar Ya, di v4.0 Teks, tabel, struktur dokumen, dan selection mark
Azure prebuilt invoice dan receipt Invoice mencantumkan bahasa Arab (ar); receipt thermal mencantumkan bahasa Arab n/a Field invoice dan receipt bernama
Amazon Textract (Detect Document Text) Ya, di antara 40+ bahasa Tidak: “handwriting … in English only” (Terjemahan BroadRouter: tulisan tangan … hanya bahasa Inggris) Kata dan baris, masing-masing dengan bounding box dan skor kepercayaan
Mistral OCR (mistral-ocr-latest) Ya, tercantum di bawah bahasa Timur Tengah Tidak disebutkan Markdown per halaman ditambah field JSON: tabel, gambar, header, footer, blok, skor kepercayaan
LLM vision (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash di BroadNet) Membaca gambar berbahasa Arab; bukan mesin OCR Tidak terdokumentasi Apa pun yang Anda minta: teks, field, JSON, terjemahan

Dua detail lebih penting daripada kolom ya/tidak:

  • Batasan Textract lebih dari sekadar tulisan tangan. FAQ-nya menyebutkan “Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.” (Terjemahan BroadRouter: Pemrosesan tulisan tangan, invoice dan receipt, dokumen identitas, serta Queries hanya dalam bahasa Inggris.) Pada dokumen berbahasa Arab, Textract memberi Anda teks dan posisi, bukan field invoice.
  • Tulisan tangan Arab di Azure baru ada di v4.0. Tabel tulisan tangan v3.1 tidak mencakup bahasa Arab. Kunci versi API yang Anda uji.

Halaman bahasa Mistral menyatakan daftarnya mencerminkan “languages with strong expected performance” (Terjemahan BroadRouter: bahasa dengan performa yang diharapkan kuat), yang merupakan pernyataan vendor, bukan skor yang diukur.

Berapa biaya setiap API OCR bahasa Arab per 1.000 halaman?

Harga dalam dolar AS, dibaca pada 15 November 2026 dari sumber harga masing-masing vendor:

API dan fitur Kuota gratis Harga awal per 1.000 halaman Harga volume tinggi
Google Cloud Vision, Document Text Detection 1.000 unit pertama per bulan USD 1,50 (unit 1.001 hingga 5.000.000) USD 0,60 di atas 5 juta unit per bulan
Azure Document Intelligence, Read (East US) 500 halaman per bulan di tier gratis USD 1,50 USD 0,60 setelah 1 juta halaman pertama
Azure Document Intelligence, Layout dan model prebuilt (East US) Tier gratis yang sama USD 10 Tier komitmen tercantum di halaman harga Azure (harga dimuat di browser; cek region Anda)
Amazon Textract, Detect Document Text (US West, Oregon) 1.000 halaman per bulan untuk pelanggan AWS baru, selama tiga bulan USD 1,50 (1 juta halaman pertama per bulan) USD 0,60 setelah 1 juta halaman
Mistral OCR Tidak disebutkan Dihargai per 1.000 halaman; nominalnya tidak ada di HTML statis halaman itu, jadi kami tidak bisa mengonfirmasinya Mistral menyatakan pemrosesan batch memangkas harga API-nya separuh

Google menagih setiap halaman PDF sebagai satu gambar, dan setiap fitur sebagai unit terpisah. Meminta dua fitur pada satu halaman berbiaya dua unit. Harga prebuilt Azure mencakup layout, invoice, dan receipt. Jika Anda membutuhkan field invoice terstruktur dari Azure, anggarkan tarif USD 10, bukan tarif Read USD 1,50.

Berapa biaya LLM vision per halaman?

LLM vision tidak punya harga per halaman. Pada kunci bayar sesuai pemakaian BroadNet, dokumentasinya menyebutkan gambar “counts as input tokens at the model’s input price” (Terjemahan BroadRouter: dihitung sebagai token input dengan harga input model), dan gambar yang lebih besar memakai lebih banyak token. Biaya per halaman adalah token gambar ditambah prompt Anda, ditambah jawabannya dengan harga output.

Token gambar bervariasi menurut model dan resolusi. Gemma 4 memakai anggaran 70, 140, 280, 560, atau 1.120 token per gambar, dan dokumentasi Google merekomendasikan anggaran lebih tinggi untuk akurasi terbaik pada tugas visual. Sebagai bentuk perencanaan, bukan hasil pengukuran, ambil sekitar 1.000 token input dan 300 token output per halaman:

Model BroadNet Input per 1 juta Output per 1 juta 1.000 halaman dengan sekitar 1 juta input dan 0,3 juta output
Gemma 4 VL 26B $0.10 $0.22 $0.10 ditambah tiga persepuluh dari $0.22
Qwen3.8 27B $0.175 $2.17 $0.175 ditambah tiga persepuluh dari $2.17, ditambah penalaran
DeepSeek V4.1 Flash $0.175 $0.52 $0.175 ditambah tiga persepuluh dari $0.52, ditambah penalaran

Qwen3.8 27B dan DeepSeek V4.1 Flash melakukan penalaran sebelum menjawab, dan penalaran ditagih sebagai output. Pertahankan max_tokens di 1.000 atau lebih, atau set reasoning_effort ke low, atau jawabannya bisa kembali kosong (alasannya). Ukur halaman Anda sendiri: kirim sepuluh, baca usage.prompt_tokens dan usage.completion_tokens, lalu kalikan. Kalkulator token gambar dan biaya LLM vision per gambar mengerjakan hitungannya.

Perbandingan ini tidak setara. USD 1,50 per 1.000 halaman membeli teks mentah dan posisi. Panggilan LLM vision bisa mengembalikan vendor, nomor PPN, tanggal, dan total sebagai JSON dalam permintaan yang sama, sehingga Anda tidak perlu langkah parsing. Gemma 4 VL 26B juga ditanggung kredit awal $5. Qwen3.8 27B dan DeepSeek V4.1 Flash memerlukan top up.

Apa beda detail integrasinya?

Google Cloud Vision Azure Document Intelligence Amazon Textract Mistral OCR LLM vision BroadNet
Input Gambar; PDF dan TIFF lewat DOCUMENT_TEXT_DETECTION Lihat daftar jenis file model Read Lihat daftar jenis file Textract image_url (PNG, JPEG, AVIF, dan lainnya) atau document_url (PDF, PPTX, DOCX, dan lainnya) Satu gambar per item konten sebagai URL data:; render halaman PDF ke gambar terlebih dulu
Petunjuk bahasa Petunjuk ar opsional Opsional; Microsoft menyarankan untuk tidak mengaturnya kecuali Anda yakin Tidak dibahas di FAQ Tidak disebutkan Tulis “dokumen ini berbahasa Arab” di prompt
Field terstruktur Tidak (hanya hierarki teks) Ya, prebuilt invoice dan receipt Invoice, receipt, dan Queries hanya bahasa Inggris Anotasi dokumen opsional Minta JSON; output terstruktur hanya terdokumentasi untuk Qwen3.8 27B
Bentuk API Google Cloud API REST dan SDK Azure SDK AWS Mistral /v1/ocr /v1/chat/completions yang kompatibel dengan OpenAI

Catatan Microsoft tentang kode bahasa layak dibaca jika dokumen Anda mencampur bahasa Arab dan Inggris: “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.” (Terjemahan BroadRouter: Jangan berikan kode bahasa sebagai parameter kecuali Anda yakin akan bahasanya … Jika tidak, layanan bisa mengembalikan teks yang tidak lengkap dan salah.)

API OCR bahasa Arab mana yang sebaiknya Anda pilih?

Tidak ada satu jawaban, dan tidak ada vendor yang menerbitkan tes akurasi bahasa Arab independen yang bisa kami verifikasi. Pilih berdasarkan output dulu, lalu uji:

  1. Anda membutuhkan teks yang bisa dicari dari arsip pindaian yang panjang. Google Cloud Vision, Azure Read, atau Textract. Ketiganya mencantumkan teks cetak bahasa Arab dengan harga awal yang sama. Pilih cloud yang sudah Anda pakai untuk penyimpanan dan identitas.
  2. Anda membutuhkan tulisan tangan Arab. Azure Document Intelligence v4.0 adalah satu-satunya API OCR di sini yang mencantumkannya. Uji juga LLM vision pada halaman yang sama, karena tidak satu pun yang mendokumentasikan tulisan tangan.
  3. Anda membutuhkan field invoice dari invoice berbahasa Arab. Bandingkan model invoice prebuilt Azure (USD 10 per 1.000 halaman) dengan LLM vision yang mengembalikan JSON. Di BroadNet, Qwen3.8 27B adalah model dengan output terstruktur yang terdokumentasi. Membaca invoice berbahasa Arab dengan model vision berisi kode yang berjalan.
  4. Anda menginginkan Markdown dengan tabel untuk RAG. Mistral OCR mengembalikan Markdown per halaman dengan tabel dan blok. Konfirmasi harga per halamannya saat ini di halaman harga Mistral.
  5. Anda membutuhkan field, terjemahan, dan ringkasan dalam satu panggilan. LLM vision. Pipeline-nya, lengkap dengan validasi, ada di mengekstrak data invoice ke JSON dengan LLM vision.

Bagaimana menguji API OCR bahasa Arab pada dokumen Anda sendiri?

  1. Pilih 50 hingga 100 halaman nyata: PDF bersih, foto ponsel, receipt thermal yang pudar, invoice berstempel, dan, jika ada, formulir tulisan tangan.
  2. Ketik ground truth untuk field yang Anda pedulikan. Pertahankan digit Arab Timur (٠١٢٣) seperti tercetak, dan catat secara terpisah.
  3. Beri skor karakter dan field secara terpisah. Character error rate menunjukkan kualitas pembacaan. Akurasi field (total, tanggal, nomor PPN) menunjukkan kualitas bisnis. Satu digit salah pada total lebih penting daripada sepuluh di footer.
  4. Cek urutan pada baris campuran. Baris seperti “الإجمالي: 1,250.00 SAR” bisa kembali dengan angka di depan label. Itu masalah urutan bidirectional, bukan kesalahan pengenalan, tetapi parser Anda tetap harus menanganinya.
  5. Validasi angka di kode apa pun pilihan Anda: item baris dijumlahkan menjadi total, PPN sesuai tarif, dan tanggal bisa di-parse. Kirim yang gagal ke antrean tinjauan manusia.

Di mana posisi BroadNet Inference?

BroadRouter adalah situs milik BroadNet. BroadNet Inference tidak menjual mesin OCR. BroadNet menjual LLM vision lewat satu API yang kompatibel dengan OpenAI: Qwen3.8 27B, BroadNet Gemma 4 VL 26B, dan DeepSeek V4.1 Flash, yang semuanya menerima gambar. Jika Anda membutuhkan teks mentah termurah dari jutaan halaman pindaian, atau tulisan tangan Arab beserta posisinya, API OCR klasik yang tercantum di atas lebih cocok. BroadNet cocok saat Anda menginginkan field atau JSON dari dokumen berbahasa Arab, dengan zero data retention: BroadNet menyatakan konten inferensi tidak disimpan. Coba Gemma 4 VL 26B dengan kredit awal $5, atau baca referensi API dan dapatkan kunci.

Pertanyaan umum

API OCR mana yang mendukung bahasa Arab?

Pada 15 November 2026, Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract, dan Mistral OCR semuanya mencantumkan teks cetak bahasa Arab di dokumentasi mereka sendiri. API LLM vision seperti Qwen3.8 27B, Gemma 4 VL 26B, dan DeepSeek V4.1 Flash di BroadNet Inference juga membaca gambar berbahasa Arab, tetapi ketiganya model chat, bukan mesin OCR.

API mana yang bisa membaca tulisan tangan Arab?

Dari empat API OCR, hanya Azure Document Intelligence v4.0 yang mencantumkan bahasa Arab untuk teks tulisan tangan, baik di model Read maupun Layout. Textract menyatakan tulisan tangan hanya untuk bahasa Inggris, dan tabel aksara tulisan tangan Google tidak mencakup aksara Arab. LLM vision juga tidak menerbitkan pernyataan apa pun soal tulisan tangan, jadi uji pada sampel Anda sendiri.

Berapa biaya OCR bahasa Arab per 1.000 halaman?

Pada volume awal, USD 1,50 per 1.000 halaman di Google Cloud Vision Document Text Detection, Azure Document Intelligence Read, dan Amazon Textract Detect Document Text (dicek 15 November 2026). Ketiganya turun ke USD 0,60 pada volume tinggi. Model layout dan invoice prebuilt Azure berbiaya USD 10 per 1.000 halaman.

Apakah Amazon Textract bisa membaca bahasa Arab?

Bisa untuk teks cetak. FAQ Textract (dicek 15 November 2026) menyatakan Textract mendeteksi teks cetak, termasuk dokumen kanan-ke-kiri dan beraksara campuran, dalam lebih dari 40 bahasa termasuk bahasa Arab. FAQ itu juga menyatakan tulisan tangan, invoice dan receipt, dokumen identitas, serta Queries hanya untuk bahasa Inggris.

Sebaiknya saya memakai API OCR atau LLM vision untuk invoice berbahasa Arab?

Pakai OCR jika Anda membutuhkan setiap kata beserta posisinya, untuk pencarian atau arsip. Pakai LLM vision jika Anda membutuhkan field bernama seperti vendor, nomor PPN, dan total dalam bentuk JSON. Pola yang umum adalah keduanya: OCR untuk teks yang bisa dicari, LLM vision untuk field yang Anda tindak lanjuti, lalu cek di kode.

Model BroadNet mana yang bisa mengembalikan JSON terstruktur dari dokumen berbahasa Arab?

Qwen3.8 27B. Dokumentasi BroadNet mencantumkan tools dan output terstruktur untuk Qwen3.8 27B dan GLM 5.3, dan GLM 5.3 hanya untuk teks. Gemma 4 VL 26B dan DeepSeek V4.1 Flash menerima gambar, tetapi output terstruktur tidak tercantum untuk keduanya, jadi minta JSON di prompt dan validasi hasilnya.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity

Sumber