BroadRouter

Membaca faktur dan struk berbahasa Arab dengan model vision

Diperbarui

Kirim gambar sebagai data URL base64 di konten pesan ke model vision seperti broadnet/qwen3.8-27b atau broadnet/gemma-4-26b-a4b, lalu minta field yang Anda butuhkan sebagai JSON. Pastikan MIME type-nya akurat. Pada bayar sesuai pemakaian, gambar dihitung sebagai token input; gambar yang lebih besar memakai lebih banyak token.

Tiga model chat di BroadNet Inference menerima gambar: DeepSeek V4.1 Flash, Qwen3.8 27B, dan BroadNet Gemma 4 VL 26B. GLM 5.3 hanya teks. Untuk dokumen berbahasa Arab, Qwen3.8 27B adalah model yang diuji BroadNet dalam bahasa Arab: tulisannya fasih, memahami dialek Teluk dan Mesir, dan terjemahan Arab–Inggrisnya akurat. Gemma 4 VL 26B adalah yang termurah dari ketiganya di BroadNet dan bisa dipakai dengan kredit gratis.

Bertanya tentang satu faktur

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)

Pertanyaannya, dalam bahasa Arab, berbunyi “Berapa jumlah total di faktur ini?”. Gunakan image/png di data URL untuk file PNG: MIME type harus sesuai. Untuk menentukannya dari nama file:

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

Mendapatkan field terstruktur

Minta JSON dan sebutkan dengan tepat key apa saja yang Anda inginkan:

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 bernalar sebelum menjawab, jadi beri ruang yang cukup. Lihat kenapa model reasoning mengembalikan jawaban kosong. Dokumentasi BroadNet mencantumkan output terstruktur untuk Qwen3.8 27B; lihat output terstruktur untuk cara kerja JSON schema secara umum. Parse balasannya dengan json.loads dan periksa field-nya sebelum disimpan.

Biaya

Pada bayar sesuai pemakaian, gambar ditagih sebagai token input dengan harga input model, jadi perkecil dulu foto yang sangat besar; kalkulator token gambar menunjukkan berapa token yang dipakai untuk ukuran tertentu. Pada paket unlimited DeepSeek V4.1 Flash, gambar termasuk dalam pemakaian unlimited.

Bandingkan harga model vision, atau lihat bagaimana model vision dibandingkan dengan Google, Azure, Textract, dan Mistral OCR di perbandingan API OCR bahasa Arab.

Troubleshooting

  • Jawaban kosong dari Qwen3.8 27B atau DeepSeek V4.1 Flash. Penalaran menghabiskan max_tokens. Naikkan nilainya atau atur reasoning_effort ke low.
  • 400 atau 422 pada gambar. Pastikan data URL diawali data:image/jpeg;base64, atau data:image/png;base64, dan MIME type-nya sesuai dengan file.
  • 403 atau error pada model. GLM 5.3 tidak menerima gambar, sedangkan Qwen3.8 27B dan DeepSeek V4.1 Flash memerlukan top up. Gunakan BroadNet Gemma 4 VL 26B dengan kredit gratis.
  • Permintaan terlalu besar atau error konteks. Foto besar memakai banyak token, dan Gemma 4 VL 26B punya context window terkecil dari ketiganya (tercantum di pricing.json). Perkecil ke lebar yang wajar atau crop ke area total.
  • Total salah atau digit tertukar. Angka Arab-Indik (٠١٢٣) dan angka Latin bisa muncul bersamaan di satu struk. Minta model mengembalikan angka dalam digit Latin, dan cocokkan total dengan item baris di kode Anda.
  • JSON tidak valid. Minta “JSON saja”, hapus code fence sebelum parsing, dan coba ulang sekali jika parsing gagal.
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.

Pertanyaan umum

Model BroadNet mana yang bisa membaca gambar?

DeepSeek V4.1 Flash, Qwen3.8 27B, dan BroadNet Gemma 4 VL 26B menerima gambar lewat chat completions. GLM 5.3 hanya teks, dan model transkripsi menerima audio.

Bagaimana cara mengirim file gambar lokal ke API LLM vision?

Baca file-nya, encode dengan base64, lalu masukkan ke content part image_url sebagai data URL, misalnya data:image/jpeg;base64, diikuti byte yang sudah di-encode. MIME type di URL harus sesuai dengan file-nya.

Bisakah saya mengekstrak data faktur dengan kredit gratis?

Bisa, dengan BroadNet Gemma 4 VL 26B, yang berjalan dengan kredit awal gratis. Qwen3.8 27B dan DeepSeek V4.1 Flash terbuka setelah top up.

Bisakah saya mengirim faktur PDF?

Dokumentasi BroadNet menjelaskan gambar yang dikirim sebagai data URL, bukan file PDF. Render dulu setiap halaman PDF ke JPEG atau PNG, misalnya dengan pdftoppm, lalu kirim halaman-halamannya sebagai gambar.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity