---
title: "Ekstrak data faktur Arab dengan API LLM vision | BroadRouter"
description: "Kirim foto faktur atau struk ke model vision di BroadNet Inference dan dapatkan total, tanggal, dan penjual sebagai JSON, bertanya dalam bahasa Arab atau Inggris."
url: https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/
lang: id
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (diperbarui 2026-11-16).

# Membaca faktur dan struk berbahasa Arab dengan model vision

Diperbarui 2026-11-16

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

```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)
```

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:

```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()
```

## Mendapatkan field terstruktur

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

```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 bernalar sebelum menjawab, jadi beri ruang yang cukup. Lihat [kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/). Dokumentasi BroadNet mencantumkan output terstruktur untuk Qwen3.8 27B; lihat [output terstruktur](https://broadrouter.com/id/glossary/structured-output/) 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](https://broadrouter.com/tools/image-token-calculator/) menunjukkan berapa token yang dipakai untuk ukuran tertentu. Pada [paket unlimited DeepSeek V4.1 Flash](https://broadrouter.com/id/guides/unlimited-llm-api-sessions/), gambar termasuk dalam pemakaian unlimited.

[Bandingkan harga model vision](https://broadrouter.com/id/pricing/), atau lihat bagaimana model vision dibandingkan dengan Google, Azure, Textract, dan Mistral OCR di [perbandingan API OCR bahasa Arab](https://broadrouter.com/id/blog/arabic-ocr-api-comparison/).

## 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.

_[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.

## Istilah dalam panduan ini

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

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Context window (jendela konteks)](https://broadrouter.com/id/glossary/context-window/)

Context window adalah jumlah token maksimum yang bisa diolah model bahasa dalam satu permintaan. Cakupannya meliputi prompt, riwayat percakapan, definisi tool, gambar, dan output yang dihasilkan, termasuk token penalaran. Apa pun yang tidak muat harus dipotong, diringkas, atau dibagi ke beberapa permintaan.

[Optical character recognition (OCR)](https://broadrouter.com/id/glossary/ocr/)

Optical character recognition (OCR) adalah teknologi yang mendeteksi dan mengubah teks cetak atau tulisan tangan di dalam gambar, hasil scan, atau PDF menjadi karakter yang bisa dibaca mesin. OCR klasik menghasilkan teks dan posisinya di halaman; vision-language model bisa membaca teks dan langsung menjawab pertanyaan tentangnya.

[Output terstruktur (structured output)](https://broadrouter.com/id/glossary/structured-output/)

Output terstruktur adalah fitur API LLM yang membatasi balasan model pada format yang ditentukan developer, biasanya JSON Schema, agar kode bisa mem-parse-nya dengan andal. Fitur ini lebih ketat daripada JSON mode, yang menjamin JSON valid tetapi tidak menjamin bentuk tertentu.

[Vision-language model (VLM)](https://broadrouter.com/id/glossary/vision-language-model/)

Vision-language model (VLM) adalah model yang menerima gambar dan teks sekaligus sebagai input dan menghasilkan teks, sehingga bisa mendeskripsikan gambar, menjawab pertanyaan tentangnya, serta membaca dokumen, grafik, atau screenshot. VLM juga disebut model image-text-to-text atau model multimodal.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

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

JSON Schema adalah kosakata yang ditulis dalam JSON untuk mendeskripsikan dan memvalidasi struktur data JSON: tipe, field wajib, nilai yang diizinkan, dan susunan bertingkat. Versi terbarunya 2020-12. API LLM memakainya untuk mendefinisikan parameter tool dan bentuk persis yang harus diikuti output terstruktur.

[Kredit prabayar (prepaid credit)](https://broadrouter.com/id/glossary/prepaid-credit/)

Kredit prabayar adalah uang yang diisi ke akun API sebelum dipakai. Setiap request memotong biayanya dari saldo, dan saat saldo habis, request berbayar per pemakaian berhenti sampai Anda melakukan top up. Dengan begitu, pengeluaran dibatasi sebesar uang yang sudah Anda setor.

## 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.

## Panduan terkait

-   [API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)
-   [Memakai OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/id/guides/openai-python-sdk/)
-   [Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

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

**Sumber**

-   [Referensi API BroadNet Inference, chat dengan gambar (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Harga BroadNet Inference (catatan uji bahasa Arab Qwen3.8 27B) (bahasa Inggris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Daftar model yang bisa dibaca mesin, dengan modalitas dan panjang konteks (pricing.json) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-read-arabic-invoices-with-vision&utm_content=sources)
