BroadRouter
Inizia

Riconoscimento ottico dei caratteri (OCR)

Aggiornato

L’OCR (riconoscimento ottico dei caratteri) è la tecnologia che individua il testo stampato o scritto a mano in un’immagine, una scansione o un PDF e lo converte in caratteri leggibili dalle macchine. L’OCR classico restituisce il testo e la sua posizione nella pagina; i modelli vision-language possono leggere il testo e rispondere direttamente a domande su di esso.

Detto anche: OCR, riconoscimento ottico dei caratteri, riconoscimento del testo, da immagine a testo, OCR dei documenti, estrazione del testo da scansioni, optical character recognition, text recognition, image to text, document OCR, scanned text extraction

L’OCR è il passaggio che trasforma la foto di uno scontrino in testo che un programma può cercare, salvare o verificare.

Come funziona

Un motore OCR classico trova le regioni di testo nella pagina, le divide in righe e riconosce i caratteri di ogni riga. Tesseract, il motore open source più noto, ha aggiunto nella versione 4 una rete neurale LSTM che riconosce righe intere, e può “recognize more than 100 languages” (traduzione: riconoscere più di 100 lingue) già di serie. L’output è disponibile come testo semplice, hOCR (HTML), PDF, PDF con testo invisibile, TSV, ALTO o PAGE, quindi ottieni anche la posizione delle parole.

L’OCR classico si ferma ai caratteri. Per sapere quale numero è il totale o quale riga è il nome del fornitore, aggiungi regole o un secondo modello.

I modelli vision-language seguono un’altra strada. La pagina del task image-text-to-text di Hugging Face descrive il question answering sui documenti come “an OCR-free approach” (traduzione: un approccio senza OCR): l’immagine del documento va direttamente a un modello vision-language, che la legge e risponde. Puoi chiedere direttamente i campi e riceverli come output strutturato.

OCR classico (es. Tesseract) LLM vision
Output caratteri più posizioni risposte, riassunti o campi JSON
Comprensione del layout limitata, servono regole legge tabelle ed etichette nel contesto
Dove gira in locale, senza costi per chiamata di solito un’API, fatturata per token
Rischio caratteri letti male caratteri letti male e valori inventati

Perché è importante

  • Costo. Un’immagine inviata a un’API LLM viene fatturata come token di input. L’OCR locale non ha costi per chiamata ma richiede server e manutenzione.
  • Controlli di accuratezza. Un modello vision può restituire un totale plausibile che nella pagina non c’è. Chiedigli di citare il testo di origine e verifica le somme nel codice.
  • Arabo. Il testo da destra a sinistra, le forme legate delle lettere e il mix di cifre arabe e latine aggiungono difficoltà. Testa qualsiasi motore o modello sulle tue scansioni.

Su BroadNet Inference

BroadNet non documenta un endpoint OCR separato. La sua documentazione mostra come leggere una fattura inviando l’immagine come URL data: a un modello di chat la cui riga nel catalogo indica immagini o visione, come DeepSeek V4.1 Flash, BroadNet Gemma 4 VL 26B o Qwen3.8 27B. Con una chiave a consumo l’immagine conta come token di input al prezzo di input del modello ($0.10 per 1M su Gemma), e le immagini più grandi usano più token. Segui i passaggi nella guida alle fatture in arabo e leggi OCR in arabo con LLM vision per capire quando l’OCR classico è ancora lo strumento migliore.

Domande frequenti

Che differenza c’è tra OCR e un LLM vision?

L’OCR restituisce i caratteri che trova e dove si trovano. Un LLM vision legge l’immagine e può rispondere a una domanda, come “qual è il totale della fattura?”, oppure restituire campi con nome in JSON.

BroadNet ha un endpoint OCR?

Non è documentato un endpoint OCR separato. Invii l’immagine a un modello di chat con capacità vision su /v1/chat/completions e chiedi il testo o i campi che ti servono.

Ha ancora senso usare l’OCR classico?

Sì, per grandi volumi di pagine stampate pulite quando ti servono solo il testo e la sua posizione. Gira in locale senza costi per chiamata. I modelli vision sono migliori quando ti servono campi, tabelle o risposte invece dei caratteri grezzi.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity