---
title: "Cos’è l’OCR? Riconoscimento dei caratteri e LLM vision"
description: "L’OCR trasforma il testo di immagini e scansioni in caratteri leggibili dalle macchine. OCR classico, lettura dei documenti con LLM vision e cosa testare."
url: https://broadrouter.com/it/glossary/ocr/
lang: it
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/ocr/) (aggiornato il 2026-11-16).

# Riconoscimento ottico dei caratteri (OCR)

Aggiornato 2026-11-16

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](https://broadrouter.com/it/glossary/vision-language-model/), che la legge e risponde. Puoi chiedere direttamente i campi e riceverli come [output strutturato](https://broadrouter.com/it/glossary/structured-output/).

|  | 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](https://broadrouter.com/it/glossary/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](https://broadrouter.com/it/models/deepseek-v4.1-flash/), [BroadNet Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) o [Qwen3.8 27B](https://broadrouter.com/it/models/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](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/) e leggi [OCR in arabo con LLM vision](https://broadrouter.com/it/blog/arabic-ocr-vision-llm/) 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.

## Vedi anche

-   [Modello vision-language (VLM)](https://broadrouter.com/it/glossary/vision-language-model/) (termine)
-   [AI multimodale (multimodal AI)](https://broadrouter.com/it/glossary/multimodal/) (termine)
-   [Output strutturato (structured output)](https://broadrouter.com/it/glossary/structured-output/) (termine)
-   [Token](https://broadrouter.com/it/glossary/token/) (termine)
-   [Normalizzazione Unicode (Unicode normalization)](https://broadrouter.com/it/glossary/unicode-normalization/) (termine)
-   [Token immagine (image tokens)](https://broadrouter.com/it/glossary/image-tokens/) (termine)
-   [Leggere fatture e scontrini in arabo con un modello vision](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/) (guida)
-   [OCR arabo o LLM di visione: leggere documenti e fatture in arabo](https://broadrouter.com/it/blog/arabic-ocr-vision-llm/) (articolo)
-   [Estrarre dati da fatture, scontrini e moduli in JSON con un LLM vision](https://broadrouter.com/it/blog/extract-data-from-documents-with-vision-llm/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-ocr&utm_content=page-cta) ·

**Fonti**

-   [Tesseract OCR, repository GitHub ufficiale (verificato il 2026-11-16)](https://github.com/tesseract-ocr/tesseract)
-   [Hugging Face Tasks, image-text-to-text (question answering sui documenti senza OCR) (verificato il 2026-11-16)](https://huggingface.co/tasks/image-text-to-text)
-   [Riferimento API di BroadNet Inference, chat con un’immagine (verificato il 2026-11-16) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-ocr&utm_content=sources)
