BroadRouter

Leggere fatture e scontrini in arabo con un modello vision

Aggiornato

Invia l’immagine come data URL in base64 nel contenuto del messaggio a un modello vision come broadnet/qwen3.8-27b o broadnet/gemma-4-26b-a4b, e chiedi i campi che ti servono in JSON. Indica il MIME type corretto. Con il piano a consumo un’immagine conta come token di input; le immagini più grandi ne usano di più.

Su BroadNet Inference tre modelli di chat accettano immagini: DeepSeek V4.1 Flash, Qwen3.8 27B e BroadNet Gemma 4 VL 26B. GLM 5.3 è solo testo. Per i documenti in arabo, Qwen3.8 27B è quello che BroadNet ha testato in arabo: scrittura fluente, comprensione dei dialetti del Golfo ed egiziano, e traduzione accurata tra arabo e inglese. Gemma 4 VL 26B è il più economico dei tre su BroadNet e funziona con il credito gratuito.

Fai una domanda su una fattura

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)

La domanda chiede in arabo “Qual è l’importo totale di questa fattura?”. Per i file PNG usa image/png nel data URL: il MIME type deve corrispondere. Per ricavarlo dal nome del 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()

Ottieni campi strutturati

Chiedi JSON e indica esattamente quali chiavi vuoi:

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 ragiona prima di rispondere, quindi lasciagli spazio. Vedi perché i modelli di ragionamento restituiscono risposte vuote. La documentazione di BroadNet indica l’output strutturato per Qwen3.8 27B; per capire come funzionano in generale i JSON schema vedi output strutturato. Interpreta la risposta con json.loads e controlla i campi prima di salvarli.

Costi

Con il piano a consumo un’immagine viene fatturata come token di input al prezzo di input del modello, quindi ridimensiona prima le foto molto grandi; il calcolatore di token per immagini mostra quanti token costa una certa dimensione. Con un piano illimitato DeepSeek V4.1 Flash, le immagini rientrano nell’uso illimitato.

Confronta i prezzi dei modelli vision, oppure guarda come un modello vision si confronta con Google, Azure, Textract e Mistral OCR nel confronto tra API OCR per l’arabo.

Risoluzione dei problemi

  • Risposta vuota da Qwen3.8 27B o DeepSeek V4.1 Flash. Il ragionamento ha esaurito max_tokens. Alzalo o imposta reasoning_effort su low.
  • 400 o 422 sull’immagine. Controlla che il data URL inizi con data:image/jpeg;base64, o data:image/png;base64, e che il MIME type corrisponda al file.
  • 403 o un errore sul modello. GLM 5.3 non accetta immagini, e Qwen3.8 27B e DeepSeek V4.1 Flash richiedono una ricarica. Usa BroadNet Gemma 4 VL 26B con il credito gratuito.
  • Richiesta troppo grande o errori di contesto. Una foto grande usa molti token, e Gemma 4 VL 26B ha la finestra di contesto più piccola dei tre (indicata in pricing.json). Ridimensionala a una larghezza ragionevole o ritaglia la zona dei totali.
  • Totali sbagliati o cifre invertite. Sullo stesso scontrino possono comparire sia cifre arabo-indiche (٠١٢٣) sia cifre latine. Chiedi al modello di restituire i numeri in cifre latine e verifica nel codice i totali rispetto alle singole righe.
  • JSON non valido. Chiedi “solo JSON”, togli eventuali code fence prima del parsing e riprova una volta se il parsing fallisce.
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.

Domande frequenti

Quali modelli BroadNet sanno leggere le immagini?

DeepSeek V4.1 Flash, Qwen3.8 27B e BroadNet Gemma 4 VL 26B accettano immagini tramite chat completions. GLM 5.3 è solo testo, e i modelli di trascrizione accettano audio.

Come invio un’immagine locale a un’API LLM vision?

Leggi il file, codificalo in base64 e inseriscilo in una parte di contenuto image_url come data URL, per esempio data:image/jpeg;base64, seguito dai byte codificati. Il MIME type nell’URL deve corrispondere al file.

Posso estrarre i dati delle fatture con il credito gratuito?

Sì, con BroadNet Gemma 4 VL 26B, che funziona con il credito iniziale gratuito. Qwen3.8 27B e DeepSeek V4.1 Flash si sbloccano dopo una ricarica.

Posso inviare una fattura in PDF?

La documentazione di BroadNet descrive immagini inviate come data URL, non file PDF. Converti prima ogni pagina del PDF in JPEG o PNG, per esempio con pdftoppm, e invia le pagine come immagini.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity