---
title: "ビジョン LLM API でアラビア語の請求書からデータを抽出 | BroadRouter"
description: "請求書やレシートの写真を BroadNet Inference のビジョンモデルに送り、アラビア語か英語で質問して、合計金額、日付、発行元を JSON で受け取る方法です。"
url: https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/
lang: ja
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/guides/read-arabic-invoices-with-vision/)（2026-11-16 更新）。

# ビジョンモデルでアラビア語の請求書とレシートを読み取る

更新日 2026-11-16

画像を base64 の data URL にしてメッセージの content に入れ、broadnet/qwen3.8-27b や broadnet/gemma-4-26b-a4b などのビジョンモデルに送り、必要なフィールドを JSON で返すよう指示します。MIME タイプは正確に指定してください。従量課金では画像は入力トークンとして計算され、大きい画像ほど多く使います。

BroadNet Inference で画像を受け付けるチャットモデルは 3 つあります。DeepSeek V4.1 Flash、Qwen3.8 27B、BroadNet Gemma 4 VL 26B です。GLM 5.3 はテキストのみです。アラビア語の文書については、BroadNet がアラビア語でテストしたのは Qwen3.8 27B です。自然な文章を書き、湾岸方言とエジプト方言を理解し、アラビア語と英語の翻訳も正確でした。Gemma 4 VL 26B は BroadNet ではこの 3 つの中で最も安く、無料のクレジットで使えます。

## 請求書 1 枚について質問する

```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)
```

この質問は、アラビア語で「この請求書の合計金額はいくらですか？」と尋ねています。PNG ファイルの場合は data URL で `image/png` を使ってください。MIME タイプはファイルと一致している必要があります。ファイル名から設定するには次のようにします。

```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()
```

## 構造化されたフィールドを受け取る

JSON で返すよう指示し、どのキーが必要かを正確に伝えます。

```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 は回答の前に推論（reasoning）を行うので、余裕を持たせてください。[推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)を参照してください。BroadNet のドキュメントでは Qwen3.8 27B に構造化出力が記載されています。JSON スキーマの一般的な仕組みは[構造化出力](https://broadrouter.com/ja/glossary/structured-output/)を参照してください。返答は `json.loads` でパースし、保存する前に各フィールドを確認してください。

## コスト

従量課金では、画像はモデルの入力単価で入力トークンとして課金されるので、非常に大きな写真は先に縮小してください。[画像トークン計算ツール](https://broadrouter.com/tools/image-token-calculator/)で、あるサイズが何トークンになるかを確認できます。[DeepSeek V4.1 Flash の無制限プラン](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)では、画像も無制限の利用に含まれます。

[ビジョンモデルの料金を比較する](https://broadrouter.com/ja/pricing/)か、[アラビア語 OCR API の比較](https://broadrouter.com/ja/blog/arabic-ocr-api-comparison/)で、ビジョンモデルが Google、Azure、Textract、Mistral OCR と比べてどうかをご覧ください。

## トラブルシューティング

-   **Qwen3.8 27B や DeepSeek V4.1 Flash の回答が空。** 推論（reasoning）が `max_tokens` を使い切っています。値を上げるか、`reasoning_effort` を `low` にしてください。
-   **画像で 400 または 422。** data URL が `data:image/jpeg;base64,` か `data:image/png;base64,` で始まっているか、MIME タイプがファイルと一致しているかを確認してください。
-   **モデルで 403 やエラー。** GLM 5.3 は画像を受け付けず、Qwen3.8 27B と DeepSeek V4.1 Flash にはチャージが必要です。無料のクレジットでは BroadNet Gemma 4 VL 26B を使ってください。
-   **リクエストが大きすぎる、またはコンテキストのエラー。** 大きな写真は多くのトークンを使います。また Gemma 4 VL 26B のコンテキストウィンドウは 3 つの中で最も小さい（pricing.json に記載）です。適度な幅に縮小するか、合計金額の部分だけを切り抜いてください。
-   **合計が違う、または数字が入れ替わる。** 1 枚のレシートに、アラビア・インド数字（٠١٢٣）とラテン数字の両方が出てくることがあります。数値はラテン数字で返すようモデルに指示し、コード側で明細行と合計を照合してください。
-   **JSON が不正。** 「JSON only」（JSON のみ）で返すよう指示し、パースの前にコードフェンスがあれば取り除き、パースに失敗したら 1 回リトライしてください。

_[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.

## このガイドの用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[OCR（光学文字認識）](https://broadrouter.com/ja/glossary/ocr/)

OCR（光学文字認識）とは、画像、スキャン、PDF 内の印刷文字や手書き文字を検出し、機械で読める文字に変換する技術です。従来の OCR は文字とページ上の位置を出力し、視覚言語モデルは文字を読んでその内容についての質問に直接答えられます。

[構造化出力（Structured Outputs）](https://broadrouter.com/ja/glossary/structured-output/)

構造化出力とは、モデルの回答を開発者が指定した形式（通常は JSON Schema）に制約し、コードで確実に解析できるようにする LLM API の機能です。有効な JSON であることだけを保証し、特定の形までは保証しない JSON モードより厳格です。

[JSON Schema（JSON スキーマ）](https://broadrouter.com/ja/glossary/json-schema/)

JSON Schema とは、JSON データの構造（型、必須フィールド、許可される値、入れ子）を記述・検証するための、JSON で書かれた語彙です。現行バージョンは 2020-12 です。LLM API はツールのパラメーターや、構造化出力が従うべき正確な形の定義に使います。

[アラビア語の方言（dialectal Arabic）](https://broadrouter.com/ja/glossary/dialectal-arabic/)

アラビア語の方言とは、エジプト、湾岸、レバント、マグリブなど、地域や都市で日常的に話されるアラビア語です。音、語彙、文法が現代標準アラビア語と異なり、標準的な綴りがなく、ネットで書かれることも増え、言語モデルには扱いにくい対象です。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[プリペイドクレジット（prepaid credit）](https://broadrouter.com/ja/glossary/prepaid-credit/)

プリペイドクレジットとは、使用前に API アカウントに入金しておくお金です。リクエストごとに費用が残高から差し引かれ、残高がなくなると、チャージするまで従量課金のリクエストは止まります。支出は支払った額までに抑えられます。

[画像トークン（image tokens）](https://broadrouter.com/ja/glossary/image-tokens/)

画像トークンとは、ビジョン言語モデルがプロンプト内の画像を表す入力トークンです。数は画像サイズから計算され、通常はリサイズ後に固定サイズのパッチやタイルに分割します。テキストの入力トークンと同様に課金され、大きい画像ほど高くなります。

## よくある質問

### BroadNet で画像を読めるモデルはどれですか？

DeepSeek V4.1 Flash、Qwen3.8 27B、BroadNet Gemma 4 VL 26B は、チャット補完で画像を受け付けます。GLM 5.3 はテキストのみで、文字起こしモデルは音声を受け付けます。

### ローカルの画像ファイルをビジョン LLM API に送るにはどうすればいいですか？

ファイルを読み込んで base64 でエンコードし、data URL として image\_url のコンテンツパートに入れます。たとえば data:image/jpeg;base64, の後にエンコードしたバイト列を続けます。URL の MIME タイプはファイルと一致させてください。

### 無料のクレジットで請求書のデータを抽出できますか？

できます。無料の初回クレジットで動く BroadNet Gemma 4 VL 26B を使ってください。Qwen3.8 27B と DeepSeek V4.1 Flash はチャージ後に使えるようになります。

### PDF の請求書を送れますか？

BroadNet のドキュメントに記載されているのは data URL として送る画像で、PDF ファイルではありません。pdftoppm などで PDF の各ページを JPEG か PNG に変換してから、画像として送ってください。

## 関連ガイド

-   [アラビア語の音声認識 API を使う手順](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)
-   [OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)
-   [推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

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

**出典**

-   [BroadNet Inference API リファレンス、画像付きのチャット（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [BroadNet Inference の料金（Qwen3.8 27B のアラビア語テストに関する注記）（英語）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [モダリティとコンテキスト長を含む機械可読のモデル一覧（pricing.json）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-read-arabic-invoices-with-vision&utm_content=sources)
