---
title: "Apakah itu OCR? Pengecaman aksara optik vs LLM penglihatan"
description: "OCR menukar teks dalam imej dan imbasan kepada aksara boleh baca mesin. Cara OCR klasik berfungsi, cara LLM penglihatan membaca dokumen, dan apa yang perlu diuji."
url: https://broadrouter.com/ms/glossary/ocr/
lang: ms
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/glossary/ocr/) (dikemas kini 2026-11-16).

# Pengecaman aksara optik (OCR)

Dikemas kini 2026-11-16

Pengecaman aksara optik (OCR) ialah teknologi yang mengesan dan menukar teks bercetak atau tulisan tangan dalam imej, imbasan atau PDF kepada aksara yang boleh dibaca mesin. OCR klasik mengeluarkan teks dan kedudukannya pada halaman; model bahasa-penglihatan pula boleh membaca teks dan menjawab soalan tentangnya secara terus.

Juga dikenali sebagai: OCR, optical character recognition, pengecaman aksara optik, text recognition, image to text, imej ke teks, document OCR, scanned text extraction

OCR ialah langkah yang menukar foto resit kepada teks yang boleh dicari, disimpan atau disemak oleh program.

## Cara ia berfungsi

Enjin OCR klasik mencari kawasan teks pada halaman, membahagikannya kepada baris, dan mengecam aksara dalam setiap baris. Tesseract, enjin sumber terbuka yang paling terkenal, menambah rangkaian neural LSTM dalam versi 4 yang mengecam keseluruhan baris, dan ia boleh “recognize more than 100 languages” (Terjemahan BroadRouter: “mengecam lebih daripada 100 bahasa”) secara terus. Output tersedia sebagai teks biasa, hOCR (HTML), PDF, PDF teks tersembunyi, TSV, ALTO atau PAGE, jadi anda juga mendapat kedudukan perkataan.

OCR klasik berhenti pada aksara. Untuk mengetahui nombor mana yang merupakan jumlah atau baris mana yang merupakan nama pembekal, anda perlu menambah peraturan atau model kedua.

Model bahasa-penglihatan mengambil laluan lain. Halaman tugas image-text-to-text Hugging Face menerangkan soal jawab dokumen sebagai “an OCR-free approach” (Terjemahan BroadRouter: “pendekatan tanpa OCR”): imej dokumen terus dihantar kepada [model bahasa-penglihatan](https://broadrouter.com/ms/glossary/vision-language-model/), yang membacanya dan menjawab. Anda boleh meminta medan secara terus dan mendapatkannya sebagai [output berstruktur](https://broadrouter.com/ms/glossary/structured-output/).

|  | OCR klasik (cth. Tesseract) | LLM penglihatan |
| --- | --- | --- |
| Output | aksara serta kedudukan | jawapan, ringkasan atau medan JSON |
| Pemahaman susun atur | terhad, perlukan peraturan | membaca jadual dan label mengikut konteks |
| Berjalan | secara setempat, tiada yuran setiap panggilan | biasanya API, dicaj setiap token |
| Risiko | aksara salah baca | aksara salah baca dan nilai yang direka |

## Mengapa ia penting

-   **Kos.** Imej yang dihantar ke API LLM dicaj sebagai [token](https://broadrouter.com/ms/glossary/token/) input. OCR setempat tiada caj setiap panggilan tetapi memerlukan pelayan dan penyelenggaraan.
-   **Semakan ketepatan.** Model penglihatan boleh memulangkan jumlah yang munasabah tetapi tiada pada halaman. Minta ia memetik teks sumber dan semak jumlah dalam kod.
-   **Bahasa Arab.** Teks dari kanan ke kiri, bentuk huruf bersambung dan campuran angka Arab dan Latin semuanya menambah kesukaran. Uji mana-mana enjin atau model pada imbasan anda sendiri.

## Di BroadNet Inference

BroadNet tidak mendokumenkan endpoint OCR berasingan. Dokumentasinya menunjukkan cara membaca invois dengan menghantar imej sebagai URL `data:` kepada model chat yang baris modelnya menyenaraikan imej atau penglihatan, seperti [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/), [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/) atau [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/). Pada kunci bayar ikut guna, imej dikira sebagai token input pada harga input model ($0.10 bagi setiap 1M pada Gemma), dan imej yang lebih besar menggunakan lebih banyak token. Ikuti langkahnya dalam [panduan invois Arab](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/), dan lihat [Arabic OCR with vision LLMs](https://broadrouter.com/ms/blog/arabic-ocr-vision-llm/) untuk mengetahui bila OCR klasik masih alat yang lebih baik.

## Soalan lazim

### Apakah perbezaan antara OCR dan LLM penglihatan?

OCR memulangkan aksara yang ditemuinya dan lokasinya. LLM penglihatan membaca imej dan boleh menjawab soalan, seperti "berapakah jumlah invois?", atau memulangkan medan bernama sebagai JSON.

### Adakah BroadNet mempunyai endpoint OCR?

Tiada endpoint OCR berasingan yang didokumenkan. Anda menghantar imej kepada model chat yang menyokong penglihatan di /v1/chat/completions dan meminta teks atau medan yang anda perlukan.

### Adakah OCR klasik masih berbaloi digunakan?

Ya, untuk jumlah besar halaman bercetak yang bersih apabila anda hanya memerlukan teks dan kedudukannya. Ia berjalan secara setempat tanpa yuran setiap panggilan. Model penglihatan lebih baik apabila anda memerlukan medan, jadual atau jawapan, bukan aksara mentah.

## Lihat juga

-   [Model bahasa-penglihatan (vision-language model)](https://broadrouter.com/ms/glossary/vision-language-model/) (istilah)
-   [AI multimodal (multimodal AI)](https://broadrouter.com/ms/glossary/multimodal/) (istilah)
-   [Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/) (istilah)
-   [Token](https://broadrouter.com/ms/glossary/token/) (istilah)
-   [Penormalan Unicode (Unicode normalization)](https://broadrouter.com/ms/glossary/unicode-normalization/) (istilah)
-   [Token imej (image tokens)](https://broadrouter.com/ms/glossary/image-tokens/) (istilah)
-   [Baca invois dan resit Arab dengan model vision](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/) (panduan)
-   [OCR bahasa Arab vs LLM vision: membaca dokumen dan invois Arab](https://broadrouter.com/ms/blog/arabic-ocr-vision-llm/) (artikel)
-   [Ekstrak data invois, resit dan borang ke JSON dengan LLM visi](https://broadrouter.com/ms/blog/extract-data-from-documents-with-vision-llm/) (artikel)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [Tesseract OCR, repositori GitHub rasmi (disemak 2026-11-16)](https://github.com/tesseract-ocr/tesseract)
-   [Hugging Face Tasks, image-text-to-text (soal jawab dokumen tanpa OCR) (disemak 2026-11-16)](https://huggingface.co/tasks/image-text-to-text)
-   [Rujukan API BroadNet Inference, chat dengan imej (disemak 2026-11-16) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-glossary-ocr&utm_content=sources)
