BroadRouter

Baca invois dan resit Arab dengan model vision

Dikemas kini

Hantar imej sebagai data URL base64 dalam kandungan mesej kepada model vision seperti broadnet/qwen3.8-27b atau broadnet/gemma-4-26b-a4b, dan minta medan yang anda perlukan sebagai JSON. Pastikan jenis MIME tepat. Pada bayar ikut guna, imej dikira sebagai token input; imej yang lebih besar menggunakan lebih banyak token.

Tiga model chat pada BroadNet Inference menerima imej: DeepSeek V4.1 Flash, Qwen3.8 27B dan BroadNet Gemma 4 VL 26B. GLM 5.3 hanya teks. Untuk dokumen Arab, Qwen3.8 27B ialah model yang diuji oleh BroadNet dalam bahasa Arab: penulisan yang fasih, memahami dialek Teluk dan Mesir, dan terjemahan Arab–Inggeris yang tepat. Gemma 4 VL 26B ialah yang paling murah antara ketiga-tiganya di BroadNet dan berfungsi dengan kredit percuma.

Tanya soalan tentang satu invois

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)

Soalan itu bertanya “What is the total amount on this invoice?” (Berapakah jumlah keseluruhan dalam invois ini?) dalam bahasa Arab. Gunakan image/png dalam data URL untuk fail PNG: jenis MIME mesti sepadan. Untuk menetapkannya daripada nama fail:

import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()

Dapatkan medan berstruktur

Minta JSON dan nyatakan dengan tepat kunci yang anda mahu:

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 membuat penaakulan sebelum menjawab, jadi beri ia ruang. Lihat mengapa model penaakulan memulangkan jawapan kosong. Dokumentasi BroadNet menyenaraikan output berstruktur untuk Qwen3.8 27B; lihat output berstruktur untuk cara skema JSON berfungsi secara umum. Huraikan balasan dengan json.loads dan semak medan sebelum anda menyimpannya.

Kos

Pada bayar ikut guna, imej dibilkan sebagai token input pada harga input model, jadi kecilkan foto yang sangat besar dahulu; kalkulator token imej menunjukkan berapa token bagi sesuatu saiz. Pada pelan DeepSeek V4.1 Flash tanpa had, imej termasuk dalam penggunaan tanpa had.

Bandingkan harga model vision, atau lihat perbandingan model vision dengan Google, Azure, Textract dan Mistral OCR dalam perbandingan API OCR Arab.

Penyelesaian masalah

  • Jawapan kosong daripada Qwen3.8 27B atau DeepSeek V4.1 Flash. Penaakulan telah menghabiskan max_tokens. Naikkannya atau tetapkan reasoning_effort kepada low.
  • 400 atau 422 pada imej. Pastikan data URL bermula dengan data:image/jpeg;base64, atau data:image/png;base64, dan jenis MIME sepadan dengan fail.
  • 403 atau ralat pada model. GLM 5.3 tidak menerima imej, dan Qwen3.8 27B serta DeepSeek V4.1 Flash memerlukan tambah nilai. Gunakan BroadNet Gemma 4 VL 26B dengan kredit percuma.
  • Permintaan terlalu besar atau ralat konteks. Foto besar menggunakan banyak token, dan Gemma 4 VL 26B mempunyai tetingkap konteks paling kecil antara ketiga-tiganya (disenaraikan dalam pricing.json). Kecilkan kepada lebar yang munasabah atau potong ke bahagian jumlah.
  • Jumlah salah atau digit tertukar. Digit Arab-Hindi (٠١٢٣) dan digit Latin boleh muncul pada resit yang sama. Minta model memulangkan nombor dalam digit Latin, dan semak jumlah berbanding item baris dalam kod anda.
  • JSON tidak sah. Minta “JSON only” (JSON sahaja), buang sebarang pagar kod sebelum menghurai, dan cuba semula sekali jika penghuraian gagal.
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.

Soalan lazim

Model BroadNet manakah yang boleh membaca imej?

DeepSeek V4.1 Flash, Qwen3.8 27B dan BroadNet Gemma 4 VL 26B menerima imej melalui chat completions. GLM 5.3 hanya teks, dan model transkripsi menerima audio.

Bagaimanakah saya menghantar fail imej tempatan ke API LLM vision?

Baca fail itu, kodkan dengan base64 dan letakkannya dalam bahagian kandungan image_url sebagai data URL, seperti data:image/jpeg;base64, diikuti bait yang telah dikodkan. Jenis MIME dalam URL mesti sepadan dengan fail.

Bolehkah saya mengekstrak data invois dengan kredit percuma?

Boleh, dengan BroadNet Gemma 4 VL 26B, yang berjalan pada kredit permulaan percuma. Qwen3.8 27B dan DeepSeek V4.1 Flash dibuka selepas tambah nilai.

Bolehkah saya menghantar invois PDF?

Dokumentasi BroadNet menerangkan imej yang dihantar sebagai data URL, bukan fail PDF. Tukar setiap halaman PDF kepada JPEG atau PNG dahulu, contohnya dengan pdftoppm, dan hantar halaman itu sebagai imej.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity