---
title: "Extrair dados de notas em árabe com uma API de LLM de visão"
description: "Envie a foto de uma nota ou recibo a um modelo de visão na BroadNet Inference e receba total, data e fornecedor em JSON, com perguntas em árabe ou inglês."
url: https://broadrouter.com/pt/guides/read-arabic-invoices-with-vision/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (atualizado em 2026-11-16).

# Ler notas fiscais e recibos em árabe com um modelo de visão

Atualizado em 2026-11-16

Envie a imagem como data URL em base64 no conteúdo da mensagem para um modelo de visão como broadnet/qwen3.8-27b ou broadnet/gemma-4-26b-a4b, e peça os campos de que precisa em JSON. Informe o MIME type correto. No pagamento por uso, uma imagem conta como tokens de entrada; imagens maiores usam mais.

Três modelos de chat da BroadNet Inference aceitam imagens: DeepSeek V4.1 Flash, Qwen3.8 27B e BroadNet Gemma 4 VL 26B. O GLM 5.3 é só texto. Para documentos em árabe, o Qwen3.8 27B é o que a BroadNet testou em árabe: escrita fluente, compreensão dos dialetos do Golfo e egípcio, e tradução precisa entre árabe e inglês. O Gemma 4 VL 26B é o mais barato dos três na BroadNet e funciona com o crédito gratuito.

## Faça uma pergunta sobre uma nota

```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)
```

A pergunta diz, em árabe, “Qual é o valor total desta nota?”. Para arquivos PNG, use `image/png` no data URL: o MIME type precisa corresponder. Para obtê-lo a partir do nome do arquivo:

```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()
```

## Receba campos estruturados

Peça JSON e diga exatamente quais chaves você quer:

```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}},
    ]}],
)
```

O Qwen3.8 27B raciocina antes de responder, então dê espaço a ele. Veja [por que modelos de raciocínio devolvem respostas vazias](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/). A documentação da BroadNet lista saída estruturada para o Qwen3.8 27B; veja [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/) para entender como JSON schemas funcionam em geral. Faça o parse da resposta com `json.loads` e confira os campos antes de salvá-los.

## Custo

No pagamento por uso, uma imagem é cobrada como tokens de entrada pelo preço de entrada do modelo, então redimensione antes as fotos muito grandes; a [calculadora de tokens de imagem](https://broadrouter.com/tools/image-token-calculator/) mostra quantos tokens custa um determinado tamanho. Num [plano ilimitado do DeepSeek V4.1 Flash](https://broadrouter.com/pt/guides/unlimited-llm-api-sessions/), as imagens entram no uso ilimitado.

[Compare os preços dos modelos de visão](https://broadrouter.com/pt/pricing/), ou veja como um modelo de visão se sai frente ao Google, Azure, Textract e Mistral OCR na [comparação de APIs de OCR para árabe](https://broadrouter.com/pt/blog/arabic-ocr-api-comparison/).

## Solução de problemas

-   **Resposta vazia do Qwen3.8 27B ou do DeepSeek V4.1 Flash.** O raciocínio esgotou `max_tokens`. Aumente o valor ou defina `reasoning_effort` como `low`.
-   **400 ou 422 na imagem.** Confira se o data URL começa com `data:image/jpeg;base64,` ou `data:image/png;base64,` e se o MIME type corresponde ao arquivo.
-   **403 ou erro no modelo.** O GLM 5.3 não aceita imagens, e o Qwen3.8 27B e o DeepSeek V4.1 Flash exigem uma recarga. Use o BroadNet Gemma 4 VL 26B com o crédito gratuito.
-   **Requisição grande demais ou erros de contexto.** Uma foto grande usa muitos tokens, e o Gemma 4 VL 26B tem a menor janela de contexto dos três (listada no pricing.json). Redimensione para uma largura razoável ou recorte a área dos totais.
-   **Totais errados ou dígitos trocados.** Dígitos arábico-índicos (٠١٢٣) e dígitos latinos podem aparecer no mesmo recibo. Peça ao modelo que devolva os números em dígitos latinos e confira no seu código os totais contra os itens.
-   **JSON inválido.** Peça “só JSON”, remova eventuais code fences antes do parse e tente de novo uma vez se o parse falhar.

_[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.

## Termos neste guia

[Token](https://broadrouter.com/pt/glossary/token/)

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Reconhecimento óptico de caracteres (OCR)](https://broadrouter.com/pt/glossary/ocr/)

OCR (reconhecimento óptico de caracteres) é a tecnologia que detecta texto impresso ou manuscrito em uma imagem, digitalização ou PDF e o converte em caracteres legíveis por máquina. O OCR clássico devolve o texto e a posição dele na página; modelos de visão e linguagem conseguem ler o texto e responder perguntas sobre ele diretamente.

[Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/)

Saída estruturada é um recurso de APIs de LLM que restringe a resposta de um modelo a um formato definido pelo desenvolvedor, normalmente um JSON Schema, para que o código consiga interpretá-la de forma confiável. É mais rigorosa que o JSON mode, que garante um JSON válido, mas não uma estrutura específica.

[Crédito pré-pago (prepaid credit)](https://broadrouter.com/pt/glossary/prepaid-credit/)

Crédito pré-pago é dinheiro adicionado a uma conta de API antes do uso. Cada requisição desconta o próprio custo do saldo e, quando o saldo acaba, as requisições cobradas por uso param até você fazer uma recarga. Ele limita o gasto ao que você já pagou.

[Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/)

A janela de contexto é o número máximo de tokens com que um modelo de linguagem consegue trabalhar em uma única requisição. Ela abrange o prompt, o histórico da conversa, as definições de ferramentas, as imagens e a saída gerada, incluindo os tokens de raciocínio. O que não couber precisa ser cortado, resumido ou dividido em várias requisições.

[JSON Schema](https://broadrouter.com/pt/glossary/json-schema/)

JSON Schema é um vocabulário, escrito em JSON, para descrever e validar a estrutura de dados JSON: tipos, campos obrigatórios, valores permitidos e aninhamento. A versão atual é a 2020-12. APIs de LLM o usam para definir parâmetros de tools e o formato exato que uma saída estruturada deve seguir.

[Modelo de visão e linguagem (VLM)](https://broadrouter.com/pt/glossary/vision-language-model/)

Um modelo de visão e linguagem (VLM, vision-language model) é um modelo que recebe imagens e texto juntos como entrada e produz texto, então consegue descrever fotos, responder perguntas sobre elas e ler documentos, gráficos ou capturas de tela. VLMs também são chamados de modelos image-text-to-text ou multimodais.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

## Perguntas frequentes

### Quais modelos da BroadNet leem imagens?

DeepSeek V4.1 Flash, Qwen3.8 27B e BroadNet Gemma 4 VL 26B aceitam imagens via chat completions. O GLM 5.3 é só texto, e os modelos de transcrição recebem áudio.

### Como envio um arquivo de imagem local para uma API de LLM de visão?

Leia o arquivo, codifique em base64 e coloque numa parte de conteúdo image\_url como data URL, por exemplo data:image/jpeg;base64, seguido dos bytes codificados. O MIME type na URL precisa corresponder ao arquivo.

### Dá para extrair dados de notas com o crédito gratuito?

Sim, com o BroadNet Gemma 4 VL 26B, que roda com o crédito inicial gratuito. Qwen3.8 27B e DeepSeek V4.1 Flash são liberados depois de uma recarga.

### Posso enviar uma nota em PDF?

A documentação da BroadNet descreve imagens enviadas como data URLs, não arquivos PDF. Converta antes cada página do PDF em JPEG ou PNG, por exemplo com o pdftoppm, e envie as páginas como imagens.

## Guias relacionados

-   [API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)
-   [Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Referência da API da BroadNet Inference, chat com imagem (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Preços da BroadNet Inference (notas do teste em árabe do Qwen3.8 27B) (em inglês)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Lista de modelos legível por máquina, com modalidades e tamanho de contexto (pricing.json) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-read-arabic-invoices-with-vision&utm_content=sources)
