BroadRouter
Начать

Сравнение API для OCR арабского: Google, Azure, Textract, Mistral, LLM

Команда BroadNet Inference · 8 мин чтения · Опубликовано · Обновлено

Четыре OCR API указывают в своей документации печатный арабский: Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract и Mistral OCR. Google, Azure Read и Textract берут по USD 1,50 за 1000 страниц на начальном объёме. Арабский рукописный текст указывает только Azure. Vision-LLM, например Qwen3.8 27B в BroadNet, тарифицируют страницу как токены и возвращают запрошенные поля.

Поищите «Arabic OCR API» — и большинство результатов окажутся сайтами-рейтингами, которые не говорят, откуда взяты их оценки. Эта страница делает более узкую работу, нужную покупателю. Для каждого API она показывает, что собственная документация поставщика говорит об арабском, что API возвращает и сколько стоит страница. Каждая цифра прочитана на странице поставщика 15 ноября 2026 г. BroadRouter — сайт BroadNet, и BroadNet продаёт один из вариантов ниже (vision-LLM, а не OCR), поэтому мы прямо говорим, где другие лучше.

Если вы ещё в принципе выбираете между OCR и vision-LLM, начните со статьи OCR арабского или vision-LLM. Там объяснено, почему связное письмо, точки и строки со смешанным направлением делают арабский сложным. Эта статья предполагает, что вы это знаете и хотите выбрать поставщика.

Какие OCR API официально поддерживают арабский?

API Печатный арабский Рукописный арабский Что возвращает
Google Cloud Vision (DOCUMENT_TEXT_DETECTION) Да, ar, указан как Modern Standard Не указан (арабской графики нет в таблице для рукописного текста) Текст с информацией о странице, блоке, абзаце, слове и разрывах
Azure AI Document Intelligence, Read (prebuilt-read) Да, ar Да, в v4.0 (в v3.1 нет) Печатный и рукописный текст
Azure AI Document Intelligence, Layout (prebuilt-layout) Да, ar Да, в v4.0 Текст, таблицы, структура документа и отметки выбора
Готовые модели Azure для счетов и чеков Для invoice указан арабский (ar); для термочеков указан арабский н/п Именованные поля счетов и чеков
Amazon Textract (Detect Document Text) Да, среди 40+ языков Нет: «handwriting … in English only» (перевод: «рукописный текст… только на английском») Слова и строки, у каждого ограничивающая рамка и оценка уверенности
Mistral OCR (mistral-ocr-latest) Да, указан среди ближневосточных языков Не сказано Markdown по страницам плюс поля JSON: таблицы, изображения, колонтитулы, блоки, оценки уверенности
Vision-LLM (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash в BroadNet) Читает арабские изображения; это не OCR-движок Не задокументировано Всё, что попросите: текст, поля, JSON, перевод

Две детали важнее столбцов «да/нет»:

  • Ограничения Textract касаются не только рукописного текста. Его FAQ говорит: «Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.» (перевод: «Обработка рукописного текста, счетов и чеков, документов, удостоверяющих личность, и Queries доступна только на английском».) На арабских документах Textract даёт текст и позиции, но не поля счетов.
  • Рукописный арабский в Azure появился только в v4.0. В таблице рукописного текста v3.1 арабского нет. Фиксируйте версию API, на которой тестируете.

Страница языков Mistral говорит, что её список отражает «languages with strong expected performance» (перевод: «языки с высокой ожидаемой производительностью»), — это заявление поставщика, а не измеренный результат.

Сколько стоит каждый API для OCR арабского за 1000 страниц?

Цены в долларах США, прочитаны 15 ноября 2026 г. в источниках цен каждого поставщика:

API и функция Бесплатный объём Начальная цена за 1000 страниц Цена на больших объёмах
Google Cloud Vision, Document Text Detection Первые 1000 единиц в месяц USD 1,50 (единицы с 1001 по 5 000 000) USD 0,60 свыше 5 млн единиц в месяц
Azure Document Intelligence, Read (East US) 500 страниц в месяц на бесплатном уровне USD 1,50 USD 0,60 после первого 1 млн страниц
Azure Document Intelligence, Layout и готовые модели (East US) Тот же бесплатный уровень USD 10 Уровни с обязательствами указаны на странице цен Azure (цены подгружаются в браузере; проверьте свой регион)
Amazon Textract, Detect Document Text (US West, Oregon) 1000 страниц в месяц для новых клиентов AWS в течение трёх месяцев USD 1,50 (первый 1 млн страниц в месяц) USD 0,60 после 1 млн страниц
Mistral OCR Не указан Цена за 1000 страниц; суммы нет в статическом HTML страницы, поэтому подтвердить её мы не смогли Mistral пишет, что пакетная обработка вдвое снижает цены её API

Google тарифицирует каждую страницу PDF как одно изображение, а каждую функцию — как отдельную единицу. Две функции на одной странице стоят две единицы. Готовая модель Azure по этой цене покрывает layout, invoice и receipt. Если вам нужны структурированные поля счетов от Azure, рассчитывайте на ставку USD 10, а не на ставку Read в USD 1,50.

Сколько стоит страница у vision-LLM?

У vision-LLM нет цены за страницу. Для ключей BroadNet с оплатой по факту документация говорит, что изображение «counts as input tokens at the model’s input price» (перевод: «учитывается как входные токены по цене входа модели»), и большее изображение занимает больше токенов. Стоимость страницы — токены изображения плюс ваш промпт плюс ответ по цене выхода.

Число токенов изображения зависит от модели и разрешения. Gemma 4 использует бюджеты в 70, 140, 280, 560 или 1120 токенов на изображение, и документация Google советует бюджет повыше для лучшей точности в визуальных задачах. Как ориентир для планирования, а не как измерение, возьмите около 1000 входных и 300 выходных токенов на страницу:

Модель BroadNet Вход за 1 млн Выход за 1 млн 1000 страниц при примерно 1 млн входа и 0,3 млн выхода
Gemma 4 VL 26B $0.10 $0.22 $0.10 плюс три десятых от $0.22
Qwen3.8 27B $0.175 $2.17 $0.175 плюс три десятых от $2.17, плюс рассуждения
DeepSeek V4.1 Flash $0.175 $0.52 $0.175 плюс три десятых от $0.52, плюс рассуждения

Qwen3.8 27B и DeepSeek V4.1 Flash рассуждают перед ответом, а рассуждения тарифицируются как выход. Держите max_tokens на уровне 1000 или выше либо задайте reasoning_effort равным low, иначе ответ может прийти пустым (почему). Измерьте на своих страницах: отправьте десять, посмотрите usage.prompt_tokens и usage.completion_tokens и умножьте. Арифметику сделают калькулятор токенов изображения и статья стоимость vision-LLM за изображение.

Сравнение не один к одному. USD 1,50 за 1000 страниц покупают сырой текст и позиции. Вызов vision-LLM может в том же запросе вернуть поставщика, номер плательщика НДС, дату и итог в JSON, что избавляет от шага разбора. Gemma 4 VL 26B к тому же доступна на стартовом гранте $5. Для Qwen3.8 27B и DeepSeek V4.1 Flash нужно пополнение баланса.

Чем различаются детали интеграции?

Google Cloud Vision Azure Document Intelligence Amazon Textract Mistral OCR Vision-LLM BroadNet
Вход Изображения; PDF и TIFF через DOCUMENT_TEXT_DETECTION См. список типов файлов модели Read См. список типов файлов Textract image_url (PNG, JPEG, AVIF и др.) или document_url (PDF, PPTX, DOCX и др.) Одно изображение на элемент content как data: URL; страницы PDF сначала отрендерите в изображения
Подсказка языка Необязательная подсказка ar Необязательна; Microsoft советует не задавать её без уверенности В FAQ не описано Не сказано Напишите в промпте «документ на арабском»
Структурированные поля Нет (только иерархия текста) Да, готовые invoice и receipt Счета, чеки и Queries только на английском Необязательные аннотации документа Просите JSON; структурированный вывод задокументирован только для Qwen3.8 27B
Форма API Google Cloud API Azure REST и SDK AWS SDK Mistral /v1/ocr OpenAI-совместимый /v1/chat/completions

Замечание Microsoft о кодах языков стоит прочитать, если в ваших документах смешаны арабский и английский: «Don’t provide the language code as the parameter unless you are sure of the language … Otherwise, the service may return incomplete and incorrect text.» (перевод: «Не передавайте код языка в параметре, если вы не уверены в языке… Иначе сервис может вернуть неполный и неверный текст».)

Какой API для OCR арабского выбрать?

Единого ответа нет, и ни один поставщик не публикует независимый тест точности на арабском, который мы могли бы проверить. Сначала выбирайте по выводу, потом тестируйте:

  1. Нужен текст для поиска по длинным отсканированным архивам. Google Cloud Vision, Azure Read или Textract. Все три указывают печатный арабский по одной и той же начальной цене. Выбирайте облако, которым уже пользуетесь для хранения и учётных записей.
  2. Нужен рукописный арабский. Azure Document Intelligence v4.0 — единственный OCR API здесь, который его указывает. Протестируйте на тех же страницах и vision-LLM: никто из них не документирует рукописный текст ни в ту, ни в другую сторону.
  3. Нужны поля из арабских счетов. Сравните готовую модель счетов Azure (USD 10 за 1000 страниц) с vision-LLM, которая возвращает JSON. В BroadNet модель с задокументированным структурированным выводом — Qwen3.8 27B. В руководстве чтение арабских счетов с vision-моделью есть рабочий код.
  4. Нужен Markdown с таблицами для RAG. Mistral OCR возвращает Markdown по страницам с таблицами и блоками. Текущую цену за страницу уточните на странице цен Mistral.
  5. Нужны поля, перевод и краткое содержание за один вызов. Vision-LLM. Конвейер с проверками описан в статье извлечение данных счетов в JSON с vision-LLM.

Как протестировать API для OCR арабского на своих документах?

  1. Выберите от 50 до 100 реальных страниц: чистые PDF, фото с телефона, выцветшие термочеки, счета с печатями и, если есть, рукописные формы.
  2. Наберите эталон для важных вам полей. Восточноарабские цифры (٠١٢٣) сохраняйте как напечатано и отмечайте отдельно.
  3. Оценивайте символы и поля отдельно. Доля ошибочных символов (CER) показывает качество чтения. Точность полей (итог, дата, номер плательщика НДС) показывает качество для бизнеса. Ошибка в одной цифре итога важнее десяти ошибок в колонтитуле.
  4. Проверяйте порядок в смешанных строках. Строка вроде “الإجمالي: 1,250.00 SAR” может вернуться с числом перед подписью. Это проблема двунаправленного порядка, а не ошибка распознавания, но ваш парсер всё равно должен с ней справляться.
  5. Проверяйте числа в коде, что бы вы ни выбрали: позиции дают в сумме итог, НДС соответствует ставке, даты разбираются. Неудачные документы отправляйте в очередь проверки человеком.

Где здесь BroadNet Inference

BroadRouter — сайт BroadNet. BroadNet Inference не продаёт OCR-движок. Она продаёт vision-LLM через один OpenAI-совместимый API: Qwen3.8 27B, BroadNet Gemma 4 VL 26B и DeepSeek V4.1 Flash, и все они принимают изображения. Если вам нужен самый дешёвый сырой текст с миллионов отсканированных страниц или рукописный арабский с позициями, лучше подойдёт классический OCR API из перечисленных выше. BroadNet подходит, когда из арабских документов нужны поля или JSON, с нулевым хранением данных: BroadNet заявляет, что содержимое запросов инференса не хранится. Попробуйте Gemma 4 VL 26B на стартовом гранте $5 или прочитайте справочник API и получите ключ.

Вопросы и ответы

Какой OCR API поддерживает арабский?

На 15 ноября 2026 г. Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract и Mistral OCR указывали печатный арабский в своей документации. Vision-LLM API, например Qwen3.8 27B, Gemma 4 VL 26B и DeepSeek V4.1 Flash в BroadNet Inference, тоже читают арабские изображения, но это чат-модели, а не OCR-движки.

Какой API распознаёт рукописный арабский?

Из четырёх OCR API арабский для рукописного текста указывает только Azure Document Intelligence v4.0, в моделях Read и Layout. Textract пишет, что рукописный текст поддерживается только на английском, а в таблице письменностей для рукописного текста у Google арабской графики нет. Vision-LLM поддержку рукописного текста не документируют ни в ту, ни в другую сторону, так что тестируйте их на своих образцах.

Сколько стоит OCR арабского за 1000 страниц?

На начальном объёме — USD 1,50 за 1000 страниц у Google Cloud Vision Document Text Detection, Azure Document Intelligence Read и Amazon Textract Detect Document Text (проверено 15 ноября 2026 г.). На больших объёмах все три снижаются до USD 0,60. Модели layout и готовая модель счетов в Azure стоят USD 10 за 1000 страниц.

Умеет ли Amazon Textract читать арабский?

Печатный текст — да. FAQ Textract (проверено 15 ноября 2026 г.) говорит, что сервис распознаёт печатный текст, в том числе документы справа налево и со смешанной графикой, на более чем 40 языках, включая арабский. Там же сказано, что рукописный текст, счета и чеки, документы, удостоверяющие личность, и Queries поддерживаются только на английском.

Что брать для арабских счетов — OCR API или vision-LLM?

OCR — когда нужно каждое слово с его позицией, для поиска или архивов. Vision-LLM — когда нужны именованные поля, например поставщик, номер плательщика НДС и итог, в JSON. Частый вариант — оба: OCR для текста под поиск, vision-LLM для полей, по которым вы действуете, затем проверки в коде.

Какая модель BroadNet может вернуть структурированный JSON из арабского документа?

Qwen3.8 27B. Документация BroadNet указывает инструменты и структурированный вывод для Qwen3.8 27B и GLM 5.3, но GLM 5.3 работает только с текстом. Gemma 4 VL 26B и DeepSeek V4.1 Flash принимают изображения, но структурированный вывод для них не указан, поэтому просите JSON в промпте и проверяйте его.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity

Источники