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:
- 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.
- 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.
- 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.
- 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.
- 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?
- Выберите от 50 до 100 реальных страниц: чистые PDF, фото с телефона, выцветшие термочеки, счета с печатями и, если есть, рукописные формы.
- Наберите эталон для важных вам полей. Восточноарабские цифры (٠١٢٣) сохраняйте как напечатано и отмечайте отдельно.
- 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.
- 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.
- 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.
