---
title: "Arapça OCR mı görü LLM'i mi: fatura ve belgeler | BroadRouter"
description: "Arapça fatura, fiş ve formlarda klasik OCR'ı ne zaman, görü LLM'ini ne zaman kullanmalı: doğruluk tuzakları, JSON çıktı, sayfa başı maliyet ve doğrulama hattı."
url: https://broadrouter.com/tr/blog/arabic-ocr-vision-llm/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/blog/arabic-ocr-vision-llm/) (güncelleme: 2026-11-14).

# Arapça OCR mı, görü LLM'i mi: Arapça belge ve fatura okuma

BroadNet Inference ekibi · 5 dk okuma · Yayımlandı 2026-11-14

Klasik OCR, Arapça sayfa görsellerini ham metne dönüştürür; görü LLM'i ise görseli okur ve satıcı, tarih ve toplam gibi istediğiniz alanları JSON olarak döndürür. Faturalar ve fişler için görü LLM'i genellikle ayrıştırma adımını gereksiz kılar. BroadNet Inference'ta Qwen3.8 27B, DeepSeek V4.1 Flash ve BroadNet Gemma 4 VL 26B görsel kabul eder.

## Öne çıkanlar

-   Arapça OCR zordur, çünkü harfler birleşir, konuma göre biçim değiştirir ve noktalara bağlıdır; karışık Arapça ve İngilizce satırlar da çift yönlü sıralama sorunları ekler.
-   Klasik OCR size metin ve konumlar verir. Görü LLM'i size anlam verir: adlandırılmış alanlar, çevrilmiş etiketler, yapılandırılmış JSON.
-   Sayıları her zaman kodda doğrulayın: toplamlar satır toplamlarına eşit olmalı, KDV orana uymalı, tarihler ayrıştırılabilmeli.
-   Kullandıkça öde modelinde bir görsel girdi token'ı olarak faturalanır; bu yüzden büyük fotoğrafları göndermeden önce küçültün.
-   Uzun taranmış kitaplarda tam metin araması gerektiğinde OCR, üzerinde işlem yapmanız gereken belgelerde görü LLM'i kullanın.

**Bu sayfada**

1.  Arapça OCR neden zor?
2.  OCR mı görü LLM’i mi: her biri size ne verir?
3.  Görü LLM’i ile Arapça bir faturayı nasıl okursunuz?
4.  Yanlış okunmuş sayıları nasıl yakalarsınız?
5.  Arapça belgeleri hangi görü modeli okumalı?
6.  Bir görü LLM’inin sayfa başı maliyeti ne?
7.  Klasik OCR hâlâ ne zaman kazanır?
8.  Gizlilik

_[image: Parcels on a conveyor labelled "FRAGILE", "ZERBRECHLICH" and "取扱注意", with the text "From printed text to useful data."]_

Üzerinde işlem yapmanız gereken Arapça faturalar, fişler ve formlar için bir [görü LLM’i](https://broadrouter.com/tr/glossary/vision-language-model/) kullanın: görseli okur ve satıcı, KDV numarası, tarih ve toplam gibi istediğiniz alanları JSON olarak döndürür. Uzun taranmış sayfalarda tam metin araması ya da çevrimdışı çalışma için klasik [optik karakter tanıma (OCR)](https://broadrouter.com/tr/glossary/ocr/) kullanın. Her iki durumda da sayıları kodda denetleyin.

Arapça, aşağıdaki nedenlerle her iki yolu da İngilizceye göre zorlaştırır.

## Arapça OCR neden zor?

-   **Bitişik yazı.** Arap harfleri birleşir ve çoğunun dörde kadar biçimi vardır (yalın, baş, orta, son). OCR motorları, kenarlarını göremedikleri bir kelimeyi bölümlere ayırmak zorundadır.
-   **Noktalar anlam taşır.** ب ت ث ن ي aynı temel biçimi paylaşır ve yalnızca noktalarla ayrılır. Düşük çözünürlüklü bir tarama ya da bir kırışık bir harfi başka bir harfe dönüştürebilir.
-   **Tek satırda iki yön.** “المجموع: 1,250.00 SAR” gibi bir fatura satırı, sağdan sola Arapçayı soldan sağa sayılar ve Latin metinle karıştırır. OCR çıktısı çoğu zaman yanlış görsel sırayla döner; [Unicode çift yönlü algoritması](https://www.unicode.org/reports/tr9/) da onu gösterim sırasında yeniden sıralar.
-   **İki rakam takımı.** Körfez ve Mısır belgeleri çoğu zaman 0–9 yerine Doğu Arap rakamları (٠١٢٣٤٥٦٧٨٩) basar, bazen ikisini aynı sayfada.
-   **Yazı tipleri ve mühürler.** Süslü Nesih ve Rika başlıklar, toplamın üzerine basılmış şirket mühürleri ve termal fişlerin solması tanımayı zorlaştırır.

## OCR mı görü LLM’i mi: her biri size ne verir?

|  | Klasik OCR | Görü LLM’i |
| --- | --- | --- |
| Çıktı | Ham metin, çoğu zaman kelime konumlarıyla | Ne isterseniz: alanlar, JSON, özet, çeviri |
| Düzeni anlama | Kuralları ya da şablonları siz yazarsınız | Model çıkarır (“toplam sağ altta”) |
| Yeni fatura düzenleri | Yeni şablon ya da kural | Genellikle değişiklik olmadan çalışır |
| Çeviri | Ayrı bir adım | Aynı istek |
| Öngörülebilirlik | Aynı girdi için deterministik | Değişebilir; çıktıları doğrulayın |
| Halüsinasyon riski | Düşük (yanlış okur ama uydurmaz) | Gerçek: makul ama yanlış bir değer üretebilir |
| En uygun | Uzun taranmış belgelerde tam metin araması, arşivler | Üzerinde işlem yapmanız gereken faturalar, fişler, kimlikler, formlar |

Temel ödünleşim: OCR yanlış okur ama uydurmaz. Görü LLM’i anlar, ama makul bir değeri [halüsinasyonla](https://broadrouter.com/tr/glossary/hallucination/) üretebilir. İyi bir hat anlamak için LLM’i, denetlemek için kodu kullanır.

## Görü LLM’i ile Arapça bir faturayı nasıl okursunuz?

Görseli mesaj içeriğinin içinde base64 veri URL’si olarak gönderin ve tam olarak istediğiniz alanları isteyin. [Görü ile fatura rehberi](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) adım adım tamamını anlatıyor; özü şöyle:

```python
import base64, json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
image = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

prompt = """Read this invoice. Reply with JSON only, using these keys:
vendor_name (as written, Arabic script if Arabic), vendor_vat_number, invoice_number,
invoice_date (YYYY-MM-DD), currency (ISO code), subtotal, vat_amount, total,
line_items (list of {description, quantity, unit_price, amount}).
Convert Eastern Arabic numerals to Western digits. Use null for anything you cannot read."""

r = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=3000,  # reasoning comes first
    messages=[{"role": "user", "content": [
        {"type": "text", "text": prompt},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
    ]}],
)
data = json.loads(r.choices[0].message.content)
```

Hata ayıklama süresinden tasarruf ettiren üç ayrıntı:

1.  **Hangi rakam sistemini istediğinizi söyleyin.** “Doğu Arap rakamlarını Batı rakamlarına dönüştür” demek, veritabanınızda ١٢٥٠ ile 1250’nin karışmasını önler.
2.  **Tahmin değil `null` isteyin.** Her anahtarın doldurulması gerektiğinde modellerin değer uydurma olasılığı artar.
3.  **Adları özgün yazıda tutun.** “مؤسسة النور للتجارة” adını Latin harflerine aktarmak yazım varyantlarına davetiye çıkarır. Arapçayı saklayın, İngilizce gerekiyorsa ayrıca çevirin.

Model boş bir yanıt döndürürse, akıl yürütürken `max_tokens` sınırına ulaşmıştır; bkz. [akıl yürütme token’ları ve boş yanıtlar](https://broadrouter.com/tr/guides/reasoning-tokens-empty-response/). Daha katı bir JSON yapısı için [JSON şemasıyla yapılandırılmış çıktı](https://broadrouter.com/tr/blog/structured-output-json-schema/) yazısına bakın; ücretsiz [JSON şema oluşturucu](https://broadrouter.com/tools/json-schema-generator/) örnek bir faturadan şema oluşturur.

## Yanlış okunmuş sayıları nasıl yakalarsınız?

Çıkarılan her değeri veri olarak değil, kodda denetlenecek bir iddia olarak görün. Satır kalemleri ara toplama eşit olmalı, ara toplam artı KDV toplama eşit olmalı, tarihler ayrıştırılabilmeli ve gelecekte olmamalı, para birimi de satıcının ülkesine uymalı. Suudi KDV numaralarının sabit bir uzunluğu ve biçimi var; bu da ucuz bir ek denetim sağlıyor. Yanlış okunmuş bir rakam neredeyse her zaman bir toplamı bozar; bu yüzden aritmetik denetimler önemli hataların çoğunu yakalar. Başarısız olan her şey, görsel çıkarılan alanların yanında olacak şekilde bir insan inceleme kuyruğuna gider.

Pydantic şeması, aritmetik doğrulayıcılar, hata mesajıyla bir yeniden deneme ve bir inceleme kuyruğu içeren tam hat, [görü LLM’i ile fatura ve fiş verisini JSON’a çıkarma](https://broadrouter.com/tr/blog/extract-data-from-documents-with-vision-llm/) yazısında.

## Arapça belgeleri hangi görü modeli okumalı?

BroadNet Inference’taki üç sohbet modeli görsel kabul eder:

| Model | 1M token başına girdi / çıktı | Bağlam | Notlar |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/tr/models/qwen3.8-27b/) | $0.175 / $2.17 | 262.144 | BroadNet’in Arapçada test ettiği model |
| [DeepSeek V4.1 Flash](https://broadrouter.com/tr/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1.048.576 | Sınırsız sabit ücretli planlarda da var |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/tr/models/gemma-4-vl-26b/) | $0.10 / $0.22 | 32.768 | BroadNet’in görü modellerinin en ucuzu; ücretsiz krediyle ve $0.50 tutan saatlik anahtarla çalışır |

BroadNet, testlerinde Qwen3.8 27B’nin akıcı Arapça yazdığını, Körfez ve Mısır lehçelerini anladığını ve Arapça ile İngilizce arasında doğru çeviri yaptığını bildiriyor. BroadNet bir OCR ya da belge çıkarımı benchmark’ı yayımlamıyor; bu yüzden alan doğruluğunu kendi belgelerinizde ölçün. Pratik bir kurulum, basit fişler için Gemma 4 VL 26B ve doğrulamadan geçemeyen her şey için Qwen3.8 27B ile ikinci bir geçiştir. [Gemma 4 VL 26B ile Qwen3.8 27B karşılaştırması](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/) ikisini yan yana koyuyor.

## Bir görü LLM’inin sayfa başı maliyeti ne?

Kullandıkça öde anahtarlarında bir görsel, modelin girdi fiyatından girdi token’ı olarak faturalanır ve daha büyük görseller daha fazla token kullanır. Telefon fotoğraflarını uzun kenarı yaklaşık 1.500–2.000 piksel olacak şekilde küçültün: Arapça noktalar yeterli çözünürlük ister, ama 12 megapiksellik bir fotoğraf çoğunlukla maliyet ekler. Sayfa başı maliyetinizi bulmak için birkaç gerçek görselde `usage.prompt_tokens` değerini okuyun. Sınırsız bir DeepSeek V4.1 Flash planında, BroadNet’in belgelerine göre görseller planın sınırsız kullanımına dahildir. Görsel ve sayfa başına token hesabı [görsel başına görü LLM’i maliyeti](https://broadrouter.com/tr/blog/cheapest-vision-llm-api/) yazısında ayrıntılı olarak yapılıyor.

## Klasik OCR hâlâ ne zaman kazanır?

-   **Uzun taranmış kitaplar ve arşivler**; birkaç alan değil, arama için her kelime gerektiğinde.
-   **Katı tekrarlanabilirlik**; aynı girdinin her zaman aynı metni üretmesi gerektiğinde.
-   **Ağ olmadan çevrimdışı ya da cihaz üzerinde** işleme.

[Tesseract](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html) gibi açık kaynak motorlar Arapça (`ara`) eğitilmiş veri listeler ve çevrimdışı çalışır. Karma bir yaklaşım da iyi çalışır: aranabilir metin için sayfayı OCR’dan geçirin, üzerinde işlem yapacağınız alanlar için görseli bir görü LLM’ine gönderin. Hangi bulut OCR API’lerinin basılı ve el yazısı Arapçayı listelediği ve her birinin 1.000 sayfa başına maliyeti [Arapça OCR API karşılaştırmasında](https://broadrouter.com/tr/blog/arabic-ocr-api-comparison/).

## Gizlilik

Faturalar ve kimlikler adlar, vergi numaraları ve banka bilgileri içerir. BroadNet Inference görselleri, istemleri ya da yanıtları istekten sonra saklamaz; bkz. [sıfır veri saklama](https://broadrouter.com/tr/privacy/). Aynı kuralı kendi depolamanıza uygulayın: ihtiyacınız olan çıkarılmış alanları tutun ve artık saklamanız gerekmeyen görselleri silin.

Bu konu için ücretsiz araçlar (İngilizce)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Ücretsiz araçlar (İngilizce)](https://broadrouter.com/tools/)

## Bu yazıdaki terimler

[Optik karakter tanıma (OCR)](https://broadrouter.com/tr/glossary/ocr/)

Optik karakter tanıma (OCR), bir görsel, tarama veya PDF içindeki basılı ya da el yazısı metni tespit edip makinenin okuyabileceği karakterlere dönüştüren teknolojidir. Klasik OCR metni ve sayfadaki konumunu verir; görsel-dil modelleri ise metni okuyup onunla ilgili soruları doğrudan yanıtlayabilir.

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

Token, bir dil modelinin okuduğu ve yazdığı metin birimidir: modelin tokenizer'ının ürettiği bir kelime, kelime parçası, noktalama işareti veya bayt dizisi. LLM API'leri kullanımı token cinsinden sayar, sınırlar ve genellikle faturalandırır.

[Halüsinasyon (yapay zeka halüsinasyonu)](https://broadrouter.com/tr/glossary/hallucination/)

Halüsinasyon, bir dil modelinin kulağa makul gelen ama yanlış, uydurma ya da kendisine verilen girdiyle desteklenmeyen çıktısıdır; örneğin uydurma bir kaynak, yanlış bir sayı veya var olmayan bir API. Modelin gerçekleri kontrol etmek yerine olası metni tahmin etmesinden kaynaklanır.

[Akıl yürütme token'ları (reasoning tokens)](https://broadrouter.com/tr/glossary/reasoning-tokens/)

Akıl yürütme token'ları, bir akıl yürütme modelinin görünür yanıtını yazmadan önce problemi çözmek için ürettiği token'lardır. Genellikle çıktı token'ı olarak faturalandırılır, çıktı sınırına ve bağlam penceresine sayılır; API tarafından gizlenebilir veya özetlenebilir.

[Araç çağırma (tool calling)](https://broadrouter.com/tr/glossary/tool-calling/)

Araç çağırma (tool calling), fonksiyon çağırma (function calling) olarak da bilinir; modelin, geliştiricinin tanımladığı bir fonksiyonu çalıştırmak için JSON argümanlı yapılandırılmış bir istek döndürdüğü bir LLM API özelliğidir. Fonksiyonu uygulama çalıştırır ve sonucu geri gönderir; model hiçbir zaman kodu kendisi çalıştırmaz.

[Girdi ve çıktı token'ları](https://broadrouter.com/tr/glossary/input-and-output-tokens/)

Girdi token'ları, bir dil modelinin istekte okuduğu token'lardır: sistem istemi, konuşma geçmişi, araç tanımları ve görseller dahil. Çıktı token'ları ise modelin yanıt olarak ürettikleridir, akıl yürütme dahil. LLM API'leri bunları genellikle ayrı fiyatlandırır ve çıktı genellikle daha pahalıdır.

[Kullandıkça öde (pay-as-you-go)](https://broadrouter.com/tr/glossary/pay-as-you-go/)

Kullandıkça öde, abonelik veya asgari taahhüt olmadan yalnızca kullandığınız kadar ödediğiniz, token, istek veya ses dakikası gibi birimler üzerinden ölçülen bir fiyatlandırma modelidir. LLM API'lerinin çoğu bu şekilde, ön ödemeli bir bakiyeden veya dönemsel faturayla ücretlendirir.

[Sıfır veri saklama (ZDR)](https://broadrouter.com/tr/glossary/zero-data-retention/)

Sıfır veri saklama (ZDR), bir yapay zeka sağlayıcısının istemleri ve çıktıları yalnızca isteği karşılamak için işlediği ve bu içeriği sonrasında loglarda, önbelleklerde veya eğitim verilerinde saklamadığı bir veri işleme politikasıdır. Token sayıları ve süreler gibi içerik barındırmayan kayıtlar genellikle yine tutulur.

## Sık sorulan sorular

### Arapça için görü LLM'i OCR'dan daha mı doğru?

Belgeye bağlı. Görü LLM'leri genellikle düzeni anlamada ve faturalar ile fişlerden adlandırılmış alanları çekmede daha iyidir. Özel OCR, uzun ve temiz basılı sayfalarda daha öngörülebilir olabilir. İkisini de belgelerinizden bir örneklemde test edin.

### Görü LLM'leri Arapça el yazısını okuyabilir mi?

Bazen, net el yazısında. Bitişik ya da aceleyle yazılmış metinde doğruluk hızla düşer. Düşük güvenli el yazısı alanlarını bir insan inceleyiciye yönlendirin.

### Görsel okumak için en ucuz BroadNet modeli hangisi?

BroadNet Gemma 4 VL 26B; 1M girdi token'ı başına $0.10. Ücretsiz başlangıç kredisiyle ve sabit fiyatlı saatlik anahtarla da çalışır.

### Doğu Arap rakamlarını Batı rakamlarına nasıl dönüştürürüm?

Modelden Batı rakamları döndürmesini isteyin, sonra bunu kodda zorunlu kılın. Python'da text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")) gözden kaçan Doğu Arap rakamlarını dönüştürür. Fars rakamları (۰–۹) farklı kod noktaları kullanır; belgeleriniz İran ya da Afganistan'dan geliyorsa onları da ekleyin.

### Model Arapça etiketleri İngilizceye çevirebilir mi?

Evet. İngilizce anahtarlar isteyin ve özgün Arapça değerleri koruyun ya da ikisini birden isteyin. Harf aktarımı hatalarından kaçınmak için adları özgün yazıda tutun.

## Okumaya devam edin

-   [Fatura, fiş ve formlardan görsel LLM ile JSON veri çıkarma](https://broadrouter.com/tr/blog/extract-data-from-documents-with-vision-llm/)
-   [En ucuz görsel LLM API: görsel ve sayfa başına maliyet hesabı](https://broadrouter.com/tr/blog/cheapest-vision-llm-api/)
-   [Arapça için LLM API seçimi: neler test edilmeli?](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/)
-   [JSON modu ve json\_schema: sağlam yapılandırılmış çıktı](https://broadrouter.com/tr/blog/structured-output-json-schema/)
-   [LLM ile Arapça metne hareke ekleme: istem, kontrol, DER](https://broadrouter.com/tr/blog/arabic-diacritization-llm/)
-   [LLM ile Arapça dil bilgisi ve yazım düzeltme: adım adım](https://broadrouter.com/tr/blog/arabic-grammar-spelling-correction-llm/)
-   [Rehber: Arapça faturaları ve fişleri bir görü modeliyle okuyun](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/)
-   [Rehber: Akıl yürüten model neden boş yanıt döndürür?](https://broadrouter.com/tr/guides/reasoning-tokens-empty-response/)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-ocr-vision-llm&utm_content=page-cta) ·

**Kaynaklar**

-   [BroadNet Inference API başvurusu: görselle sohbet, planlarda görseller (erişim tarihi 2026-11-14) (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [BroadNet Inference makine tarafından okunabilir fiyatlar, pricing.json (erişim tarihi 2026-11-14) (İngilizce)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [Tesseract belgeleri, Arapça dahil dillere göre eğitilmiş veri dosyaları (erişim tarihi 2026-11-14)](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html)
-   [Unicode Standard Annex #9, Unicode Çift Yönlü Algoritması (erişim tarihi 2026-11-14)](https://www.unicode.org/reports/tr9/)
