---
title: "وژن LLM API سے عربی انوائس کا ڈیٹا نکالیں | BroadRouter"
description: "انوائس یا رسید کی تصویر BroadNet Inference کے وژن ماڈل کو بھیجیں اور کل رقم، تاریخ اور فروخت کنندہ JSON میں حاصل کریں، سوال عربی یا انگریزی میں پوچھیں۔"
url: https://broadrouter.com/ur/guides/read-arabic-invoices-with-vision/
lang: ur
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (اپ ڈیٹ: 2026-11-16).

# وژن ماڈل سے عربی انوائسز اور رسیدیں پڑھیں

اپ ڈیٹ 2026-11-16

امیج کو base64 data URL کے طور پر میسج کے مواد میں broadnet/qwen3.8-27b یا broadnet/gemma-4-26b-a4b جیسے وژن ماڈل کو بھیجیں، اور جو فیلڈز چاہییں انہیں JSON میں مانگیں۔ MIME type درست رکھیں۔ استعمال کے مطابق ادائیگی پر امیج ان پٹ ٹوکنز کے طور پر گنی جاتی ہے؛ بڑی امیجز زیادہ ٹوکن لیتی ہیں۔

BroadNet Inference پر تین چیٹ ماڈلز امیجز لیتے ہیں: DeepSeek V4.1 Flash، Qwen3.8 27B اور BroadNet Gemma 4 VL 26B۔ GLM 5.3 صرف ٹیکسٹ لیتا ہے۔ عربی دستاویزات کے لیے Qwen3.8 27B وہ ماڈل ہے جسے BroadNet نے عربی میں ٹیسٹ کیا ہے: رواں تحریر، خلیجی اور مصری لہجوں کی سمجھ، اور درست عربی–انگریزی ترجمہ۔ Gemma 4 VL 26B، BroadNet پر ان تینوں میں سب سے سستا ہے اور مفت کریڈٹ پر چلتا ہے۔

## ایک انوائس کے بارے میں سوال پوچھیں

```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)
```

سوال عربی میں پوچھتا ہے: “اس انوائس میں کل رقم کتنی ہے؟” PNG فائلوں کے لیے data URL میں `image/png` استعمال کریں: MIME type ملنا چاہیے۔ فائل کے نام سے اسے سیٹ کرنے کے لیے:

```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()
```

## اسٹرکچرڈ فیلڈز واپس حاصل کریں

JSON مانگیں اور واضح بتائیں کہ کون سی keys چاہییں:

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

Qwen3.8 27B جواب دینے سے پہلے ریزننگ کرتا ہے، اس لیے اسے گنجائش دیں۔ [ریزننگ ماڈلز خالی جوابات کیوں دیتے ہیں](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)، یہاں پڑھیں۔ BroadNet کی دستاویزات Qwen3.8 27B کے لیے اسٹرکچرڈ آؤٹ پٹ درج کرتی ہیں؛ JSON schemas عموماً کیسے کام کرتے ہیں، اس کے لیے [اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/glossary/structured-output/) دیکھیں۔ جواب کو `json.loads` سے پارس کریں اور محفوظ کرنے سے پہلے فیلڈز جانچ لیں۔

## لاگت

استعمال کے مطابق ادائیگی پر امیج کا بل ماڈل کی ان پٹ قیمت پر ان پٹ ٹوکنز کے طور پر بنتا ہے، اس لیے بہت بڑی تصاویر پہلے چھوٹی کر لیں؛ [امیج ٹوکن کیلکولیٹر](https://broadrouter.com/tools/image-token-calculator/) بتاتا ہے کہ کسی سائز پر کتنے ٹوکن لگتے ہیں۔ [DeepSeek V4.1 Flash کے لامحدود پلان](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/) پر امیجز بھی لامحدود استعمال کا حصہ ہیں۔

[وژن ماڈلز کی قیمتوں کا موازنہ کریں](https://broadrouter.com/ur/pricing/)، یا [عربی OCR API کے موازنے](https://broadrouter.com/ur/blog/arabic-ocr-api-comparison/) میں دیکھیں کہ وژن ماڈل، Google، Azure، Textract اور Mistral OCR کے مقابلے میں کیسا ہے۔

## مسائل کا حل

-   **Qwen3.8 27B یا DeepSeek V4.1 Flash سے خالی جواب۔** ریزننگ نے `max_tokens` ختم کر دیے۔ اسے بڑھائیں یا `reasoning_effort` کو `low` پر سیٹ کریں۔
-   **امیج پر 400 یا 422۔** جانچیں کہ data URL، `data:image/jpeg;base64,` یا `data:image/png;base64,` سے شروع ہوتا ہے اور MIME type فائل سے ملتا ہے۔
-   **ماڈل پر 403 یا ایرر۔** GLM 5.3 امیجز نہیں لیتا، اور Qwen3.8 27B اور DeepSeek V4.1 Flash کے لیے ٹاپ اپ چاہیے۔ مفت کریڈٹ پر BroadNet Gemma 4 VL 26B استعمال کریں۔
-   **درخواست بہت بڑی یا کانٹیکسٹ ایررز۔** بڑی تصویر بہت ٹوکن لیتی ہے، اور تینوں میں Gemma 4 VL 26B کی کانٹیکسٹ ونڈو سب سے چھوٹی ہے (pricing.json میں درج)۔ امیج کو مناسب چوڑائی تک چھوٹا کریں یا صرف ٹوٹل والا حصہ کراپ کریں۔
-   **غلط ٹوٹل یا ہندسے آپس میں بدلے ہوئے۔** ایک ہی رسید پر عربی-ہندی ہندسے (٠١٢٣) اور لاطینی ہندسے دونوں ہو سکتے ہیں۔ ماڈل سے کہیں کہ اعداد لاطینی ہندسوں میں لوٹائے، اور اپنے کوڈ میں ٹوٹل کو لائن آئٹمز سے ملا کر جانچیں۔
-   **غلط JSON۔** “JSON only” مانگیں، پارس کرنے سے پہلے کوئی بھی code fence ہٹا دیں، اور پارسنگ ناکام ہو تو ایک بار دوبارہ کوشش کریں۔

_[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.

## اس گائیڈ کی اصطلاحات

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[OCR (optical character recognition)](https://broadrouter.com/ur/glossary/ocr/)

OCR (optical character recognition) وہ ٹیکنالوجی ہے جو کسی تصویر، اسکین یا PDF میں چھپے یا ہاتھ سے لکھے متن کو پہچان کر مشین کے پڑھنے کے قابل حروف میں بدلتی ہے۔ روایتی OCR متن اور صفحے پر اس کی جگہ دیتا ہے؛ vision-language ماڈل متن پڑھ کر اس کے بارے میں براہِ راست سوالوں کے جواب دے سکتے ہیں۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[پری پیڈ کریڈٹ (prepaid credit)](https://broadrouter.com/ur/glossary/prepaid-credit/)

پری پیڈ کریڈٹ وہ رقم ہے جو استعمال سے پہلے API اکاؤنٹ میں ڈالی جاتی ہے۔ ہر درخواست کی لاگت بیلنس سے کٹتی ہے، اور بیلنس ختم ہونے پر میٹر والی درخواستیں تب تک رک جاتی ہیں جب تک آپ ٹاپ اپ نہ کریں۔ اس سے خرچ اتنا ہی رہتا ہے جتنا آپ نے جمع کیا ہے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[کانٹیکسٹ ونڈو (context window)](https://broadrouter.com/ur/glossary/context-window/)

کانٹیکسٹ ونڈو ٹوکنز کی وہ زیادہ سے زیادہ تعداد ہے جس کے ساتھ لینگویج ماڈل ایک درخواست میں کام کر سکتا ہے۔ اس میں پرامپٹ، گفتگو کی تاریخ، ٹول ڈیفینیشنز، تصاویر اور بننے والا آؤٹ پٹ، ریزننگ ٹوکنز سمیت، سب شامل ہیں۔ جو اس میں نہ سمائے اسے کاٹنا، خلاصہ کرنا یا کئی درخواستوں میں بانٹنا پڑتا ہے۔

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

JSON Schema، JSON میں لکھی ایک لغت ہے جو JSON ڈیٹا کی ساخت بیان کرتی اور جانچتی ہے: ٹائپس، لازمی فیلڈز، قابلِ قبول قدریں اور نیسٹنگ۔ موجودہ ورژن 2020-12 ہے۔ LLM APIs اس سے ٹول پیرامیٹرز طے کرتے ہیں، اور وہ عین شکل بھی جس کی اسٹرکچرڈ آؤٹ پٹ کو پابندی کرنی ہے۔

## عام سوالات

### BroadNet کے کون سے ماڈلز امیجز پڑھ سکتے ہیں؟

DeepSeek V4.1 Flash، Qwen3.8 27B اور BroadNet Gemma 4 VL 26B چیٹ کمپلیشنز کے ذریعے امیجز لیتے ہیں۔ GLM 5.3 صرف ٹیکسٹ لیتا ہے، اور ٹرانسکرپشن ماڈلز آڈیو لیتے ہیں۔

### وژن LLM API کو لوکل امیج فائل کیسے بھیجوں؟

فائل پڑھیں، اسے base64 میں انکوڈ کریں اور image\_url کنٹینٹ پارٹ میں data URL کے طور پر رکھیں، جیسے data:image/jpeg;base64, اور اس کے بعد انکوڈ کیے گئے bytes۔ URL میں MIME type فائل سے ملنا چاہیے۔

### کیا میں مفت کریڈٹ پر انوائس کا ڈیٹا نکال سکتا ہوں؟

ہاں، BroadNet Gemma 4 VL 26B سے، جو مفت ابتدائی کریڈٹ پر چلتا ہے۔ Qwen3.8 27B اور DeepSeek V4.1 Flash ٹاپ اپ کے بعد کھلتے ہیں۔

### کیا میں PDF انوائس بھیج سکتا ہوں؟

BroadNet کی دستاویزات data URL کے طور پر بھیجی گئی امیجز بیان کرتی ہیں، PDF فائلیں نہیں۔ پہلے ہر PDF صفحے کو JPEG یا PNG میں رینڈر کریں، مثلاً pdftoppm سے، اور صفحات کو امیجز کے طور پر بھیجیں۔

## متعلقہ گائیڈز

-   [عربی speech-to-text API، قدم بہ قدم](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/)
-   [BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)
-   [ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [BroadNet Inference API ریفرنس، امیج کے ساتھ چیٹ (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [BroadNet Inference پرائسنگ (Qwen3.8 27B کے عربی ٹیسٹ نوٹس) (انگریزی میں)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [modalities اور کانٹیکسٹ کی لمبائی کے ساتھ مشین ریڈایبل ماڈل لسٹ (pricing.json) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-read-arabic-invoices-with-vision&utm_content=sources)
