---
title: "Trích xuất dữ liệu hóa đơn tiếng Ả Rập bằng API vision LLM"
description: "Gửi ảnh hóa đơn hoặc biên lai tới model thị giác trên BroadNet Inference và nhận lại tổng tiền, ngày và nhà cung cấp dạng JSON, hỏi bằng tiếng Ả Rập hoặc tiếng Anh."
url: https://broadrouter.com/vi/guides/read-arabic-invoices-with-vision/
lang: vi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (cập nhật ngày 2026-11-16).

# Đọc hóa đơn và biên lai tiếng Ả Rập bằng model thị giác

Cập nhật 2026-11-16

Gửi ảnh dưới dạng data URL base64 trong nội dung message tới một model thị giác như broadnet/qwen3.8-27b hoặc broadnet/gemma-4-26b-a4b, và yêu cầu các trường bạn cần dưới dạng JSON. Hãy ghi đúng MIME type. Với gói trả theo mức dùng, mỗi ảnh được tính là token đầu vào; ảnh càng lớn càng tốn nhiều token.

Ba model chat trên BroadNet Inference nhận hình ảnh: DeepSeek V4.1 Flash, Qwen3.8 27B và BroadNet Gemma 4 VL 26B. GLM 5.3 chỉ xử lý văn bản. Với tài liệu tiếng Ả Rập, Qwen3.8 27B là model BroadNet đã thử nghiệm bằng tiếng Ả Rập: viết trôi chảy, hiểu phương ngữ vùng Vịnh và Ai Cập, dịch Ả Rập–Anh chính xác. Gemma 4 VL 26B rẻ nhất trong ba model trên BroadNet và chạy được bằng tín dụng miễn phí.

## Hỏi về một hóa đơn

```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)
```

Câu hỏi trên có nghĩa là “Tổng số tiền trên hóa đơn này là bao nhiêu?” bằng tiếng Ả Rập. Với file PNG, hãy dùng `image/png` trong data URL: MIME type phải khớp. Để lấy nó từ tên file:

```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()
```

## Nhận lại các trường có cấu trúc

Yêu cầu trả về JSON và nói rõ chính xác bạn muốn những key nào:

```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 suy luận trước khi trả lời, nên hãy chừa chỗ cho nó. Xem [vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/). Tài liệu BroadNet ghi hỗ trợ đầu ra có cấu trúc cho Qwen3.8 27B; xem [đầu ra có cấu trúc](https://broadrouter.com/vi/glossary/structured-output/) để biết JSON schema hoạt động thế nào nói chung. Phân tích câu trả lời bằng `json.loads` và kiểm tra các trường trước khi lưu.

## Chi phí

Với gói trả theo mức dùng, một ảnh được tính phí như token đầu vào theo giá đầu vào của model, nên hãy thu nhỏ ảnh rất lớn trước; [công cụ tính token ảnh](https://broadrouter.com/tools/image-token-calculator/) cho biết một kích thước nhất định tốn bao nhiêu token. Trên [gói DeepSeek V4.1 Flash không giới hạn](https://broadrouter.com/vi/guides/unlimited-llm-api-sessions/), hình ảnh nằm trong phần sử dụng không giới hạn.

[So sánh giá các model thị giác](https://broadrouter.com/vi/pricing/), hoặc xem model thị giác so với Google, Azure, Textract và Mistral OCR ra sao trong [bài so sánh API OCR tiếng Ả Rập](https://broadrouter.com/vi/blog/arabic-ocr-api-comparison/).

## Xử lý sự cố

-   **Câu trả lời rỗng từ Qwen3.8 27B hoặc DeepSeek V4.1 Flash.** Phần suy luận đã dùng hết `max_tokens`. Hãy tăng giá trị này hoặc đặt `reasoning_effort` là `low`.
-   **400 hoặc 422 với hình ảnh.** Kiểm tra data URL bắt đầu bằng `data:image/jpeg;base64,` hoặc `data:image/png;base64,` và MIME type khớp với file.
-   **403 hoặc lỗi về model.** GLM 5.3 không nhận hình ảnh, còn Qwen3.8 27B và DeepSeek V4.1 Flash cần nạp tiền. Hãy dùng BroadNet Gemma 4 VL 26B với tín dụng miễn phí.
-   **Request quá lớn hoặc lỗi context.** Ảnh lớn tốn nhiều token, và Gemma 4 VL 26B có cửa sổ context nhỏ nhất trong ba model (ghi trong pricing.json). Hãy thu nhỏ về độ rộng hợp lý hoặc cắt lấy vùng ghi tổng tiền.
-   **Tổng tiền sai hoặc chữ số bị đảo.** Chữ số Ả Rập-Ấn (٠١٢٣) và chữ số Latin có thể cùng xuất hiện trên một biên lai. Hãy yêu cầu model trả về số bằng chữ số Latin, và đối chiếu tổng tiền với các dòng hàng trong code của bạn.
-   **JSON không hợp lệ.** Yêu cầu “JSON only” (Bản dịch: chỉ JSON), bỏ mọi code fence trước khi phân tích, và thử lại một lần nếu phân tích thất bại.

_[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.

## Thuật ngữ trong hướng dẫn này

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

Token là đơn vị văn bản mà model ngôn ngữ đọc và viết: một từ, một phần của từ, một dấu câu hoặc một chuỗi byte do tokenizer của model tạo ra. API LLM đếm, giới hạn và thường tính phí theo token.

[Đầu ra có cấu trúc (structured output)](https://broadrouter.com/vi/glossary/structured-output/)

Đầu ra có cấu trúc (structured output) là tính năng của API LLM buộc câu trả lời của model theo định dạng do lập trình viên chỉ định, thường là JSON Schema, để code parse được tin cậy. Nó chặt hơn JSON mode, vốn chỉ đảm bảo JSON hợp lệ chứ không đảm bảo một cấu trúc cụ thể.

[Nhận dạng ký tự quang học (OCR)](https://broadrouter.com/vi/glossary/ocr/)

Nhận dạng ký tự quang học (OCR) là công nghệ phát hiện chữ in hoặc chữ viết tay trong ảnh, bản scan hay PDF và chuyển thành ký tự máy đọc được. OCR cổ điển trả về văn bản và vị trí trên trang; vision-language model có thể đọc chữ và trả lời câu hỏi về nó ngay.

[Vision-language model (VLM, mô hình thị giác-ngôn ngữ)](https://broadrouter.com/vi/glossary/vision-language-model/)

Vision-language model (VLM) là model nhận đầu vào gồm cả ảnh và văn bản rồi tạo ra văn bản, nhờ đó có thể mô tả hình ảnh, trả lời câu hỏi về ảnh và đọc tài liệu, biểu đồ hay ảnh chụp màn hình. VLM còn được gọi là model image-text-to-text hoặc model đa phương thức.

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

JSON Schema là một bộ từ vựng viết bằng JSON để mô tả và kiểm tra cấu trúc dữ liệu JSON: kiểu, trường bắt buộc, giá trị cho phép và cách lồng nhau. Phiên bản hiện tại là 2020-12. Các API LLM dùng nó để định nghĩa tham số tool và cấu trúc chính xác mà structured output phải theo.

[Token đầu vào và đầu ra (input and output tokens)](https://broadrouter.com/vi/glossary/input-and-output-tokens/)

Token đầu vào là token mà model ngôn ngữ đọc trong một request, gồm system prompt, lịch sử hội thoại, định nghĩa tool và hình ảnh. Token đầu ra là token nó sinh ra để trả lời, kể cả phần suy luận. API LLM thường tính giá riêng cho hai loại, và đầu ra thường đắt hơn.

[Tool calling (gọi tool, function calling)](https://broadrouter.com/vi/glossary/tool-calling/)

Tool calling, còn gọi là function calling, là tính năng của API LLM trong đó model trả về một yêu cầu có cấu trúc để chạy một hàm do nhà phát triển định nghĩa, kèm đối số JSON. Ứng dụng chạy hàm rồi gửi kết quả lại; model không bao giờ tự chạy code.

[Trả theo mức dùng (pay-as-you-go)](https://broadrouter.com/vi/glossary/pay-as-you-go/)

Trả theo mức dùng (pay-as-you-go) là mô hình giá mà bạn chỉ trả cho những gì đã dùng, đo theo đơn vị như token, request hoặc phút âm thanh, không có gói đăng ký hay cam kết tối thiểu. Hầu hết API LLM tính phí theo cách này, trừ vào số dư trả trước hoặc qua hóa đơn định kỳ.

## Câu hỏi thường gặp

### Những model BroadNet nào đọc được hình ảnh?

DeepSeek V4.1 Flash, Qwen3.8 27B và BroadNet Gemma 4 VL 26B nhận hình ảnh qua chat completions. GLM 5.3 chỉ xử lý văn bản, còn các model chép lời nhận âm thanh.

### Làm sao gửi một file ảnh cục bộ tới API vision LLM?

Đọc file, mã hóa base64 rồi đặt vào một phần nội dung image\_url dưới dạng data URL, như data:image/jpeg;base64, theo sau là các byte đã mã hóa. MIME type trong URL phải khớp với file.

### Có thể trích xuất dữ liệu hóa đơn bằng tín dụng miễn phí không?

Có, với BroadNet Gemma 4 VL 26B, model chạy được bằng tín dụng ban đầu miễn phí. Qwen3.8 27B và DeepSeek V4.1 Flash mở sau khi nạp tiền.

### Có gửi được hóa đơn PDF không?

Tài liệu BroadNet mô tả việc gửi hình ảnh dưới dạng data URL, không phải file PDF. Hãy chuyển từng trang PDF thành JPEG hoặc PNG trước, ví dụ bằng pdftoppm, rồi gửi các trang đó dưới dạng hình ảnh.

## Hướng dẫn liên quan

-   [API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước](https://broadrouter.com/vi/guides/arabic-speech-to-text-api/)
-   [Dùng OpenAI Python SDK với BroadNet Inference](https://broadrouter.com/vi/guides/openai-python-sdk/)
-   [Vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

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

**Nguồn**

-   [Tài liệu tham chiếu API BroadNet Inference, chat kèm hình ảnh (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Bảng giá BroadNet Inference (ghi chú thử nghiệm tiếng Ả Rập của Qwen3.8 27B) (tiếng Anh)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Danh sách model dạng máy đọc được, kèm modality và độ dài context (pricing.json) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-guides-read-arabic-invoices-with-vision&utm_content=sources)
