搜索“Arabic OCR API”,大多数结果是排名网站,却不说明分数从何而来。本页只做买家需要的那件更具体的事:对每个 API,列出厂商自家文档对阿拉伯语的说明、API 返回什么,以及一页多少钱。每个数字都是 2026 年 11 月 15 日从厂商页面上读取的。BroadRouter 是 BroadNet 的网站,BroadNet 销售下面其中一类选项(视觉大模型,而不是 OCR),所以我们会指出其他选项在哪些方面做得更好。
如果你还在原则上权衡 OCR 和视觉大模型,请先看阿拉伯语 OCR 与视觉大模型。那篇文章解释了为什么连写字形、点和混合方向的行让阿拉伯语变得困难。本文假定你已经了解这些,想要挑选一家厂商。
哪些 OCR API 官方支持阿拉伯语?
| API | 阿拉伯语印刷体 | 阿拉伯语手写体 | 返回内容 |
|---|---|---|---|
Google Cloud Vision(DOCUMENT_TEXT_DETECTION) |
支持,ar,列为现代标准阿拉伯语 |
未列出(手写文字表中没有阿拉伯文字) | 文本,以及页、块、段落、词和换行信息 |
Azure AI Document Intelligence,Read(prebuilt-read) |
支持,ar |
支持,v4.0 起(v3.1 不支持) | 印刷体和手写体文本 |
Azure AI Document Intelligence,Layout(prebuilt-layout) |
支持,ar |
支持,v4.0 起 | 文本、表格、文档结构和选择标记 |
| Azure 预构建发票和收据 | 发票列出了阿拉伯语(ar);热敏收据列出了阿拉伯语 |
不适用 | 命名的发票和收据字段 |
| Amazon Textract(Detect Document Text) | 支持,在 40 多种语言之列 | 不支持:“handwriting … in English only” | 词和行,各带边界框和置信度分数 |
Mistral OCR(mistral-ocr-latest) |
支持,列在中东语言之下 | 未说明 | 每页 Markdown 加 JSON 字段:表格、图像、页眉、页脚、块、置信度分数 |
| 视觉大模型(BroadNet 上的 Qwen3.8 27B、Gemma 4 VL 26B、DeepSeek V4.1 Flash) | 能读取阿拉伯语图像;不是 OCR 引擎 | 文档中没有说明 | 你要求的任何内容:文本、字段、JSON、译文 |
有两个细节比“支持/不支持”两栏更重要:
- **Textract 的限制不止手写体。**它的常见问题写道:“Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.”(译文:手写体、发票和收据、身份证件以及 Queries 处理仅支持英语。)对阿拉伯语文档,Textract 给你的是文本和位置,而不是发票字段。
- **Azure 的阿拉伯语手写体支持是 v4.0 新增的。**v3.1 的手写体表中没有阿拉伯语。请固定你测试所用的 API 版本。
Mistral 的语言页面说,它的列表反映的是“languages with strong expected performance”(译文:预期表现良好的语言),这是厂商的说法,不是测得的分数。
各阿拉伯语 OCR API 每 1,000 页多少钱?
价格以美元计,于 2026 年 11 月 15 日从各厂商的价格来源读取:
| API 与功能 | 免费额度 | 入门价(每 1,000 页) | 大用量价格 |
|---|---|---|---|
| Google Cloud Vision,Document Text Detection | 每月前 1,000 单位 | USD 1.50(第 1,001 至 5,000,000 单位) | 每月超过 500 万单位后 USD 0.60 |
| Azure Document Intelligence,Read(美国东部) | 免费层每月 500 页 | USD 1.50 | 前 100 万页之后 USD 0.60 |
| Azure Document Intelligence,Layout 和预构建模型(美国东部) | 同一免费层 | USD 10 | 承诺用量档位列在 Azure 价格页面上(价格在浏览器中加载;请查看你所在的区域) |
| Amazon Textract,Detect Document Text(美国西部,俄勒冈) | AWS 新客户每月 1,000 页,为期三个月 | USD 1.50(每月前 100 万页) | 100 万页之后 USD 0.60 |
| Mistral OCR | 未说明 | 按每 1,000 页计价;金额不在页面的静态 HTML 中,我们无法确认 | Mistral 表示批处理可让其 API 价格减半 |
Google 把每个 PDF 页按一张图像计费,每项功能单独计为一个单位。在一页上请求两项功能,就要付两个单位。Azure 的预构建价格涵盖版面、发票和收据。如果你需要 Azure 提供结构化发票字段,请按 USD 10 的费率规划,而不是 USD 1.50 的 Read 费率。
视觉大模型每页多少钱?
视觉大模型没有按页的价格。在 BroadNet 按量付费密钥上,文档说明图像“counts as input tokens at the model’s input price”(译文:按模型的输入价格计为输入 token),图像越大,消耗的 token 越多。一页的成本是图像 token 加上你的提示词,再加上按输出价格计费的回答。
图像 token 因模型和分辨率而异。Gemma 4 对每张图像使用 70、140、280、560 或 1,120 token 的预算,Google 的文档建议在视觉任务上使用更高的预算以获得最佳准确率。作为规划用的大致形态(而非测量值),按每页约 1,000 个输入 token 和 300 个输出 token 计算:
| BroadNet 模型 | 每百万输入 | 每百万输出 | 1,000 页,约 100 万输入和 30 万输出 |
|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 加上 $0.22 的十分之三 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 加上 $2.17 的十分之三,另加思考 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 加上 $0.52 的十分之三,另加思考 |
Qwen3.8 27B 和 DeepSeek V4.1 Flash 会先思考再作答,思考内容按输出计费。把 max_tokens 设为 1,000 或更高,或者把 reasoning_effort 设为 low,否则回答可能为空(原因)。请测量你自己的页面:发送十页,读取 usage.prompt_tokens 和 usage.completion_tokens,然后相乘。图像 token 计算器和视觉大模型每张图像的成本可以帮你计算。
这两者并不能直接对等比较。每 1,000 页 USD 1.50 买到的是原始文本和位置。一次视觉大模型调用可以在同一个请求中以 JSON 返回供应商、增值税号、日期和总额,省去了解析这一步。Gemma 4 VL 26B 还可以用 $5 的初始额度支付。Qwen3.8 27B 和 DeepSeek V4.1 Flash 需要充值。
集成细节有哪些不同?
| Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | BroadNet 视觉大模型 | |
|---|---|---|---|---|---|
| 输入 | 图像;PDF 和 TIFF 通过 DOCUMENT_TEXT_DETECTION |
见 Read 模型的文件类型列表 | 见 Textract 的文件类型列表 | image_url(PNG、JPEG、AVIF 等)或 document_url(PDF、PPTX、DOCX 等) |
每个内容项一张图像,以 data: URL 传入;PDF 页先渲染成图像 |
| 语言提示 | 可选 ar 提示 |
可选;Microsoft 建议除非确定,否则不要设置 | 常见问题中未涉及 | 未说明 | 在提示词里写“文档是阿拉伯语” |
| 结构化字段 | 无(只有文本层级) | 有,预构建发票和收据 | 发票、收据和 Queries 仅支持英语 | 可选的文档标注 | 要求 JSON;仅 Qwen3.8 27B 的文档注明支持结构化输出 |
| API 形式 | Google Cloud API | Azure REST 和 SDK | AWS SDK | Mistral /v1/ocr |
OpenAI 兼容的 /v1/chat/completions |
如果你的文档混有阿拉伯语和英语,Microsoft 关于语言代码的说明值得一读:“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.”(译文:除非确定语言,否则不要把语言代码作为参数传入……否则服务可能返回不完整和不正确的文本。)
应该选择哪款阿拉伯语 OCR API?
没有统一答案,也没有一家厂商发布过我们能够核实的独立阿拉伯语准确率测试。先按输出选择,再测试:
- **你需要从大量扫描档案中获得可搜索文本。**Google Cloud Vision、Azure Read 或 Textract。三者都列出了阿拉伯语印刷体,入门价格相同。选择你已经在用于存储和身份认证的那朵云。
- **你需要识别阿拉伯语手写体。**Azure Document Intelligence v4.0 是这里唯一列出它的 OCR API。也用同样的页面测试一下视觉大模型,因为它们的文档都没有说明是否支持手写体。
- **你需要从阿拉伯语发票中提取发票字段。**比较 Azure 的预构建发票模型(每 1,000 页 USD 10)与返回 JSON 的视觉大模型。在 BroadNet 上,Qwen3.8 27B 是文档注明支持结构化输出的模型。用视觉模型读取阿拉伯语发票提供了可运行的代码。
- **你想要带表格的 Markdown 用于 RAG。**Mistral OCR 返回每页 Markdown,含表格和块。请到 Mistral 的价格页面确认其当前每页价格。
- **你需要在一次调用中得到字段、译文和摘要。**用视觉大模型。带校验的流水线见用视觉大模型把发票数据提取为 JSON。
如何用你自己的文档测试阿拉伯语 OCR API?
- 挑选 50 到 100 页真实文档:干净的 PDF、手机拍摄的照片、褪色的热敏收据、盖章的发票,如果有的话再加上手写表单。
- **为你关心的字段录入标准答案。**东阿拉伯数字(٠١٢٣)按印刷的样子保留,并单独注明。
- 分别为字符和字段打分。字符错误率反映识别质量,字段准确率(总额、日期、增值税号)反映业务质量。总额里错一位数字,比页脚里错十处更要紧。
- **检查混合行的顺序。**像“الإجمالي: 1,250.00 SAR”这样的一行,返回时数字可能排在标签前面。这是双向文本的顺序问题,不是识别错误,但你的解析器仍然得能应付。
- **无论选哪个,都用代码校验数字:**明细行之和等于总额,增值税与税率相符,日期能被正确解析。校验失败的送入人工审核队列。
BroadNet Inference 的定位
BroadRouter 是 BroadNet 的网站。BroadNet Inference 不销售 OCR 引擎,它在一个 OpenAI 兼容 API 上提供视觉大模型:Qwen3.8 27B、BroadNet Gemma 4 VL 26B 和 DeepSeek V4.1 Flash,全都接受图像。如果你需要从数百万页扫描件中以最低成本获得原始文本,或者需要带位置信息的阿拉伯语手写体识别,上面列出的传统 OCR API 更合适。当你需要从阿拉伯语文档中获得字段或 JSON,并且需要零数据保留时,BroadNet 就很合适:BroadNet 表示不保留推理内容。可以用 $5 的初始额度试用 Gemma 4 VL 26B,或者阅读 API 参考并获取密钥。
