Busque “API de OCR para árabe” y la mayoría de los resultados son sitios de clasificaciones que no dicen de dónde salen sus puntuaciones. Esta página hace el trabajo más concreto que necesita un comprador. Para cada API, muestra lo que dice sobre el árabe la documentación del propio proveedor, lo que devuelve la API y lo que cuesta una página. Cada cifra se leyó en la página del proveedor el 15 de noviembre de 2026. BroadRouter es el sitio web de BroadNet, y BroadNet vende una de las opciones de abajo (LLM de visión, no OCR), así que indicamos dónde son mejores las demás.
Si todavía está decidiendo, en principio, entre OCR y un LLM de visión, empiece por OCR para árabe frente a LLM de visión. Explica por qué la escritura ligada, los puntos y las líneas con direcciones mezcladas hacen difícil el árabe. Este artículo da eso por sabido y se centra en elegir proveedor.
¿Qué API de OCR admiten oficialmente el árabe?
| API | Texto impreso en árabe | Escritura manuscrita árabe | Qué devuelve |
|---|---|---|---|
Google Cloud Vision (DOCUMENT_TEXT_DETECTION) |
Sí, ar, como árabe estándar moderno |
No figura (el alfabeto árabe no está en la tabla de manuscritos) | Texto con información de página, bloque, párrafo, palabra y salto |
Azure AI Document Intelligence, Read (prebuilt-read) |
Sí, ar |
Sí, en v4.0 (no en v3.1) | Texto impreso y manuscrito |
Azure AI Document Intelligence, Layout (prebuilt-layout) |
Sí, ar |
Sí, en v4.0 | Texto, tablas, estructura del documento y marcas de selección |
| Factura y recibo precompilados de Azure | La factura incluye el árabe (ar); los recibos térmicos incluyen el árabe |
n/a | Campos con nombre de facturas y recibos |
| Amazon Textract (Detect Document Text) | Sí, entre más de 40 idiomas | No: “handwriting … in English only” (Traducción: escritura manuscrita… solo en inglés) | Palabras y líneas, cada una con su cuadro delimitador y puntuación de confianza |
Mistral OCR (mistral-ocr-latest) |
Sí, en la lista de idiomas de Oriente Medio | No se indica | Markdown por página más campos JSON: tablas, imágenes, encabezados, pies de página, bloques, puntuaciones de confianza |
| LLM de visión (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash en BroadNet) | Lee imágenes en árabe; no es un motor de OCR | No documentado | Lo que usted pida: texto, campos, JSON, una traducción |
Dos detalles importan más que las columnas de sí/no:
- Las limitaciones de Textract van más allá de la escritura manuscrita. Sus preguntas frecuentes dicen: “Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.” (Traducción: «El procesamiento de escritura manuscrita, facturas y recibos, documentos de identidad y Queries solo está disponible en inglés».) Con documentos en árabe, Textract le da texto y posiciones, no campos de factura.
- La escritura manuscrita árabe de Azure es nueva en v4.0. La tabla de manuscritos de v3.1 no incluye el árabe. Fije la versión de la API con la que hace las pruebas.
La página de idiomas de Mistral dice que su lista refleja “languages with strong expected performance” (Traducción: «idiomas con un buen rendimiento esperado»), lo cual es una afirmación del proveedor, no una puntuación medida.
¿Cuánto cuesta cada API de OCR para árabe por 1,000 páginas?
Precios en dólares estadounidenses, leídos el 15 de noviembre de 2026 en la fuente de precios de cada proveedor:
| API y función | Cuota gratuita | Precio inicial por 1,000 páginas | Precio a gran volumen |
|---|---|---|---|
| Google Cloud Vision, Document Text Detection | Primeras 1,000 unidades al mes | USD 1.50 (unidades 1,001 a 5,000,000) | USD 0.60 por encima de 5M de unidades al mes |
| Azure Document Intelligence, Read (East US) | 500 páginas al mes en el nivel gratuito | USD 1.50 | USD 0.60 después del primer 1M de páginas |
| Azure Document Intelligence, Layout y modelos precompilados (East US) | El mismo nivel gratuito | USD 10 | Los niveles de compromiso figuran en la página de precios de Azure (los precios se cargan en el navegador; compruebe su región) |
| Amazon Textract, Detect Document Text (US West, Oregon) | 1,000 páginas al mes para nuevos clientes de AWS, durante tres meses | USD 1.50 (primer 1M de páginas al mes) | USD 0.60 después de 1M de páginas |
| Mistral OCR | No se indica | Precio por 1,000 páginas; el importe no está en el HTML estático de la página, así que no pudimos confirmarlo | Mistral dice que el procesamiento por lotes reduce a la mitad los precios de su API |
Google factura cada página de un PDF como una imagen, y cada función como una unidad aparte. Pedir dos funciones en una página cuesta dos unidades. El precio precompilado de Azure cubre layout, factura y recibo. Si necesita campos de factura estructurados de Azure, cuente con la tarifa de USD 10, no con la de USD 1.50 de Read.
¿Cuánto cuesta un LLM de visión por página?
Un LLM de visión no tiene precio por página. En las claves de pago por uso de BroadNet, la documentación dice que una imagen “counts as input tokens at the model’s input price” (Traducción: «cuenta como tokens de entrada al precio de entrada del modelo»), y una imagen más grande usa más tokens. El costo de la página son los tokens de la imagen más su prompt, más la respuesta al precio de salida.
Los tokens de imagen varían según el modelo y la resolución. Gemma 4 usa presupuestos de 70, 140, 280, 560 o 1,120 tokens por imagen, y la documentación de Google recomienda un presupuesto mayor para obtener la mejor precisión en tareas visuales. Como orden de magnitud para planificar, no como medición, tome unos 1,000 tokens de entrada y 300 de salida por página:
| Modelo de BroadNet | Entrada por 1M | Salida por 1M | 1,000 páginas con unos 1M de entrada y 0.3M de salida |
|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 más tres décimas partes de $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 más tres décimas partes de $2.17, más el razonamiento |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 más tres décimas partes de $0.52, más el razonamiento |
Qwen3.8 27B y DeepSeek V4.1 Flash razonan antes de responder, y el razonamiento se factura como salida. Mantenga max_tokens en 1,000 o más, o configure reasoning_effort en low, o la respuesta puede volver vacía (por qué). Mida sus propias páginas: envíe diez, lea usage.prompt_tokens y usage.completion_tokens, y multiplique. La calculadora de tokens de imagen y el costo por imagen de los LLM de visión hacen las cuentas.
La comparación no es de igual a igual. USD 1.50 por 1,000 páginas compra texto sin procesar y posiciones. Una llamada a un LLM de visión puede devolver en la misma solicitud el proveedor, el número de IVA, la fecha y el total en JSON, lo que le ahorra el paso de análisis. Gemma 4 VL 26B, además, está cubierto por el crédito inicial de $5. Qwen3.8 27B y DeepSeek V4.1 Flash requieren una recarga.
¿En qué difieren los detalles de integración?
| Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | LLM de visión de BroadNet | |
|---|---|---|---|---|---|
| Entrada | Imágenes; PDF y TIFF mediante DOCUMENT_TEXT_DETECTION |
Consulte la lista de tipos de archivo del modelo Read | Consulte la lista de tipos de archivo de Textract | image_url (PNG, JPEG, AVIF y más) o document_url (PDF, PPTX, DOCX y más) |
Una imagen por elemento de contenido como URL data:; convierta antes las páginas PDF en imágenes |
| Indicación de idioma | Indicación ar opcional |
Opcional; Microsoft aconseja no fijarla salvo que esté seguro | No se trata en las preguntas frecuentes | No se indica | Diga “el documento está en árabe” en el prompt |
| Campos estructurados | No (solo jerarquía de texto) | Sí, factura y recibo precompilados | Facturas, recibos y Queries solo en inglés | Anotaciones de documento opcionales | Pida JSON; la salida estructurada solo está documentada para Qwen3.8 27B |
| Forma de la API | API de Google Cloud | REST y SDK de Azure | SDK de AWS | /v1/ocr de Mistral |
/v1/chat/completions compatible con OpenAI |
La nota de Microsoft sobre los códigos de idioma merece leerse si sus documentos mezclan árabe e inglés: “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.” (Traducción: «No proporcione el código de idioma como parámetro a menos que esté seguro del idioma… De lo contrario, el servicio puede devolver texto incompleto e incorrecto».)
¿Qué API de OCR para árabe debería elegir?
No hay una única respuesta, y ningún proveedor publica una prueba independiente de precisión en árabe que hayamos podido verificar. Elija primero por la salida y luego pruebe:
- Necesita texto buscable de grandes archivos escaneados. Google Cloud Vision, Azure Read o Textract. Los tres incluyen el texto impreso en árabe al mismo precio inicial. Elija la nube que ya usa para almacenamiento e identidad.
- Necesita árabe manuscrito. Azure Document Intelligence v4.0 es la única API de OCR de esta lista que lo incluye. Pruebe también un LLM de visión con las mismas páginas, ya que ninguno documenta nada sobre escritura manuscrita.
- Necesita campos de facturas en árabe. Compare el modelo de factura precompilado de Azure (USD 10 por 1,000 páginas) con un LLM de visión que devuelva JSON. En BroadNet, Qwen3.8 27B es el modelo con salida estructurada documentada. Leer facturas en árabe con un modelo de visión tiene código funcional.
- Quiere Markdown con tablas para RAG. Mistral OCR devuelve Markdown por página con tablas y bloques. Confirme su precio actual por página en la página de precios de Mistral.
- Necesita campos, traducción y un resumen en una sola llamada. Un LLM de visión. El pipeline, con validación, está en extraer datos de facturas a JSON con un LLM de visión.
¿Cómo se prueban las API de OCR para árabe con sus propios documentos?
- Elija de 50 a 100 páginas reales: PDF limpios, fotos de móvil, recibos térmicos desvaídos, facturas selladas y, si los tiene, formularios manuscritos.
- Transcriba una referencia de los campos que le importan. Mantenga los dígitos arábigo-orientales (٠١٢٣) como aparecen impresos y anótelos por separado.
- Evalúe caracteres y campos por separado. La tasa de error de caracteres muestra la calidad de lectura. La precisión por campo (total, fecha, número de IVA) muestra la calidad para el negocio. Un error de un dígito en un total importa más que diez en un pie de página.
- Compruebe el orden en las líneas mixtas. Una línea como “الإجمالي: 1,250.00 SAR” puede volver con el número antes de la etiqueta. Es un problema de orden bidireccional, no un error de reconocimiento, pero su parser tiene que manejarlo igualmente.
- Valide los números en código, elija lo que elija: las líneas suman el total, el IVA coincide con la tasa y las fechas se pueden interpretar. Envíe los fallos a una cola de revisión humana.
Dónde encaja BroadNet Inference
BroadRouter es el sitio web de BroadNet. BroadNet Inference no vende un motor de OCR. Vende LLM de visión en una única API compatible con OpenAI: Qwen3.8 27B, BroadNet Gemma 4 VL 26B y DeepSeek V4.1 Flash, que aceptan imágenes. Si necesita el texto sin procesar más barato de millones de páginas escaneadas, o escritura manuscrita árabe con posiciones, una API de OCR clásica de las anteriores encaja mejor. BroadNet encaja cuando quiere campos o JSON a partir de documentos en árabe, con cero retención de datos: BroadNet dice que el contenido de inferencia no se conserva. Pruebe Gemma 4 VL 26B con el crédito inicial de $5, o lea la referencia de la API y obtenga una clave.
