---
title: "वीज़न LLM से इनवॉइस का डेटा JSON में निकालें | BroadRouter"
description: "इनवॉइस, रसीद और फ़ॉर्म के लिए प्रोडक्शन पाइपलाइन: इमेज की तैयारी, JSON स्कीमा वाला प्रॉम्प्ट, Pydantic validation, जोड़ की जाँच, retry और ह्यूमन रिव्यू क्यू।"
url: https://broadrouter.com/hi/blog/extract-data-from-documents-with-vision-llm/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/extract-data-from-documents-with-vision-llm/) (2026-11-14 को अपडेट किया गया).

# वीज़न LLM से इनवॉइस, रसीद और फ़ॉर्म का डेटा JSON में निकालें

BroadNet Inference टीम · 4 मिनट में पढ़ें · प्रकाशित 2026-11-14

हर पेज को इमेज में बदलें, उसे ऐसे प्रॉम्प्ट के साथ वीज़न मॉडल को भेजें जो हर फ़ील्ड और उसका फ़ॉर्मैट बताए, और सिर्फ़ JSON माँगें। फिर कोड में जाँचें: parse करें, स्कीमा जाँचें, देखें कि लाइन आइटम जुड़कर कुल रक़म बनते हैं, और एरर के साथ एक बार retry करें। बार-बार फ़ेल होने वाले दस्तावेज़ किसी व्यक्ति को भेजें।

## मुख्य बातें

-   मॉडल पढ़ता है; फ़ैसला आपका कोड करता है। स्कीमा और जोड़ की जाँच के बिना निकाला गया डेटा कभी लेजर में न लिखें।
-   प्रॉम्प्ट में हर फ़ील्ड, उसका टाइप और फ़ॉर्मैट बताएँ, और यह भी कि फ़ील्ड न मिले तो क्या लौटाना है (null, कभी अंदाज़ा नहीं)।
-   जोड़ की जाँच ज़्यादातर ग़लत पढ़ाई पकड़ लेती है: लाइन टोटल जुड़कर subtotal बनने चाहिए, और subtotal और टैक्स मिलकर total।
-   प्रॉम्प्ट में validation एरर के साथ एक बार retry करें; बार-बार फ़ेल होने वाले को ह्यूमन क्यू में भेजें।
-   उपयोग के अनुसार भुगतान पर इमेज का बिल इनपुट टोकन के रूप में बनता है और बड़ी इमेज ज़्यादा टोकन लेती है, इसलिए भेजने से पहले साइज़ घटाएँ।

**इस पेज पर**

1.  पाइपलाइन कैसी दिखती है?
2.  दस्तावेज़ की इमेज कैसे तैयार करें?
3.  extraction प्रॉम्प्ट कैसे लिखें?
4.  structured output कैसे पाएँ और उसे validate कैसे करें?
5.  कौन-सी जाँचें सबसे ज़्यादा ग़लतियाँ पकड़ती हैं?
6.  लाइव जाने से पहले सटीकता कैसे नापें?
7.  BroadNet Inference पर कौन-से वीज़न मॉडल फ़िट होते हैं?
8.  BroadNet Inference कहाँ फ़िट होता है

_[image: A paper invoice headed "فاتورة" (invoice) with tabs labelled Vendor, Date and Total, and the text "Turn documents into useful data."]_

Illustrative example.

इनवॉइस, रसीद और फ़ॉर्म, सबकी समस्या एक है: डेटा तस्वीर में है, और आपको वह डेटाबेस में चाहिए। टेम्पलेट वाला OCR हर नए वेंडर लेआउट पर टूट जाता है। [vision-language मॉडल](https://broadrouter.com/hi/glossary/vision-language-model/) पेज पढ़ता है और सीधे फ़ील्ड लौटाता है। दिक़्क़त यह है कि वह पूरे भरोसे के साथ ग़लत हो सकता है, इसलिए असली काम उसके आसपास की पाइपलाइन में है। यह पोस्ट किसी भी भाषा के लिए सामान्य पाइपलाइन बताती है। अरबी दस्तावेज़ों के लिए सेटअप [वीज़न से अरबी इनवॉइस पढ़ना](https://broadrouter.com/hi/guides/read-arabic-invoices-with-vision/) में है, और क्लासिक OCR कब बेहतर टूल है, यह [अरबी OCR बनाम वीज़न LLM](https://broadrouter.com/hi/blog/arabic-ocr-vision-llm/) में।

## पाइपलाइन कैसी दिखती है?

1.  हर पेज **तैयार करें**: PDF को इमेज में रेंडर करें, घुमाव ठीक करें, साइज़ घटाएँ।
2.  **निकालें**: हर दस्तावेज़ के लिए एक अनुरोध, फ़ील्ड-दर-फ़ील्ड प्रॉम्प्ट के साथ, सिर्फ़ JSON।
3.  **जाँचें**: parse, स्कीमा जाँच, जोड़ की जाँच।
4.  validation फ़ेल हो तो एरर मैसेज के साथ एक बार **retry करें**।
5.  **रिव्यू**: जो अब भी फ़ेल हो, वह इमेज और ड्राफ़्ट के साथ किसी व्यक्ति के पास जाए।
6.  लेबल किए गए सैंपल पर फ़ील्ड की सटीकता **नापें**, और मॉडल या प्रॉम्प्ट बदलने पर हर बार फिर चलाएँ।

## दस्तावेज़ की इमेज कैसे तैयार करें?

PDF को PyMuPDF से इमेज में रेंडर करें, और ज़रूरत से ज़्यादा पिक्सल भेजे बिना सबसे छोटा टेक्स्ट साफ़ रखें:

```python
# pip install pymupdf pillow
import base64, io
import pymupdf  # older code imports it as fitz
from PIL import Image

def pdf_pages_as_data_urls(path, long_edge=1800):
    urls = []
    for page in pymupdf.open(path):
        pix = page.get_pixmap(dpi=200)
        img = Image.open(io.BytesIO(pix.tobytes("png"))).convert("RGB")
        img.thumbnail((long_edge, long_edge))
        buf = io.BytesIO()
        img.save(buf, format="JPEG", quality=90)
        urls.append("data:image/jpeg;base64," + base64.b64encode(buf.getvalue()).decode())
    return urls
```

BroadNet Inference पर इमेज मैसेज में सही MIME टाइप वाले `data:` URL के रूप में जाती हैं, और [उपयोग के अनुसार भुगतान](https://broadrouter.com/hi/glossary/pay-as-you-go/) पर उनका बिल इनपुट टोकन के रूप में बनता है; बड़ी इमेज ज़्यादा टोकन लेती है। `usage` ब्लॉक से एक बार प्रति पेज टोकन नापें और उसी से अपने बैच का साइज़ तय करें; [भेजने से पहले टोकन गिनना](https://broadrouter.com/hi/blog/count-tokens-before-sending/) तरीक़ा बताता है, और [प्रति इमेज वीज़न LLM लागत](https://broadrouter.com/hi/blog/cheapest-vision-llm-api/) टोकन को प्रति पेज लागत में बदलता है। कुछ भी भेजने से पहले प्रति पेज टोकन का अंदाज़ा लगाने के लिए एक सैंपल स्कैन [इमेज टोकन कैलकुलेटर](https://broadrouter.com/tools/image-token-calculator/) में डालें।

## extraction प्रॉम्प्ट कैसे लिखें?

key, टाइप, फ़ॉर्मैट और ग़ायब वैल्यू के बारे में बिल्कुल सटीक रहें। अगर आपको validation के लिए, या स्कीमा लागू करने वाले प्रोवाइडरों के लिए, JSON Schema भी चाहिए, तो मुफ़्त [JSON schema generator](https://broadrouter.com/tools/json-schema-generator/) एक सैंपल इनवॉइस से उसे बना देता है:

```python
PROMPT = """Extract this invoice. Reply with one JSON object only, no prose.
Keys:
- vendor_name: string, as printed
- vendor_tax_id: string or null
- invoice_number: string
- invoice_date: string, YYYY-MM-DD
- currency: ISO 4217 code, e.g. USD, EUR, SAR
- line_items: list of {description: string, quantity: number, unit_price: number, line_total: number}
- subtotal: number
- tax: number or null
- total: number
Rules: numbers without currency symbols or thousands separators. If a field is not on the page, use null. Never guess."""
```

“Never guess” और साफ़ लिखा `null` सबसे ज़्यादा मायने रखते हैं। इनके बिना मॉडल ख़ाली जगहों को भरोसेमंद लगने वाली वैल्यू से भर देते हैं, जो ख़ाली छोड़ने से बुरा है, क्योंकि ऐसी वैल्यू सीधी-सादी जाँच पार कर जाती है।

## structured output कैसे पाएँ और उसे validate कैसे करें?

[structured output](https://broadrouter.com/hi/glossary/structured-output/) के दो स्तर हैं। JSON mode वैध JSON की गारंटी देता है। स्कीमा से बँधा आउटपुट उसके ढाँचे की भी गारंटी देता है। OpenAI की गाइड साफ़ कहती है: दोनों वैध JSON बनाते हैं, लेकिन स्कीमा का पालन सिर्फ़ Structured Outputs पक्का करता है। दोनों का सपोर्ट प्रोवाइडर और मॉडल के हिसाब से बदलता है, इसलिए API कुछ भी वादा करे, कोड में validate करें:

```python
import json, os
from decimal import Decimal
from pydantic import BaseModel, ValidationError, model_validator
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

class Line(BaseModel):
    description: str
    quantity: Decimal
    unit_price: Decimal
    line_total: Decimal

class Invoice(BaseModel):
    vendor_name: str
    vendor_tax_id: str | None = None
    invoice_number: str
    invoice_date: str
    currency: str
    line_items: list[Line]
    subtotal: Decimal
    tax: Decimal | None = None
    total: Decimal

    @model_validator(mode="after")
    def sums(self):
        tol = Decimal("0.02")
        if abs(sum(l.line_total for l in self.line_items) - self.subtotal) > tol:
            raise ValueError("line_totals do not sum to subtotal")
        if abs(self.subtotal + (self.tax or 0) - self.total) > tol:
            raise ValueError("subtotal + tax != total")
        return self

def extract(image_urls, model="broadnet/qwen3.8-27b"):
    content = [{"type": "text", "text": PROMPT}] + [
        {"type": "image_url", "image_url": {"url": u}} for u in image_urls]
    messages = [{"role": "user", "content": content}]
    for attempt in range(2):
        r = client.chat.completions.create(model=model, messages=messages, max_tokens=4000, temperature=0)
        raw = (r.choices[0].message.content or "").strip().removeprefix("```json").removesuffix("```")
        try:
            return Invoice.model_validate(json.loads(raw)), r.usage
        except (json.JSONDecodeError, ValidationError, ValueError) as e:
            messages += [{"role": "assistant", "content": raw},
                         {"role": "user", "content": f"That failed validation: {e}. Re-read the image and reply with corrected JSON only."}]
    return None, r.usage  # send to human review
```

पैसों के लिए `float` नहीं, `Decimal` इस्तेमाल करें। `max_tokens` खुला रखें: Qwen3.8 27B जवाब देने से पहले रीज़निंग करता है, और रीज़निंग सीमा में गिनी जाती है; छोटी सीमा ख़ाली स्ट्रिंग लौटाती है। देखें [रीज़निंग मॉडल ख़ाली जवाब क्यों देते हैं](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)।

## कौन-सी जाँचें सबसे ज़्यादा ग़लतियाँ पकड़ती हैं?

| जाँच | क्या पकड़ती है | लागत |
| --- | --- | --- |
| JSON parse होता है | JSON के आसपास का गद्य, कटा हुआ आउटपुट | मुफ़्त |
| स्कीमा validate होता है | ग़ायब key, ग़लत टाइप | मुफ़्त |
| लाइनें जुड़कर subtotal बनती हैं | ग़लत पढ़े अंक, छूटी लाइनें | मुफ़्त |
| subtotal + टैक्स = total | ग़लत पढ़ा total या टैक्स | मुफ़्त |
| तारीख़ parse होती है और भविष्य की नहीं है | दिन/महीने की अदला-बदली, OCR का शोर | मुफ़्त |
| वेंडर का टैक्स ID आपकी सप्लायर लिस्ट से मिलता है | ग़लत वेंडर, धोखाधड़ी | एक lookup |
| हर वेंडर के लिए दोहराया गया इनवॉइस नंबर | दोहरा भुगतान | एक query |

जोड़ की जाँच सबसे फ़ायदेमंद है: एक भी ग़लत पढ़ा अंक लगभग हमेशा जोड़ बिगाड़ देता है। रसीदों में अक्सर लाइन-स्तर का ब्योरा नहीं होता, इसलिए जो मौजूद है उसे जाँचें और उनके लिए कम जाँचें स्वीकार करें।

## लाइव जाने से पहले सटीकता कैसे नापें?

50 से 100 असली दस्तावेज़ हाथ से लेबल करें, पाइपलाइन चलाएँ, और **हर फ़ील्ड** का स्कोर निकालें, हर दस्तावेज़ का नहीं। टोटल और तारीख़ के लिए विवरण से कड़ा पैमाना रखें। तीन नंबर ट्रैक करें: फ़ील्ड की सटीकता, बिना retry के validation पास करने वाले दस्तावेज़ों का हिस्सा, और रिव्यू में भेजे गए दस्तावेज़ों का हिस्सा। वह रिव्यू क़दम कैसे डिज़ाइन करें, पास हुए दस्तावेज़ों के रैंडम ऑडिट समेत, यह [ह्यूमन रिव्यू को अपने document AI वर्कफ़्लो का हिस्सा बनाना](https://broadrouter.com/hi/blog/document-review-queues/) में है। जब कोई दूसरा मॉडल आज़माएँ, तो वही सेट चलाएँ; तरीक़ा [बदलने से पहले LLM का मूल्यांकन](https://broadrouter.com/hi/blog/evaluate-llm-before-switching/) में है।

## BroadNet Inference पर कौन-से वीज़न मॉडल फ़िट होते हैं?

| मॉडल | इमेज | कॉन्टेक्स्ट | नोट्स |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) | हाँ | 262,144 | टूल, structured output और रीज़निंग लिस्टेड; BroadNet ने अरबी में टेस्ट किया |
| [Gemma 4 VL 26B](https://broadrouter.com/hi/models/gemma-4-vl-26b/) | हाँ | 32,768 | BroadNet की सबसे कम कीमत; मुफ़्त क्रेडिट और घंटे वाली key पर चलता है |
| [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) | हाँ | 1,048,576 | अनलिमिटेड प्लान में इमेज शामिल |

प्रति 1M टोकन कीमतें [कीमतों के पेज](https://broadrouter.com/hi/pricing/) पर हैं; प्रति पेज नापे गए टोकन को मासिक मात्रा से [LLM API लागत कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) में गुणा करें।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet Inference तीन चैट मॉडल पर मानक OpenAI मैसेज फ़ॉर्मैट से इमेज लेता है, और अनुरोध के बाद प्रॉम्प्ट, इमेज या जवाब नहीं रखता, जो नाम, टैक्स ID और बैंक विवरण से भरे इनवॉइस के लिए मायने रखता है ([zero data retention](https://broadrouter.com/hi/privacy/))। उसके डॉक्स Qwen3.8 27B के लिए structured output लिस्ट करते हैं, लेकिन स्कीमा पैरामीटर डॉक्युमेंट नहीं करते, इसलिए अपना स्कीमा लागू करवाने के लिए API की जगह ऊपर वाली validation परत पर भरोसा करें। BroadNet कोई इमेज साइज़ सीमा या अलग document-AI प्रोडक्ट प्रकाशित नहीं करता, और उसके डॉक्स PDF अपलोड नहीं, इमेज इनपुट बताते हैं, इसलिए पहले पेज को इमेज में रेंडर करें। तय बजट पर बड़ी मात्रा वाले रन के लिए [अनलिमिटेड DeepSeek V4.1 Flash प्लान](https://broadrouter.com/hi/guides/unlimited-llm-api-sessions/) में इमेज शामिल हैं।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[स्ट्रक्चर्ड आउटपुट (structured output)](https://broadrouter.com/hi/glossary/structured-output/)

स्ट्रक्चर्ड आउटपुट LLM API का एक फ़ीचर है जो मॉडल के जवाब को डेवलपर के तय फ़ॉर्मैट, आम तौर पर JSON Schema, तक सीमित करता है, ताकि कोड उसे भरोसे से पार्स कर सके। यह JSON mode से सख़्त है, जो मान्य JSON की गारंटी देता है, लेकिन किसी ख़ास ढाँचे की नहीं।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

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

OCR (optical character recognition) वह तकनीक है जो किसी इमेज, स्कैन या PDF में छपे या हाथ से लिखे टेक्स्ट को पहचानकर मशीन से पढ़े जा सकने वाले अक्षरों में बदलती है। क्लासिक OCR टेक्स्ट और पेज पर उसकी जगह देता है; vision-language मॉडल टेक्स्ट पढ़कर उसके बारे में सीधे सवालों के जवाब दे सकते हैं।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

[ज़ीरो डेटा रिटेंशन (zero data retention, ZDR)](https://broadrouter.com/hi/glossary/zero-data-retention/)

ज़ीरो डेटा रिटेंशन (ZDR) डेटा सँभालने की एक पॉलिसी है, जिसमें AI प्रोवाइडर प्रॉम्प्ट और आउटपुट सिर्फ़ अनुरोध पूरा करने के लिए प्रोसेस करता है और बाद में वह सामग्री लॉग, कैश या ट्रेनिंग डेटा में स्टोर नहीं करता। टोकन गिनती और समय जैसे बिना सामग्री वाले रिकॉर्ड आम तौर पर फिर भी रखे जाते हैं।

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

JSON Schema, JSON में लिखी एक शब्दावली है, जो JSON डेटा की बनावट बताती और जाँचती है: टाइप, ज़रूरी फ़ील्ड, स्वीकार्य वैल्यू और नेस्टिंग। मौजूदा वर्ज़न 2020-12 है। LLM API इससे टूल पैरामीटर तय करते हैं, और वह सटीक आकार भी जिसका स्ट्रक्चर्ड आउटपुट को पालन करना है।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

## अक्सर पूछे जाने वाले सवाल

### क्या इनवॉइस के लिए वीज़न LLM, OCR की जगह ले सकता है?

कई लेआउट के लिए, हाँ। वीज़न मॉडल इमेज पढ़ता है और एक ही क़दम में टेक्स्ट को फ़ील्ड से जोड़ देता है, हर वेंडर के लिए टेम्पलेट के बिना। फिर भी वह कभी-कभी अंक ग़लत पढ़ता है, इसलिए validation और रिव्यू क्यू रखें।

### वीज़न मॉडल से भरोसेमंद JSON कैसे पाएँ?

प्रॉम्प्ट में सटीक key, टाइप और फ़ॉर्मैट लिखें, सिर्फ़ JSON माँगें, और कोड में parse करें। अगर मॉडल स्कीमा से बँधा आउटपुट सपोर्ट करता है, तो उसे इस्तेमाल करें। दोनों हालात में स्कीमा लाइब्रेरी से validate करें और एरर के साथ एक बार retry करें।

### कई पेज वाले PDF इनवॉइस से डेटा कैसे निकालें?

हर पेज को इमेज में बदलें, फिर एक इनवॉइस के सभी पेज एक ही अनुरोध में भेजें, अगर वे मॉडल के कॉन्टेक्स्ट में आ जाएँ, ताकि आख़िरी पेज के टोटल को पहले पेज की लाइनों से मिलाया जा सके।

### इनवॉइस की इमेज का resolution कितना होना चाहिए?

इतना कि सबसे छोटे अंक साफ़ दिखें, उससे ज़्यादा नहीं। बड़ी इमेज ज़्यादा इनपुट टोकन लेती है। A4 पेज के लिए लंबी तरफ़ लगभग 1,500 से 2,000 पिक्सल एक समझदार शुरुआत है; अपने दस्तावेज़ों पर टेस्ट करें।

### extraction की सटीकता कैसे नापें?

50 से 100 असली दस्तावेज़ हाथ से लेबल करें और फ़ील्ड-दर-फ़ील्ड स्कोर करें। टोटल और तारीख़ को वेंडर नाम जैसे खुले टेक्स्ट वाले फ़ील्ड से अलग ट्रैक करें, क्योंकि उनकी ग़लती की क़ीमत अलग होती है।

## आगे पढ़ें

-   [अरबी OCR बनाम vision LLM: अरबी दस्तावेज़ और इनवॉइस पढ़ना](https://broadrouter.com/hi/blog/arabic-ocr-vision-llm/)
-   [अरबी OCR API की तुलना: Google, Azure, Textract, Mistral, LLM](https://broadrouter.com/hi/blog/arabic-ocr-api-comparison/)
-   [सबसे सस्ता विज़न LLM API: प्रति इमेज और प्रति पेज लागत का हिसाब](https://broadrouter.com/hi/blog/cheapest-vision-llm-api/)
-   [JSON mode बनाम json\_schema: भरोसेमंद स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/blog/structured-output-json-schema/)
-   [प्रोवाइडर बदलने से पहले LLM का मूल्यांकन कैसे करें](https://broadrouter.com/hi/blog/evaluate-llm-before-switching/)
-   [LLM अनुरोध भेजने से पहले टोकन कैसे गिनें](https://broadrouter.com/hi/blog/count-tokens-before-sending/)
-   [डॉक्यूमेंट AI वर्कफ़्लो में ह्यूमन रिव्यू को शामिल करें](https://broadrouter.com/hi/blog/document-review-queues/)
-   [BroadNet का GPU हार्डवेयर और सर्विंग का तरीक़ा, BroadNet के शब्दों में](https://broadrouter.com/hi/blog/broadnet-gpu-fleet-and-serving/)
-   [LLM API रिस्पॉन्स कैश करके लागत घटाएँ: Python में एक्ज़ैक्ट-मैच कैश](https://broadrouter.com/hi/blog/cache-llm-responses-cut-cost/)
-   [गाइड: विज़न मॉडल से अरबी इनवॉइस और रसीदें पढ़ें](https://broadrouter.com/hi/guides/read-arabic-invoices-with-vision/)
-   [गाइड: रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)
-   [गाइड: BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-extract-data-from-documents-with-vision-llm&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Inference API रेफ़रंस: इमेज के साथ चैट, MIME टाइप, प्लान पर इमेज (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-extract-data-from-documents-with-vision-llm&utm_content=sources#requests)
-   [BroadNet Inference की मशीन-रीडेबल कीमतें, मॉडल और modality, pricing.json (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-extract-data-from-documents-with-vision-llm&utm_content=sources)
-   [OpenAI Structured Outputs गाइड, JSON mode बनाम स्कीमा का पालन (2026-11-14 को देखा गया)](https://developers.openai.com/api/docs/guides/structured-outputs)
-   [Pydantic डॉक्युमेंटेशन, मॉडल और validation (2026-11-14 को देखा गया)](https://docs.pydantic.dev/latest/concepts/models/)
-   [PyMuPDF डॉक्युमेंटेशन, पेज को इमेज में रेंडर करना (2026-11-14 को देखा गया)](https://pymupdf.readthedocs.io/en/latest/recipes-images.html)
