처리해야 할 아랍어 청구서, 영수증, 양식에는 비전 LLM을 쓰세요. 이미지를 읽고 공급업체, 부가세 번호, 날짜, 합계처럼 요청한 필드를 JSON으로 돌려줍니다. 긴 스캔 페이지의 전문 검색이나 오프라인 작업에는 기존 광학 문자 인식(OCR)을 쓰세요. 어느 쪽이든 숫자는 코드로 확인하세요.
아래와 같은 이유로, 아랍어에서는 두 방법 모두 영어보다 어렵습니다.
아랍어 OCR은 왜 어렵나요?
- 이어 쓰는 문자. 아랍어 글자는 서로 이어지고, 대부분 최대 네 가지 형태(독립형, 어두형, 어중형, 어말형)를 가집니다. OCR 엔진은 경계가 보이지 않는 단어를 분할해야 합니다.
- 점이 의미를 가집니다. ب ت ث ن ي는 기본 모양이 같고 점으로만 구별됩니다. 해상도가 낮은 스캔이나 접힌 자국 하나로 글자가 다른 글자로 바뀔 수 있습니다.
- 한 줄에 두 방향. “المجموع: 1,250.00 SAR” 같은 청구서 줄은 오른쪽에서 왼쪽으로 쓰는 아랍어와 왼쪽에서 오른쪽으로 쓰는 숫자, 라틴 문자 텍스트가 섞여 있습니다. OCR 출력은 시각적 순서가 틀린 채로 돌아오는 경우가 많고, 화면에 표시될 때 유니코드 양방향 알고리즘이 이를 다시 재정렬합니다.
- 두 종류의 숫자. 걸프와 이집트 문서는 0–9 대신 동아랍 숫자(٠١٢٣٤٥٦٧٨٩)를 인쇄하는 경우가 많고, 때로는 한 페이지에 둘 다 씁니다.
- 글꼴과 도장. 장식적인 나스흐체와 루크아체 제목, 합계 위에 찍힌 회사 도장, 바랜 감열지 영수증이 모두 인식을 방해합니다.
OCR과 비전 LLM: 각각 무엇을 주나요?
| 기존 OCR | 비전 LLM | |
|---|---|---|
| 출력 | 원시 텍스트, 단어 위치가 함께 오는 경우가 많음 | 요청한 것 무엇이든: 필드, JSON, 요약, 번역 |
| 레이아웃 이해 | 규칙이나 템플릿을 직접 작성 | 모델이 추론(“합계는 오른쪽 아래에 있다”) |
| 새로운 청구서 레이아웃 | 새 템플릿이나 규칙 필요 | 대개 바꾸지 않아도 작동 |
| 번역 | 별도 단계 | 같은 요청에서 |
| 예측 가능성 | 같은 입력이면 결정적 | 달라질 수 있으므로 출력 검증 필요 |
| 환각 위험 | 낮음(잘못 읽지만 지어내지는 않음) | 실재함: 그럴듯하지만 틀린 값을 만들 수 있음 |
| 적합한 용도 | 긴 스캔 문서와 아카이브의 전문 검색 | 처리해야 할 청구서, 영수증, 신분증, 양식 |
핵심 트레이드오프는 이렇습니다. OCR은 잘못 읽지만 지어내지는 않습니다. 비전 LLM은 이해하지만 그럴듯한 값을 환각으로 만들어 낼 수 있습니다. 좋은 파이프라인은 이해에는 LLM을, 확인에는 코드를 씁니다.
비전 LLM으로 아랍어 청구서는 어떻게 읽나요?
이미지를 메시지 콘텐츠 안에 base64 데이터 URL로 보내고, 원하는 필드를 정확히 요청하세요. 전체 과정은 비전 청구서 가이드에 있고, 핵심은 다음과 같습니다.
import base64, json, os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
image = base64.b64encode(open("invoice.jpg", "rb").read()).decode()
prompt = """Read this invoice. Reply with JSON only, using these keys:
vendor_name (as written, Arabic script if Arabic), vendor_vat_number, invoice_number,
invoice_date (YYYY-MM-DD), currency (ISO code), subtotal, vat_amount, total,
line_items (list of {description, quantity, unit_price, amount}).
Convert Eastern Arabic numerals to Western digits. Use null for anything you cannot read."""
r = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=3000, # reasoning comes first
messages=[{"role": "user", "content": [
{"type": "text", "text": prompt},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
]}],
)
data = json.loads(r.choices[0].message.content)
디버깅 시간을 아껴 주는 세부 사항 세 가지입니다.
- 원하는 숫자 체계를 밝히세요. “Convert Eastern Arabic numerals to Western digits”(동아랍 숫자를 서양식 숫자로 변환)라고 하면 데이터베이스에 ١٢٥٠과 1250이 섞이는 것을 막을 수 있습니다.
- 추측 대신
null을 요청하세요. 모든 키를 채워야 할 때 모델이 값을 지어낼 가능성이 커집니다. - 이름은 원래 문자로 유지하세요. “مؤسسة النور للتجارة”를 라틴 문자로 음역하면 철자 변형이 생기기 쉽습니다. 아랍어로 저장하고, 영어가 필요하면 따로 번역하세요.
모델이 빈 답을 돌려준다면 추론하다가 max_tokens를 다 쓴 것입니다. 추론 토큰과 빈 응답을 참고하세요. 더 엄격한 JSON 형태는 JSON 스키마를 이용한 구조화된 출력을 참고하세요. 무료 JSON 스키마 생성기가 샘플 청구서에서 스키마를 만들어 줍니다.
잘못 읽은 숫자는 어떻게 잡아내나요?
추출한 모든 값을 데이터가 아니라 코드로 확인할 주장으로 취급하세요. 항목의 합은 소계와 같아야 하고, 소계에 부가세를 더하면 합계와 같아야 하며, 날짜는 파싱되고 미래가 아니어야 하고, 통화는 공급업체의 국가와 맞아야 합니다. 사우디 부가세 번호는 길이와 형식이 정해져 있어서 저렴한 추가 검사가 됩니다. 숫자 하나를 잘못 읽으면 거의 항상 합계가 깨지므로, 산술 검사로 중요한 오류 대부분을 잡을 수 있습니다. 검사에 실패한 것은 추출한 필드 옆에 이미지를 붙여 사람 검토 대기열로 보내세요.
Pydantic 스키마, 산술 검증기, 오류 메시지를 넣은 1회 재시도, 검토 대기열까지 갖춘 전체 파이프라인은 비전 LLM으로 청구서와 영수증 데이터를 JSON으로 추출하기에 있습니다.
아랍어 문서는 어떤 비전 모델로 읽어야 하나요?
BroadNet Inference에서 이미지를 받는 채팅 모델은 세 가지입니다.
| 모델 | 100만 토큰당 입력 / 출력 | 컨텍스트 | 메모 |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262,144 | BroadNet이 아랍어로 테스트한 모델 |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1,048,576 | 무제한 정액 플랜에서도 사용 가능 |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32,768 | BroadNet 비전 모델 중 가장 저렴. 무료 크레딧과 $0.50 시간제 키로 사용 가능 |
BroadNet은 자체 테스트에서 Qwen3.8 27B가 유창한 아랍어를 쓰고, 걸프와 이집트 방언을 이해하고, 아랍어와 영어를 정확하게 번역했다고 밝힙니다. OCR이나 문서 추출 벤치마크는 공개하지 않으므로, 필드 정확도는 여러분의 문서로 측정하세요. 실용적인 구성은 단순한 영수증에는 Gemma 4 VL 26B를 쓰고, 검증에 실패한 것은 Qwen3.8 27B로 한 번 더 처리하는 것입니다. Gemma 4 VL 26B vs Qwen3.8 27B 비교에서 두 모델을 나란히 볼 수 있습니다.
비전 LLM의 페이지당 비용은 얼마인가요?
종량제 키에서는 이미지가 모델의 입력 가격으로 입력 토큰으로 과금되며, 이미지가 클수록 토큰이 많이 듭니다. 휴대폰 사진은 긴 쪽 기준 약 1,500~2,000픽셀로 줄이세요. 아랍어의 점을 읽으려면 충분한 해상도가 필요하지만, 1,200만 화소 사진은 대부분 비용만 늘립니다. 실제 이미지 몇 장으로 usage.prompt_tokens를 읽어 페이지당 비용을 구하세요. BroadNet 문서에 따르면 무제한 DeepSeek V4.1 Flash 플랜에서는 이미지도 플랜의 무제한 사용에 포함됩니다. 이미지당, 페이지당 토큰 계산은 비전 LLM 이미지당 비용에서 자세히 다룹니다.
기존 OCR이 여전히 나은 경우는 언제인가요?
- 필드 몇 개가 아니라 검색을 위해 모든 단어가 필요한 긴 스캔 도서와 아카이브.
- 같은 입력이 항상 같은 텍스트를 내야 하는 엄격한 재현성.
- 네트워크 없이 처리하는 오프라인 또는 온디바이스 환경.
Tesseract 같은 오픈소스 엔진은 아랍어(ara) 학습 데이터를 제공하고 오프라인으로 실행됩니다. 하이브리드도 잘 작동합니다. 검색 가능한 텍스트는 OCR로 얻고, 처리할 필드는 이미지를 비전 LLM에 보내 얻는 방식입니다. 어떤 클라우드 OCR API가 인쇄체와 손글씨 아랍어를 지원하는지, 1,000페이지당 비용은 얼마인지는 아랍어 OCR API 비교에 있습니다.
개인정보
청구서와 신분증에는 이름, 세금 번호, 은행 정보가 들어 있습니다. BroadNet Inference는 요청이 끝난 뒤 이미지, 프롬프트, 답변을 보관하지 않습니다. 데이터 비보관을 참고하세요. 여러분의 저장소에도 같은 규칙을 적용하세요. 필요한 추출 필드만 남기고, 더 이상 보관할 필요가 없는 이미지는 삭제하세요.

