---
title: "Perbandingan API OCR bahasa Arab (2026) | BroadRouter"
description: "API OCR mana yang rasmi menyokong bahasa Arab, bercetak dan tulisan tangan, apa yang dipulangkan dan kos setiap 1,000 halaman, berbanding API LLM penglihatan."
url: https://broadrouter.com/ms/blog/arabic-ocr-api-comparison/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/arabic-ocr-api-comparison/) (dikemas kini 2026-11-16).

# Perbandingan API OCR Arab: Google, Azure, Textract, Mistral, LLM

Oleh pasukan BroadNet Inference · 8 minit bacaan · Diterbitkan 2026-11-15 · Dikemas kini 2026-11-16

Empat API OCR menyenaraikan teks bercetak bahasa Arab dalam dokumentasi mereka sendiri: Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract dan Mistral OCR. Google, Azure Read dan Textract masing-masing mengenakan USD 1.50 setiap 1,000 halaman pada volum permulaan. Hanya Azure menyenaraikan tulisan tangan Arab. LLM penglihatan, seperti Qwen3.8 27B di BroadNet, mengebil halaman sebagai token dan memulangkan medan yang anda minta.

## Perkara utama

-   Teks bercetak bahasa Arab disenaraikan oleh Google Cloud Vision, Azure Document Intelligence (Read dan Layout), Amazon Textract dan Mistral OCR (disemak 2026-11-15).
-   Tulisan tangan Arab hanya disenaraikan oleh Azure Document Intelligence v4.0. Textract menyatakan tulisan tangan untuk bahasa Inggeris sahaja; jadual skrip tulisan tangan Google tidak termasuk bahasa Arab.
-   OCR biasa berharga USD 1.50 setiap 1,000 halaman pada volum permulaan di Google, Azure Read dan Textract (disemak 2026-11-15), dengan kadar lebih rendah pada volum tinggi. Model invois dan susun atur Azure berharga USD 10 setiap 1,000 halaman.
-   LLM penglihatan mengebil halaman sebagai token input ditambah jawapan, jadi kos bergantung pada saiz imej dan panjang output. Ukurnya dengan usage.prompt\_tokens.
-   Tiada vendor yang menerbitkan ujian ketepatan bahasa Arab bebas yang dapat kami sahkan. Skor 50 hingga 100 halaman anda sendiri sebelum memilih.

**Dalam halaman ini**

1.  API OCR manakah yang rasmi menyokong bahasa Arab?
2.  Berapakah kos setiap API OCR bahasa Arab setiap 1,000 halaman?
3.  Berapakah kos LLM penglihatan sehalaman?
4.  Bagaimanakah butiran integrasi berbeza?
5.  API OCR bahasa Arab manakah yang patut anda pilih?
6.  Bagaimanakah anda menguji API OCR bahasa Arab pada dokumen anda sendiri?
7.  Di manakah BroadNet Inference sesuai

Cari “Arabic OCR API” dan kebanyakan hasilnya ialah laman kedudukan yang tidak menyatakan dari mana skor mereka datang. Halaman ini melakukan kerja yang lebih sempit yang diperlukan pembeli. Untuk setiap API, ia menunjukkan apa yang dikatakan dokumentasi vendor sendiri tentang bahasa Arab, apa yang dipulangkan oleh API dan berapa kos sehalaman. Setiap angka dibaca daripada halaman vendor pada 15 November 2026. BroadRouter ialah laman web BroadNet, dan BroadNet menjual salah satu pilihan di bawah (LLM penglihatan, bukan OCR), jadi kami nyatakan di mana yang lain lebih baik.

Jika anda masih memutuskan antara OCR dan LLM penglihatan secara prinsip, mulakan dengan [OCR bahasa Arab vs LLM penglihatan](https://broadrouter.com/ms/blog/arabic-ocr-vision-llm/). Ia menerangkan mengapa skrip bersambung, titik dan baris dengan arah bercampur menjadikan bahasa Arab sukar. Artikel ini menganggap anda sudah tahu itu dan mahu memilih vendor.

## API OCR manakah yang rasmi menyokong bahasa Arab?

| API | Teks bercetak Arab | Tulisan tangan Arab | Apa yang dipulangkan |
| --- | --- | --- | --- |
| Google Cloud Vision (`DOCUMENT_TEXT_DETECTION`) | Ya, `ar`, disenaraikan sebagai Standard Moden | Tidak disenaraikan (skrip Arab tiada dalam jadual tulisan tangan) | Teks dengan maklumat halaman, blok, perenggan, perkataan dan pemisah |
| Azure AI Document Intelligence, Read (`prebuilt-read`) | Ya, `ar` | Ya, dalam v4.0 (tiada dalam v3.1) | Teks bercetak dan tulisan tangan |
| Azure AI Document Intelligence, Layout (`prebuilt-layout`) | Ya, `ar` | Ya, dalam v4.0 | Teks, jadual, struktur dokumen dan tanda pilihan |
| Invois dan resit prabina Azure | Invois menyenaraikan bahasa Arab (`ar`); resit terma menyenaraikan bahasa Arab | t/b | Medan invois dan resit bernama |
| Amazon Textract (Detect Document Text) | Ya, antara 40+ bahasa | Tidak: “handwriting … in English only” (Terjemahan: tulisan tangan … bahasa Inggeris sahaja) | Perkataan dan baris, setiap satu dengan kotak sempadan dan skor keyakinan |
| Mistral OCR (`mistral-ocr-latest`) | Ya, disenaraikan di bawah bahasa Timur Tengah | Tidak dinyatakan | Markdown setiap halaman serta medan JSON: jadual, imej, pengepala, pengaki, blok, skor keyakinan |
| LLM penglihatan (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash di BroadNet) | Membaca imej bahasa Arab; bukan enjin OCR | Tidak didokumenkan | Apa sahaja yang anda minta: teks, medan, JSON, terjemahan |

Dua butiran lebih penting daripada lajur ya/tidak:

-   **Textract mengehadkan lebih daripada tulisan tangan.** Soalan Lazimnya menyatakan “Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.” (Terjemahan: Pemprosesan tulisan tangan, invois dan resit, dokumen pengenalan dan Queries adalah dalam bahasa Inggeris sahaja.) Pada dokumen bahasa Arab, Textract memberi anda teks dan kedudukan, bukan medan invois.
-   **Tulisan tangan Arab Azure baharu dalam v4.0.** Jadual tulisan tangan v3.1 tidak termasuk bahasa Arab. Tetapkan versi API yang anda uji.

Halaman bahasa Mistral menyatakan senarainya mencerminkan “languages with strong expected performance” (Terjemahan: bahasa dengan prestasi yang dijangka kukuh), iaitu kenyataan vendor, bukan skor yang diukur.

## Berapakah kos setiap API OCR bahasa Arab setiap 1,000 halaman?

Harga dalam dolar AS, dibaca pada 15 November 2026 daripada sumber harga setiap vendor:

| API dan ciri | Peruntukan percuma | Harga permulaan setiap 1,000 halaman | Harga volum tinggi |
| --- | --- | --- | --- |
| Google Cloud Vision, Document Text Detection | 1,000 unit pertama sebulan | USD 1.50 (unit 1,001 hingga 5,000,000) | USD 0.60 melebihi 5J unit sebulan |
| Azure Document Intelligence, Read (East US) | 500 halaman sebulan pada peringkat percuma | USD 1.50 | USD 0.60 selepas 1J halaman pertama |
| Azure Document Intelligence, Layout dan model prabina (East US) | Peringkat percuma yang sama | USD 10 | Peringkat komitmen disenaraikan di halaman harga Azure (harga dimuatkan dalam pelayar; semak rantau anda) |
| Amazon Textract, Detect Document Text (US West, Oregon) | 1,000 halaman sebulan untuk pelanggan AWS baharu, selama tiga bulan | USD 1.50 (1J halaman pertama sebulan) | USD 0.60 selepas 1J halaman |
| Mistral OCR | Tidak dinyatakan | Dihargakan setiap 1,000 halaman; amaunnya tiada dalam HTML statik halaman itu, jadi kami tidak dapat mengesahkannya | Mistral menyatakan pemprosesan kelompok mengurangkan separuh harga API-nya |

Google mengebil setiap halaman PDF sebagai satu imej, dan setiap ciri sebagai unit berasingan. Meminta dua ciri pada satu halaman berharga dua unit. Harga prabina Azure meliputi susun atur, invois dan resit. Jika anda memerlukan medan invois berstruktur daripada Azure, rancang untuk kadar USD 10, bukan kadar Read USD 1.50.

## Berapakah kos LLM penglihatan sehalaman?

LLM penglihatan tiada harga sehalaman. Pada kunci bayar ikut guna BroadNet, dokumentasinya menyatakan imej “counts as input tokens at the model’s input price” (Terjemahan: dikira sebagai token input pada harga input model), dan imej yang lebih besar menggunakan lebih banyak token. Kos halaman ialah token imej ditambah prompt anda, ditambah jawapan pada harga output.

Token imej berbeza mengikut model dan resolusi. Gemma 4 menggunakan bajet 70, 140, 280, 560 atau 1,120 token setiap imej, dan dokumentasi Google mengesyorkan bajet lebih tinggi untuk ketepatan terbaik pada tugasan visual. Sebagai bentuk perancangan, bukan ukuran, ambil kira-kira 1,000 token input dan 300 token output sehalaman:

| Model BroadNet | Input setiap 1J | Output setiap 1J | 1,000 halaman pada kira-kira 1J input dan 0.3J output |
| --- | --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 ditambah tiga persepuluh daripada $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 ditambah tiga persepuluh daripada $2.17, ditambah penaakulan |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 ditambah tiga persepuluh daripada $0.52, ditambah penaakulan |

Qwen3.8 27B dan DeepSeek V4.1 Flash membuat penaakulan sebelum menjawab, dan penaakulan dibilkan sebagai output. Kekalkan `max_tokens` pada 1,000 atau lebih, atau tetapkan `reasoning_effort` kepada `low`, jika tidak jawapan boleh kembali kosong ([sebabnya](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)). Ukur halaman anda sendiri: hantar sepuluh, baca `usage.prompt_tokens` dan `usage.completion_tokens`, dan darabkan. [Kalkulator token imej](https://broadrouter.com/tools/image-token-calculator/) dan [kos LLM penglihatan setiap imej](https://broadrouter.com/ms/blog/cheapest-vision-llm-api/) membuat kiraannya.

Perbandingan ini tidak setara. USD 1.50 setiap 1,000 halaman membeli teks mentah dan kedudukan. Satu panggilan LLM penglihatan boleh memulangkan vendor, nombor VAT, tarikh dan jumlah sebagai JSON dalam permintaan yang sama, yang menjimatkan langkah penghuraian. Gemma 4 VL 26B juga diliputi oleh kredit permulaan $5. Qwen3.8 27B dan DeepSeek V4.1 Flash memerlukan tambah nilai.

## Bagaimanakah butiran integrasi berbeza?

|  | Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | LLM penglihatan BroadNet |
| --- | --- | --- | --- | --- | --- |
| Input | Imej; PDF dan TIFF melalui `DOCUMENT_TEXT_DETECTION` | Lihat senarai jenis fail model Read | Lihat senarai jenis fail Textract | `image_url` (PNG, JPEG, AVIF dan lain-lain) atau `document_url` (PDF, PPTX, DOCX dan lain-lain) | Satu imej setiap item kandungan sebagai URL `data:`; tukar halaman PDF kepada imej dahulu |
| Petunjuk bahasa | Petunjuk `ar` pilihan | Pilihan; Microsoft menasihatkan supaya tidak menetapkannya melainkan anda pasti | Tidak dibincangkan dalam Soalan Lazim | Tidak dinyatakan | Nyatakan “the document is in Arabic” dalam prompt |
| Medan berstruktur | Tidak (hierarki teks sahaja) | Ya, invois dan resit prabina | Invois, resit dan Queries bahasa Inggeris sahaja | Anotasi dokumen pilihan | Minta JSON; output berstruktur didokumenkan untuk Qwen3.8 27B sahaja |
| Bentuk API | Google Cloud API | Azure REST dan SDK | AWS SDK | Mistral `/v1/ocr` | `/v1/chat/completions` serasi OpenAI |

Nota Microsoft tentang kod bahasa berbaloi dibaca jika dokumen anda mencampurkan bahasa Arab dan Inggeris: “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.” (Terjemahan: Jangan berikan kod bahasa sebagai parameter melainkan anda pasti tentang bahasanya … Jika tidak, perkhidmatan mungkin memulangkan teks yang tidak lengkap dan salah.)

## API OCR bahasa Arab manakah yang patut anda pilih?

Tiada satu jawapan, dan tiada vendor yang menerbitkan ujian ketepatan bahasa Arab bebas yang dapat kami sahkan. Pilih berdasarkan output dahulu, kemudian uji:

1.  **Anda memerlukan teks yang boleh dicari daripada arkib imbasan yang panjang.** Google Cloud Vision, Azure Read atau Textract. Ketiga-tiganya menyenaraikan teks bercetak Arab pada harga permulaan yang sama. Pilih awan yang sudah anda gunakan untuk storan dan identiti.
2.  **Anda memerlukan tulisan tangan Arab.** Azure Document Intelligence v4.0 ialah satu-satunya API OCR di sini yang menyenaraikannya. Uji juga LLM penglihatan pada halaman yang sama, kerana tiada antaranya yang mendokumenkan tulisan tangan sama ada ya atau tidak.
3.  **Anda memerlukan medan invois daripada invois bahasa Arab.** Bandingkan model invois prabina Azure (USD 10 setiap 1,000 halaman) dengan LLM penglihatan yang memulangkan JSON. Di BroadNet, Qwen3.8 27B ialah model dengan output berstruktur yang didokumenkan. [Baca invois bahasa Arab dengan model penglihatan](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/) mengandungi kod yang berfungsi.
4.  **Anda mahu Markdown dengan jadual untuk RAG.** Mistral OCR memulangkan Markdown setiap halaman dengan jadual dan blok. Sahkan harga semasa sehalamannya di halaman harga Mistral.
5.  **Anda memerlukan medan, terjemahan dan ringkasan dalam satu panggilan.** LLM penglihatan. Salurannya, dengan pengesahan, ada dalam [ekstrak data invois ke JSON dengan LLM penglihatan](https://broadrouter.com/ms/blog/extract-data-from-documents-with-vision-llm/).

## Bagaimanakah anda menguji API OCR bahasa Arab pada dokumen anda sendiri?

1.  **Pilih 50 hingga 100 halaman sebenar**: PDF bersih, foto telefon, resit terma yang pudar, invois bercop dan, jika ada, borang tulisan tangan.
2.  **Taip kebenaran asas** untuk medan yang anda pedulikan. Kekalkan digit Arab Timur (٠١٢٣) seperti yang dicetak, dan catatnya secara berasingan.
3.  **Skor aksara dan medan secara berasingan.** [Kadar ralat aksara](https://broadrouter.com/ms/glossary/character-error-rate/) menunjukkan kualiti bacaan. Ketepatan medan (jumlah, tarikh, nombor VAT) menunjukkan kualiti perniagaan. Ralat satu digit pada jumlah lebih penting daripada sepuluh pada pengaki.
4.  **Semak susunan pada baris bercampur.** Baris seperti “الإجمالي: 1,250.00 SAR” boleh kembali dengan nombor di hadapan label. Itu masalah susunan dwiarah, bukan ralat pengecaman, tetapi penghurai anda masih perlu mengendalikannya.
5.  **Sahkan nombor dalam kod** apa jua pilihan anda: item baris dijumlahkan kepada jumlah, VAT sepadan dengan kadar dan tarikh boleh dihurai. Hantar kegagalan ke [baris gilir semakan manusia](https://broadrouter.com/ms/blog/document-review-queues/).

## Di manakah BroadNet Inference sesuai

BroadRouter ialah laman web BroadNet. BroadNet Inference tidak menjual enjin OCR. Ia menjual LLM penglihatan pada satu API serasi OpenAI: Qwen3.8 27B, BroadNet Gemma 4 VL 26B dan DeepSeek V4.1 Flash, yang kesemuanya menerima imej. Jika anda memerlukan teks mentah paling murah daripada berjuta-juta halaman imbasan, atau tulisan tangan Arab dengan kedudukan, API OCR klasik yang disenaraikan di atas lebih sesuai. BroadNet sesuai apabila anda mahukan medan atau JSON daripada dokumen bahasa Arab, dengan [pengekalan data sifar](https://broadrouter.com/ms/privacy/): BroadNet menyatakan kandungan inferens tidak disimpan. Cuba Gemma 4 VL 26B pada kredit permulaan $5, atau baca [rujukan API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-ocr-api-comparison&utm_content=body) dan [dapatkan kunci](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-ocr-api-comparison&utm_content=body).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Pengecaman aksara optik (OCR)](https://broadrouter.com/ms/glossary/ocr/)

Pengecaman aksara optik (OCR) ialah teknologi yang mengesan dan menukar teks bercetak atau tulisan tangan dalam imej, imbasan atau PDF kepada aksara yang boleh dibaca mesin. OCR klasik mengeluarkan teks dan kedudukannya pada halaman; model bahasa-penglihatan pula boleh membaca teks dan menjawab soalan tentangnya secara terus.

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

[Token input dan output (input and output tokens)](https://broadrouter.com/ms/glossary/input-and-output-tokens/)

Token input ialah token yang dibaca oleh model bahasa dalam satu permintaan, termasuk prompt sistem, sejarah perbualan, definisi alatan dan imej. Token output ialah token yang dijananya sebagai balasan, termasuk sebarang penaakulan. API LLM biasanya meletakkan harga berasingan, dan output biasanya lebih mahal.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[API kelompok (batch API)](https://broadrouter.com/ms/glossary/batch-api/)

Batch API ialah endpoint LLM tak segerak yang menerima banyak permintaan sekali gus, biasanya sebagai fail, memprosesnya dalam tempoh yang ditetapkan dan bukan serta-merta, dan memulangkan hasilnya bersama-sama. Penyedia seperti OpenAI dan Anthropic mengenakan harga diskaun untuk permintaan kelompok berbanding API standard mereka.

[API serasi OpenAI (OpenAI-compatible API)](https://broadrouter.com/ms/glossary/openai-compatible-api/)

API serasi OpenAI ialah API HTTP yang menerima format permintaan dan respons yang sama seperti OpenAI API, contohnya POST /v1/chat/completions, jadi SDK dan alat OpenAI boleh menggunakannya dengan hanya menukar base URL, kunci API dan nama model.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

## Soalan lazim

### API OCR manakah yang menyokong bahasa Arab?

Pada 15 November 2026, Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract dan Mistral OCR semuanya menyenaraikan teks bercetak bahasa Arab dalam dokumentasi mereka sendiri. API LLM penglihatan seperti Qwen3.8 27B, Gemma 4 VL 26B dan DeepSeek V4.1 Flash di BroadNet Inference juga membaca imej bahasa Arab, tetapi ia model chat, bukan enjin OCR.

### API manakah yang boleh membaca tulisan tangan Arab?

Daripada empat API OCR, hanya Azure Document Intelligence v4.0 menyenaraikan bahasa Arab untuk teks tulisan tangan, dalam model Read dan Layout. Textract menyatakan tulisan tangan untuk bahasa Inggeris sahaja, dan jadual skrip tulisan tangan Google tidak termasuk skrip Arab. LLM penglihatan juga tidak menerbitkan sama ada ia menyokong tulisan tangan atau tidak, jadi uji pada sampel anda sendiri.

### Berapakah kos OCR bahasa Arab setiap 1,000 halaman?

Pada volum permulaan, USD 1.50 setiap 1,000 halaman pada Google Cloud Vision Document Text Detection, Azure Document Intelligence Read dan Amazon Textract Detect Document Text (disemak 15 November 2026). Ketiga-tiganya turun kepada USD 0.60 pada volum tinggi. Model susun atur dan invois prabina Azure berharga USD 10 setiap 1,000 halaman.

### Bolehkah Amazon Textract membaca bahasa Arab?

Boleh untuk teks bercetak. Soalan Lazim Textract (disemak 15 November 2026) menyatakan ia mengesan teks bercetak, termasuk dokumen kanan-ke-kiri dan berskrip campuran, dalam lebih 40 bahasa termasuk bahasa Arab. Ia juga menyatakan tulisan tangan, invois dan resit, dokumen pengenalan dan Queries hanya untuk bahasa Inggeris.

### Patutkah saya menggunakan API OCR atau LLM penglihatan untuk invois bahasa Arab?

Gunakan OCR apabila anda memerlukan setiap perkataan dengan kedudukannya, untuk carian atau arkib. Gunakan LLM penglihatan apabila anda memerlukan medan bernama seperti vendor, nombor VAT dan jumlah sebagai JSON. Corak biasa ialah kedua-duanya: OCR untuk teks yang boleh dicari, LLM penglihatan untuk medan yang menjadi asas tindakan anda, kemudian semakan dalam kod.

### Model BroadNet manakah boleh memulangkan JSON berstruktur daripada dokumen bahasa Arab?

Qwen3.8 27B. Dokumentasi BroadNet menyenaraikan alat dan output berstruktur untuk Qwen3.8 27B dan GLM 5.3, dan GLM 5.3 ialah teks sahaja. Gemma 4 VL 26B dan DeepSeek V4.1 Flash menerima imej, tetapi output berstruktur tidak disenaraikan untuknya, jadi minta JSON dalam prompt dan sahkannya.

## Teruskan membaca

-   [OCR bahasa Arab vs LLM vision: membaca dokumen dan invois Arab](https://broadrouter.com/ms/blog/arabic-ocr-vision-llm/)
-   [API LLM penglihatan termurah: kos setiap imej dan setiap halaman](https://broadrouter.com/ms/blog/cheapest-vision-llm-api/)
-   [Ekstrak data invois, resit dan borang ke JSON dengan LLM visi](https://broadrouter.com/ms/blog/extract-data-from-documents-with-vision-llm/)
-   [JSON mode vs json\_schema: output berstruktur yang boleh diharap](https://broadrouter.com/ms/blog/structured-output-json-schema/)
-   [Jadikan semakan manusia sebahagian aliran kerja AI dokumen anda](https://broadrouter.com/ms/blog/document-review-queues/)
-   [Tambah baris pada teks Arab dengan LLM: prompt, semakan dan DER](https://broadrouter.com/ms/blog/arabic-diacritization-llm/)
-   [Pembetulan tatabahasa dan ejaan bahasa Arab dengan LLM: panduan](https://broadrouter.com/ms/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Baca invois dan resit Arab dengan model vision](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/)
-   [Panduan: Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-ocr-api-comparison&utm_content=page-cta) ·

**Sumber**

-   [Google Cloud Vision, sokongan bahasa OCR: bahasa Arab (ar) disokong, jadual skrip tulisan tangan (disemak 2026-11-15)](https://docs.cloud.google.com/vision/docs/languages)
-   [Google Cloud Vision, kesan teks dalam imej: output TEXT\_DETECTION vs DOCUMENT\_TEXT\_DETECTION (disemak 2026-11-15)](https://docs.cloud.google.com/vision/docs/ocr)
-   [Harga Google Cloud Vision: Document Text Detection setiap 1,000 unit, 1,000 pertama percuma, halaman PDF dibilkan sebagai imej (disemak 2026-11-15)](https://cloud.google.com/vision/pricing)
-   [Microsoft Learn, sokongan bahasa Document Intelligence Read dan Layout: bahasa Arab bercetak dan tulisan tangan dalam v4.0 (disemak 2026-11-15)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/ocr?view=doc-intel-4.0.0)
-   [Microsoft Learn, sokongan bahasa model prabina Document Intelligence: invois dan resit menyenaraikan bahasa Arab (disemak 2026-11-15)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/prebuilt?view=doc-intel-4.0.0)
-   [Azure Retail Prices API, meter S0 Azure Document Intelligence di East US: halaman Read dan Pre-built (disemak 2026-11-15)](https://prices.azure.com/api/retail/prices?$filter=serviceName%20eq%20%27Foundry%20Tools%27%20and%20productName%20eq%20%27Azure%20Document%20Intelligence%27%20and%20armRegionName%20eq%20%27eastus%27)
-   [Halaman harga Azure Document Intelligence: peringkat percuma 500 halaman sebulan (disemak 2026-11-15)](https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/)
-   [Soalan Lazim Amazon Textract: teks bercetak dalam 40+ bahasa termasuk bahasa Arab; tulisan tangan bahasa Inggeris sahaja (disemak 2026-11-15)](https://aws.amazon.com/textract/faqs/)
-   [Harga Amazon Textract: contoh Detect Document Text, US West (Oregon) (disemak 2026-11-15)](https://aws.amazon.com/textract/pricing/)
-   [Dokumentasi Mistral, pemproses OCR: medan output dan input (disemak 2026-11-15)](https://docs.mistral.ai/capabilities/document_ai/basic_ocr/)
-   [Dokumentasi Mistral, bahasa yang disokong: OCR menyenaraikan bahasa Arab (disemak 2026-11-15)](https://docs.mistral.ai/resources/languages)
-   [Harga Mistral: OCR dihargakan setiap 1,000 halaman (disemak 2026-11-15)](https://mistral.ai/pricing)
-   [Rujukan API BroadNet Inference: input imej, model penglihatan, alat dan output berstruktur (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Harga BroadNet Inference yang boleh dibaca mesin, pricing.json (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Dokumentasi Google Gemma, penglihatan: bajet token imej 70 hingga 1,120 token (disemak 2026-11-15)](https://ai.google.dev/gemma/docs/capabilities/vision)
