Pesquise “API de OCR para árabe” e a maioria dos resultados são sites de ranking que não dizem de onde vêm as notas. Esta página faz o trabalho mais específico de que quem compra precisa. Para cada API, mostra o que a documentação do próprio fornecedor diz sobre o árabe, o que a API retorna e quanto custa uma página. Cada número foi lido na página do fornecedor em 15 de novembro de 2026. O BroadRouter é o site da BroadNet, e a BroadNet vende uma das opções abaixo (LLMs com visão, não OCR), então dizemos onde as outras se saem melhor.
Se você ainda está decidindo, em princípio, entre OCR e LLM com visão, comece por OCR para árabe versus LLMs com visão. Lá explicamos por que a escrita cursiva, os pontos e as linhas com direção mista tornam o árabe difícil. Este post parte do princípio de que você já sabe disso e quer escolher um fornecedor.
Quais APIs de OCR suportam oficialmente o árabe?
| API | Árabe impresso | Árabe manuscrito | O que retorna |
|---|---|---|---|
Google Cloud Vision (DOCUMENT_TEXT_DETECTION) |
Sim, ar, listado como padrão moderno |
Não listado (a escrita árabe não está na tabela de manuscritos) | Texto com informações de página, bloco, parágrafo, palavra e quebras |
Azure AI Document Intelligence, Read (prebuilt-read) |
Sim, ar |
Sim, na v4.0 (não na v3.1) | Texto impresso e manuscrito |
Azure AI Document Intelligence, Layout (prebuilt-layout) |
Sim, ar |
Sim, na v4.0 | Texto, tabelas, estrutura do documento e marcas de seleção |
| Fatura e recibo pré-criados do Azure | A fatura lista o árabe (ar); recibos térmicos listam o árabe |
n/a | Campos nomeados de faturas e recibos |
| Amazon Textract (Detect Document Text) | Sim, entre mais de 40 idiomas | Não: “handwriting … in English only” (tradução: “manuscrito … só em inglês”) | Palavras e linhas, cada uma com caixa delimitadora e nota de confiança |
Mistral OCR (mistral-ocr-latest) |
Sim, listado entre os idiomas do Oriente Médio | Não informado | Markdown por página mais campos JSON: tabelas, imagens, cabeçalhos, rodapés, blocos, notas de confiança |
| LLM com visão (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash na BroadNet) | Lê imagens em árabe; não é motor de OCR | Não documentado | O que você pedir: texto, campos, JSON, uma tradução |
Dois detalhes importam mais que as colunas de sim/não:
- O Textract limita mais do que o manuscrito. As perguntas frequentes dele dizem “Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.” (tradução: “O processamento de manuscritos, faturas e recibos, documentos de identidade e Queries é só em inglês.”). Em documentos em árabe, o Textract entrega texto e posições, não campos de fatura.
- O manuscrito em árabe do Azure é novidade da v4.0. A tabela de manuscritos da v3.1 não inclui o árabe. Fixe a versão da API que você usa nos testes.
A página de idiomas da Mistral diz que a lista reflete “languages with strong expected performance” (tradução: “idiomas com bom desempenho esperado”), o que é uma declaração do fornecedor, não uma nota medida.
Quanto custa cada API de OCR para árabe a cada 1.000 páginas?
Preços em dólares americanos, lidos em 15 de novembro de 2026 na fonte de preços de cada fornecedor:
| API e recurso | Cota gratuita | Preço inicial a cada 1.000 páginas | Preço em alto volume |
|---|---|---|---|
| Google Cloud Vision, Document Text Detection | Primeiras 1.000 unidades por mês | USD 1,50 (unidades de 1.001 a 5.000.000) | USD 0,60 acima de 5 milhões de unidades por mês |
| Azure Document Intelligence, Read (East US) | 500 páginas por mês na camada gratuita | USD 1,50 | USD 0,60 depois do primeiro milhão de páginas |
| Azure Document Intelligence, Layout e modelos pré-criados (East US) | Mesma camada gratuita | USD 10 | As faixas com compromisso estão na página de preços do Azure (os preços carregam no navegador; confira a sua região) |
| Amazon Textract, Detect Document Text (US West, Oregon) | 1.000 páginas por mês para novos clientes da AWS, por três meses | USD 1,50 (primeiro milhão de páginas por mês) | USD 0,60 depois de 1 milhão de páginas |
| Mistral OCR | Não informada | Preço a cada 1.000 páginas; o valor não está no HTML estático da página, então não conseguimos confirmá-lo | A Mistral diz que o processamento em lote corta pela metade os preços da API |
O Google cobra cada página de PDF como uma imagem, e cada recurso como uma unidade separada. Pedir dois recursos na mesma página custa duas unidades. O preço dos modelos pré-criados do Azure cobre layout, fatura e recibo. Se você precisa dos campos estruturados de fatura do Azure, planeje a tarifa de USD 10, não a de USD 1,50 do Read.
Quanto custa uma página com um LLM com visão?
Um LLM com visão não tem preço por página. Nas chaves de pagamento por uso da BroadNet, a documentação diz que uma imagem “counts as input tokens at the model’s input price” (tradução: “conta como tokens de entrada ao preço de entrada do modelo”), e uma imagem maior usa mais tokens. O custo da página é a soma dos tokens da imagem e do seu prompt, mais a resposta ao preço de saída.
Os tokens de imagem variam com o modelo e a resolução. O Gemma 4 usa orçamentos de 70, 140, 280, 560 ou 1.120 tokens por imagem, e a documentação do Google recomenda um orçamento maior para a melhor precisão em tarefas visuais. Como referência de planejamento, não como medição, considere cerca de 1.000 tokens de entrada e 300 de saída por página:
| Modelo da BroadNet | Entrada por 1M | Saída por 1M | 1.000 páginas com cerca de 1M de entrada e 0,3M de saída |
|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 mais três décimos de $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 mais três décimos de $2.17, mais o raciocínio |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 mais três décimos de $0.52, mais o raciocínio |
O Qwen3.8 27B e o DeepSeek V4.1 Flash raciocinam antes de responder, e o raciocínio é cobrado como saída. Mantenha max_tokens em 1.000 ou mais, ou defina reasoning_effort como low, senão a resposta pode voltar vazia (por quê). Meça as suas próprias páginas: envie dez, leia usage.prompt_tokens e usage.completion_tokens e multiplique. A calculadora de tokens de imagem e custo por imagem de LLMs com visão fazem a conta.
A comparação não é entre iguais. USD 1,50 a cada 1.000 páginas compra texto bruto e posições. Uma chamada a um LLM com visão pode retornar fornecedor, número de VAT, data e total em JSON na mesma requisição, o que poupa a etapa de parsing. O Gemma 4 VL 26B também é coberto pelo crédito inicial de $5. O Qwen3.8 27B e o DeepSeek V4.1 Flash exigem uma recarga.
Em que os detalhes de integração diferem?
| Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | LLMs com visão da BroadNet | |
|---|---|---|---|---|---|
| Entrada | Imagens; PDF e TIFF via DOCUMENT_TEXT_DETECTION |
Veja a lista de tipos de arquivo do modelo Read | Veja a lista de tipos de arquivo do Textract | image_url (PNG, JPEG, AVIF e outros) ou document_url (PDF, PPTX, DOCX e outros) |
Uma imagem por item de conteúdo como URL data:; converta antes as páginas de PDF em imagens |
| Indicação de idioma | Indicação ar opcional |
Opcional; a Microsoft recomenda não definir se você não tiver certeza | Não tratada nas perguntas frequentes | Não informada | Diga no prompt “o documento está em árabe” |
| Campos estruturados | Não (só a hierarquia do texto) | Sim, fatura e recibo pré-criados | Faturas, recibos e Queries só em inglês | Anotações de documento opcionais | Peça JSON; a saída estruturada só está documentada para o Qwen3.8 27B |
| Formato da API | API do Google Cloud | REST e SDKs do Azure | SDKs da AWS | /v1/ocr da Mistral |
/v1/chat/completions compatível com a OpenAI |
A observação da Microsoft sobre códigos de idioma vale a leitura se os seus documentos misturam árabe e inglês: “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.” (tradução: “Não informe o código de idioma como parâmetro a menos que tenha certeza do idioma … Caso contrário, o serviço pode retornar texto incompleto e incorreto.”).
Qual API de OCR para árabe escolher?
Não há uma resposta única, e nenhum fornecedor publica um teste independente de precisão em árabe que pudéssemos verificar. Escolha primeiro pela saída, depois teste:
- Você precisa de texto pesquisável de grandes acervos digitalizados. Google Cloud Vision, Azure Read ou Textract. Os três listam árabe impresso pelo mesmo preço inicial. Escolha a nuvem que você já usa para armazenamento e identidade.
- Você precisa de árabe manuscrito. O Azure Document Intelligence v4.0 é a única API de OCR daqui que o lista. Teste também um LLM com visão nas mesmas páginas, já que nenhum deles documenta manuscrito nem para um lado nem para o outro.
- Você precisa dos campos de faturas em árabe. Compare o modelo de fatura pré-criado do Azure (USD 10 a cada 1.000 páginas) com um LLM com visão que retorna JSON. Na BroadNet, o Qwen3.8 27B é o modelo com saída estruturada documentada. Ler faturas em árabe com um modelo com visão tem código funcionando.
- Você quer Markdown com tabelas para RAG. O Mistral OCR retorna Markdown por página com tabelas e blocos. Confirme o preço atual por página na página de preços da Mistral.
- Você precisa de campos, tradução e resumo numa só chamada. Um LLM com visão. O pipeline, com validação, está em extrair dados de faturas para JSON com um LLM com visão.
Como testar APIs de OCR para árabe nos seus próprios documentos?
- Escolha de 50 a 100 páginas reais: PDFs limpos, fotos de celular, recibos térmicos desbotados, faturas carimbadas e, se você tiver, formulários preenchidos à mão.
- Digite um gabarito para os campos que interessam. Mantenha os algarismos arábicos orientais (٠١٢٣) como impressos e anote-os à parte.
- Avalie caracteres e campos separadamente. O character error rate mostra a qualidade da leitura. A precisão dos campos (total, data, número de VAT) mostra a qualidade para o negócio. Um dígito errado num total importa mais que dez num rodapé.
- Confira a ordem em linhas mistas. Uma linha como “الإجمالي: 1,250.00 SAR” pode voltar com o número antes do rótulo. É um problema de ordem bidirecional, não de reconhecimento, mas o seu parser ainda precisa lidar com isso.
- Valide os números no código, seja qual for a escolha: os itens somam o total, o VAT bate com a alíquota e as datas são interpretáveis. Mande as falhas para uma fila de revisão humana.
Onde a BroadNet Inference entra
O BroadRouter é o site da BroadNet. A BroadNet Inference não vende um motor de OCR. Ela vende LLMs com visão numa única API compatível com a OpenAI: Qwen3.8 27B, BroadNet Gemma 4 VL 26B e DeepSeek V4.1 Flash, que aceitam imagens. Se você precisa do texto bruto mais barato de milhões de páginas digitalizadas, ou de árabe manuscrito com posições, uma API de OCR clássica das listadas acima é a melhor escolha. A BroadNet se encaixa quando você quer campos ou JSON de documentos em árabe, com retenção zero de dados: a BroadNet diz que o conteúdo da inferência não é retido. Teste o Gemma 4 VL 26B com o crédito inicial de $5, ou leia a referência da API e crie uma chave.
