---
title: "انوائسز اور دستاویزات کے لیے عربی OCR بمقابلہ vision LLM"
description: "عربی انوائسز، رسیدوں اور فارمز کے لیے کب روایتی OCR اور کب vision LLM: درستگی کے جال، JSON آؤٹ پٹ، فی صفحہ لاگت اور ایک validation پائپ لائن۔"
url: https://broadrouter.com/ur/blog/arabic-ocr-vision-llm/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/arabic-ocr-vision-llm/) (اپ ڈیٹ: 2026-11-14).

# عربی OCR بمقابلہ vision LLMs: عربی دستاویزات اور انوائسز پڑھنا

BroadNet Inference ٹیم · 5 منٹ کی پڑھائی · شائع شدہ 2026-11-14

روایتی OCR عربی صفحے کی تصاویر کو خام متن میں بدلتا ہے؛ vision LLM تصویر پڑھ کر آپ کے مانگے ہوئے فیلڈز، جیسے وینڈر، تاریخ اور کل رقم، JSON میں لوٹاتا ہے۔ انوائسز اور رسیدوں کے لیے vision LLM عموماً parsing کا مرحلہ بچاتا ہے۔ BroadNet Inference پر Qwen3.8 27B، DeepSeek V4.1 Flash اور BroadNet Gemma 4 VL 26B تصاویر لیتے ہیں۔

## اہم نکات

-   عربی OCR مشکل ہے کیونکہ حروف جڑتے ہیں، جگہ کے لحاظ سے شکل بدلتے ہیں اور نقطوں پر منحصر ہیں؛ ملی جلی عربی اور انگریزی سطریں دو طرفہ ترتیب کے مسائل بڑھاتی ہیں۔
-   روایتی OCR آپ کو متن اور positions دیتا ہے۔ vision LLM آپ کو معنی دیتا ہے: نام والے فیلڈز، ترجمہ شدہ لیبلز، structured JSON۔
-   نمبر ہمیشہ کوڈ میں validate کریں: کل رقم سطروں کے مجموعے کے برابر ہو، VAT شرح سے ملے، تاریخیں parse ہوں۔
-   استعمال کے مطابق ادائیگی پر تصویر کا بل ان پٹ ٹوکنز کے طور پر بنتا ہے، اس لیے بڑی تصاویر بھیجنے سے پہلے چھوٹی کریں۔
-   لمبی اسکین شدہ کتابوں میں پورے متن کی سرچ چاہیے تو OCR استعمال کریں؛ جن دستاویزات پر عمل کرنا ہے، ان کے لیے vision LLM۔

**اس صفحے پر**

1.  عربی OCR مشکل کیوں ہے؟
2.  OCR یا vision LLM: ہر ایک آپ کو کیا دیتا ہے؟
3.  Vision LLM سے عربی انوائس کیسے پڑھیں؟
4.  غلط پڑھے نمبر کیسے پکڑیں؟
5.  عربی دستاویزات کون سا vision ماڈل پڑھے؟
6.  Vision LLM کی فی صفحہ لاگت کتنی ہے؟
7.  روایتی OCR اب بھی کب جیتتا ہے؟
8.  پرائیویسی

_[image: Parcels on a conveyor labelled "FRAGILE", "ZERBRECHLICH" and "取扱注意", with the text "From printed text to useful data."]_

جن عربی انوائسز، رسیدوں اور فارمز پر آپ کو عمل کرنا ہے، ان کے لیے [vision LLM](https://broadrouter.com/ur/glossary/vision-language-model/) استعمال کریں: یہ تصویر پڑھتا ہے اور آپ کے مانگے ہوئے فیلڈز، جیسے وینڈر، VAT نمبر، تاریخ اور کل رقم، JSON میں لوٹاتا ہے۔ لمبے اسکین شدہ صفحات میں پورے متن کی سرچ یا آف لائن کام کے لیے روایتی [optical character recognition (OCR)](https://broadrouter.com/ur/glossary/ocr/) استعمال کریں۔ دونوں صورتوں میں نمبر کوڈ میں جانچیں۔

نیچے دی گئی وجوہات سے عربی دونوں راستوں کو انگریزی سے زیادہ مشکل بناتی ہے۔

## عربی OCR مشکل کیوں ہے؟

-   **جڑا ہوا رسم الخط۔** عربی حروف جڑتے ہیں، اور زیادہ تر کی چار تک شکلیں ہوتی ہیں (الگ، ابتدائی، درمیانی، آخری)۔ OCR انجن کو ایسا لفظ توڑنا پڑتا ہے جس کے کنارے وہ دیکھ نہیں سکتا۔
-   **نقطے معنی رکھتے ہیں۔** ب ت ث ن ي کی بنیادی شکل ایک ہے اور یہ صرف نقطوں سے مختلف ہیں۔ کم resolution والا اسکین یا ایک شکن ایک حرف کو دوسرے میں بدل سکتی ہے۔
-   **ایک سطر پر دو سمتیں۔** “المجموع: 1,250.00 SAR” جیسی انوائس سطر دائیں سے بائیں عربی کو بائیں سے دائیں نمبروں اور لاطینی متن کے ساتھ ملاتی ہے۔ OCR آؤٹ پٹ اکثر غلط بصری ترتیب میں آتا ہے، جسے دکھاتے وقت [Unicode bidirectional algorithm](https://www.unicode.org/reports/tr9/) پھر سے ترتیب بدلتا ہے۔
-   **ہندسوں کے دو سیٹ۔** خلیجی اور مصری دستاویزات اکثر 0–9 کی جگہ مشرقی عربی ہندسے (٠١٢٣٤٥٦٧٨٩) چھاپتی ہیں، کبھی ایک ہی صفحے پر دونوں۔
-   **فونٹس اور مہریں۔** آرائشی نسخ اور رقعہ عنوانات، کل رقم پر لگی کمپنی کی مہر اور تھرمل رسید کا مدھم پڑنا، سب پہچان کو نقصان پہنچاتے ہیں۔

## OCR یا vision LLM: ہر ایک آپ کو کیا دیتا ہے؟

|  | روایتی OCR | Vision LLM |
| --- | --- | --- |
| آؤٹ پٹ | خام متن، اکثر الفاظ کی positions کے ساتھ | جو بھی آپ مانگیں: فیلڈز، JSON، خلاصہ، ترجمہ |
| Layout کی سمجھ | آپ اصول یا templates لکھتے ہیں | ماڈل خود سمجھتا ہے (“کل رقم نیچے دائیں ہے”) |
| انوائس کے نئے layouts | نیا template یا اصول | عموماً بغیر تبدیلی کے کام کرتا ہے |
| ترجمہ | الگ مرحلہ | اسی درخواست میں |
| قابلِ پیش گوئی | ایک ہی ان پٹ کے لیے deterministic | بدل سکتا ہے؛ آؤٹ پٹ validate کریں |
| گھڑنے کا خطرہ | کم (غلط پڑھتا ہے، لیکن گھڑتا نہیں) | حقیقی: قابلِ یقین لیکن غلط قدر بنا سکتا ہے |
| کس کے لیے بہترین | لمبی اسکین شدہ دستاویزات اور آرکائیوز میں پورے متن کی سرچ | انوائسز، رسیدیں، IDs، فارمز جن پر عمل کرنا ہے |

بنیادی نفع نقصان: OCR غلط پڑھتا ہے لیکن گھڑتا نہیں۔ vision LLM سمجھتا ہے، لیکن قابلِ یقین قدر [گھڑ](https://broadrouter.com/ur/glossary/hallucination/) سکتا ہے۔ اچھی پائپ لائن سمجھنے کے لیے LLM اور جانچنے کے لیے کوڈ استعمال کرتی ہے۔

## Vision LLM سے عربی انوائس کیسے پڑھیں؟

تصویر کو message content کے اندر base64 data URL کے طور پر بھیجیں اور بالکل وہی فیلڈز مانگیں جو آپ کو چاہییں۔ مکمل رہنمائی [vision انوائس گائیڈ](https://broadrouter.com/ur/guides/read-arabic-invoices-with-vision/) میں ہے؛ بنیادی حصہ ایسا دکھتا ہے:

```python
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)
```

تین تفصیلات جو debugging کا وقت بچاتی ہیں:

1.  **بتائیں کہ کون سا ہندسی نظام چاہیے۔** “Convert Eastern Arabic numerals to Western digits” (ترجمہ: مشرقی عربی ہندسوں کو مغربی ہندسوں میں بدلیں) آپ کے ڈیٹابیس میں ١٢٥٠ اور 1250 کے امتزاج سے بچاتا ہے۔
2.  **اندازہ نہیں، `null` مانگیں۔** جب ہر key بھرنا ضروری ہو تو ماڈل کے قدر گھڑنے کا امکان زیادہ ہوتا ہے۔
3.  **نام اصل رسم الخط میں رکھیں۔** “مؤسسة النور للتجارة” کو لاطینی حروف میں transliterate کرنے سے املا کی کئی شکلیں بنتی ہیں۔ عربی محفوظ کریں اور انگریزی چاہیے تو الگ سے ترجمہ کریں۔

اگر ماڈل خالی جواب لوٹاتا ہے تو ریزننگ کرتے ہوئے اس کا `max_tokens` ختم ہو گیا؛ دیکھیں [ریزننگ ٹوکن اور خالی جوابات](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)۔ زیادہ سخت JSON شکل کے لیے [JSON schema کے ساتھ structured output](https://broadrouter.com/ur/blog/structured-output-json-schema/) دیکھیں؛ مفت [JSON schema generator](https://broadrouter.com/tools/json-schema-generator/) ایک نمونہ انوائس سے schema بناتا ہے۔

## غلط پڑھے نمبر کیسے پکڑیں؟

نکالی گئی ہر قدر کو ڈیٹا نہیں، کوڈ میں جانچنے کے قابل دعویٰ سمجھیں۔ سطروں کا مجموعہ subtotal کے برابر ہو، subtotal جمع VAT کل رقم کے برابر ہو، تاریخیں parse ہوں اور مستقبل کی نہ ہوں، اور کرنسی وینڈر کے ملک سے ملے۔ سعودی VAT نمبروں کی لمبائی اور فارمیٹ مقرر ہے، جو ایک سستی اضافی جانچ بناتا ہے۔ غلط پڑھا ہندسہ تقریباً ہمیشہ کوئی مجموعہ توڑ دیتا ہے، اس لیے حسابی جانچیں اہم غلطیوں کی اکثریت پکڑ لیتی ہیں۔ جو کچھ ناکام ہو، وہ تصویر اور نکالے گئے فیلڈز کو ساتھ رکھ کر انسانی جائزے کی queue میں جائے۔

مکمل پائپ لائن، Pydantic schema، حسابی validators، error پیغام کے ساتھ ایک دوبارہ کوشش اور جائزے کی queue کے ساتھ، [vision LLM سے انوائس اور رسید کا ڈیٹا JSON میں نکالیں](https://broadrouter.com/ur/blog/extract-data-from-documents-with-vision-llm/) میں ہے۔

## عربی دستاویزات کون سا vision ماڈل پڑھے؟

BroadNet Inference پر تین چیٹ ماڈلز تصاویر لیتے ہیں:

| ماڈل | فی دس لاکھ ٹوکن ان پٹ / آؤٹ پٹ | کانٹیکسٹ | نوٹس |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) | $0.175 / $2.17 | 262,144 | وہ ماڈل جسے BroadNet نے عربی میں ٹیسٹ کیا |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1,048,576 | لامحدود مقررہ قیمت والے پلانز پر بھی |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ur/models/gemma-4-vl-26b/) | $0.10 / $0.22 | 32,768 | BroadNet کے vision ماڈلز میں سب سے سستا؛ مفت کریڈٹ اور $0.50 والی گھنٹے کی کلید پر کام کرتا ہے |

BroadNet رپورٹ کرتا ہے کہ اس کے ٹیسٹس میں Qwen3.8 27B نے رواں عربی لکھی، خلیجی اور مصری لہجے سمجھے اور عربی اور انگریزی کا درست ترجمہ کیا۔ BroadNet کوئی OCR یا document-extraction benchmark شائع نہیں کرتا، اس لیے اپنی دستاویزات پر فیلڈز کی درستگی ناپیں۔ ایک عملی سیٹ اپ ہے: سادہ رسیدوں کے لیے Gemma 4 VL 26B، اور validation میں ناکام ہونے والی ہر چیز کے لیے Qwen3.8 27B سے دوسرا پاس۔ [Gemma 4 VL 26B بمقابلہ Qwen3.8 27B موازنہ](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/) دونوں کو ساتھ ساتھ رکھتا ہے۔

## Vision LLM کی فی صفحہ لاگت کتنی ہے؟

استعمال کے مطابق ادائیگی والی کلیدوں پر تصویر کا بل ماڈل کی ان پٹ قیمت پر ان پٹ ٹوکنز کے طور پر بنتا ہے، اور بڑی تصاویر زیادہ ٹوکن لیتی ہیں۔ فون کی تصاویر کو لمبی طرف سے تقریباً 1,500–2,000 pixels پر چھوٹا کریں: عربی نقطوں کو کافی resolution چاہیے، لیکن 12-megapixel کی تصویر زیادہ تر صرف لاگت بڑھاتی ہے۔ فی صفحہ لاگت جاننے کے لیے چند اصل تصاویر پر `usage.prompt_tokens` پڑھیں۔ لامحدود DeepSeek V4.1 Flash پلان پر BroadNet کی دستاویزات کہتی ہیں کہ تصاویر پلان کے لامحدود استعمال کا حصہ ہیں۔ فی تصویر اور فی صفحہ ٹوکن کا حساب [vision LLM کی فی تصویر لاگت](https://broadrouter.com/ur/blog/cheapest-vision-llm-api/) میں نکالا گیا ہے۔

## روایتی OCR اب بھی کب جیتتا ہے؟

-   **لمبی اسکین شدہ کتابیں اور آرکائیوز** جہاں سرچ کے لیے ہر لفظ چاہیے، چند فیلڈز نہیں۔
-   **سخت reproducibility،** جہاں ایک ہی ان پٹ سے ہمیشہ ایک ہی متن بننا چاہیے۔
-   **آف لائن یا on-device** پروسیسنگ، بغیر نیٹ ورک کے۔

[Tesseract](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html) جیسے open-source انجن عربی (`ara`) کا trained data فہرست کرتے ہیں اور آف لائن چلتے ہیں۔ ہائبرڈ طریقہ بھی اچھا کام کرتا ہے: قابلِ تلاش متن کے لیے صفحے کا OCR کریں، اور جن فیلڈز پر عمل کرنا ہے ان کے لیے تصویر vision LLM کو بھیجیں۔ کون سے cloud OCR APIs عربی، چھپی اور ہاتھ سے لکھی، فہرست کرتے ہیں اور ہر ایک کی فی 1,000 صفحات لاگت کیا ہے، یہ [عربی OCR API موازنہ](https://broadrouter.com/ur/blog/arabic-ocr-api-comparison/) میں ہے۔

## پرائیویسی

انوائسز اور IDs میں نام، ٹیکس نمبر اور بینک کی تفصیلات ہوتی ہیں۔ BroadNet Inference درخواست کے بعد تصاویر، پرامپٹس یا جوابات محفوظ نہیں رکھتا؛ دیکھیں [zero data retention](https://broadrouter.com/ur/privacy/)۔ یہی اصول اپنے اسٹوریج پر لاگو کریں: جو نکالے گئے فیلڈز چاہییں وہ رکھیں اور جن تصاویر کو رکھنا اب ضروری نہیں، انہیں حذف کر دیں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

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

OCR (optical character recognition) وہ ٹیکنالوجی ہے جو کسی تصویر، اسکین یا PDF میں چھپے یا ہاتھ سے لکھے متن کو پہچان کر مشین کے پڑھنے کے قابل حروف میں بدلتی ہے۔ روایتی OCR متن اور صفحے پر اس کی جگہ دیتا ہے؛ vision-language ماڈل متن پڑھ کر اس کے بارے میں براہِ راست سوالوں کے جواب دے سکتے ہیں۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[اسٹرکچرڈ آؤٹ پٹ (structured output)](https://broadrouter.com/ur/glossary/structured-output/)

اسٹرکچرڈ آؤٹ پٹ LLM API کا ایک فیچر ہے جو ماڈل کے جواب کو ڈویلپر کے طے کردہ فارمیٹ، عموماً JSON Schema، تک محدود کرتا ہے، تاکہ کوڈ اسے قابلِ اعتماد طریقے سے پارس کر سکے۔ یہ JSON mode سے زیادہ سخت ہے، جو درست JSON کی ضمانت دیتا ہے، لیکن کسی خاص ساخت کی نہیں۔

[زیرو ڈیٹا ریٹینشن (zero data retention، ZDR)](https://broadrouter.com/ur/glossary/zero-data-retention/)

زیرو ڈیٹا ریٹینشن (ZDR) ڈیٹا سنبھالنے کی ایک پالیسی ہے، جس میں AI فراہم کنندہ پرامپٹس اور آؤٹ پٹ صرف درخواست پوری کرنے کے لیے پروسیس کرتا ہے اور بعد میں وہ مواد لاگز، کیش یا تربیتی ڈیٹا میں محفوظ نہیں کرتا۔ ٹوکن گنتی اور اوقات جیسے بغیر مواد کے ریکارڈ عموماً پھر بھی رکھے جاتے ہیں۔

[ہیلوسینیشن (hallucination)](https://broadrouter.com/ur/glossary/hallucination/)

ہیلوسینیشن، لینگویج ماڈل کا ایسا آؤٹ پٹ ہے جو سننے میں درست لگتا ہے مگر غلط، گھڑا ہوا یا دیے گئے ان پٹ سے غیر ثابت شدہ ہوتا ہے، جیسے جعلی حوالہ، غلط عدد یا من گھڑت API۔ یہ اس لیے ہوتا ہے کہ ماڈل حقائق جانچنے کے بجائے ممکنہ متن کی پیش گوئی کرتا ہے۔

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

JSON Schema، JSON میں لکھی ایک لغت ہے جو JSON ڈیٹا کی ساخت بیان کرتی اور جانچتی ہے: ٹائپس، لازمی فیلڈز، قابلِ قبول قدریں اور نیسٹنگ۔ موجودہ ورژن 2020-12 ہے۔ LLM APIs اس سے ٹول پیرامیٹرز طے کرتے ہیں، اور وہ عین شکل بھی جس کی اسٹرکچرڈ آؤٹ پٹ کو پابندی کرنی ہے۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

## عام سوالات

### کیا عربی کے لیے vision LLM، OCR سے زیادہ درست ہے؟

یہ دستاویز پر منحصر ہے۔ vision LLMs عموماً layout سمجھنے اور انوائسز اور رسیدوں سے نام والے فیلڈز نکالنے میں بہتر ہیں۔ لمبے، صاف چھپے صفحات پر مخصوص OCR زیادہ قابلِ پیش گوئی ہو سکتا ہے۔ اپنی دستاویزات کے ایک نمونے پر دونوں ٹیسٹ کریں۔

### کیا vision LLMs ہاتھ سے لکھی عربی پڑھ سکتے ہیں؟

کبھی کبھی، صاف لکھائی پر۔ شکستہ یا جلدی کی لکھائی پر درستگی تیزی سے گرتی ہے۔ کم اعتماد والے ہاتھ سے لکھے فیلڈز کسی انسانی جائزہ کار کو بھیجیں۔

### تصاویر پڑھنے کے لیے سب سے سستا BroadNet ماڈل کون سا ہے؟

BroadNet Gemma 4 VL 26B، فی دس لاکھ ان پٹ ٹوکن $0.10 پر۔ یہ مفت ابتدائی کریڈٹ پر اور مقررہ قیمت والی گھنٹے کی کلید کے ساتھ بھی کام کرتا ہے۔

### مشرقی عربی ہندسوں کو مغربی ہندسوں میں کیسے بدلوں؟

ماڈل سے مغربی ہندسے لوٹانے کو کہیں، پھر کوڈ میں اسے نافذ کریں۔ Python میں text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")) بچ نکلنے والے کسی بھی مشرقی عربی ہندسے کو بدل دیتا ہے۔ فارسی ہندسے (۰–۹) مختلف code points استعمال کرتے ہیں، اس لیے اگر آپ کی دستاویزات ایران یا افغانستان سے آتی ہیں تو انہیں بھی شامل کریں۔

### کیا ماڈل عربی لیبلز کا انگریزی میں ترجمہ کر سکتا ہے؟

ہاں۔ انگریزی keys مانگیں اور اصل عربی قدریں رکھیں، یا دونوں مانگیں۔ transliteration کی غلطیوں سے بچنے کے لیے نام اصل رسم الخط میں رکھیں۔

## مزید پڑھیں

-   [وژن LLM سے انوائس، رسید اور فارم کا ڈیٹا JSON میں نکالیں](https://broadrouter.com/ur/blog/extract-data-from-documents-with-vision-llm/)
-   [سب سے سستا وژن LLM API: فی تصویر اور فی صفحہ لاگت کا حساب](https://broadrouter.com/ur/blog/cheapest-vision-llm-api/)
-   [عربی کے لیے LLM API کیسے چنیں: کیا کیا ٹیسٹ کریں](https://broadrouter.com/ur/blog/choosing-an-llm-for-arabic/)
-   [JSON mode بمقابلہ json\_schema: قابل اعتماد اسٹرکچرڈ آؤٹ پٹ](https://broadrouter.com/ur/blog/structured-output-json-schema/)
-   [LLM سے عربی متن پر اعراب (تشکیل) لگانا: پرامپٹ، جانچ، DER](https://broadrouter.com/ur/blog/arabic-diacritization-llm/)
-   [LLM سے عربی گرامر اور املا کی تصحیح: ایک عملی رہنما](https://broadrouter.com/ur/blog/arabic-grammar-spelling-correction-llm/)
-   [گائیڈ: وژن ماڈل سے عربی انوائسز اور رسیدیں پڑھیں](https://broadrouter.com/ur/guides/read-arabic-invoices-with-vision/)
-   [گائیڈ: ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-ocr-vision-llm&utm_content=page-cta) ·

**ذرائع**

-   [BroadNet Inference API ریفرنس: تصویر کے ساتھ چیٹ، پلانز پر تصاویر (2026-11-14 کو دیکھا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [BroadNet Inference کی مشین سے پڑھی جانے والی قیمتیں، pricing.json (2026-11-14 کو دیکھا گیا) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-arabic-ocr-vision-llm&utm_content=sources)
-   [Tesseract دستاویزات، عربی سمیت زبان کے لحاظ سے trained data فائلیں (2026-11-14 کو دیکھا گیا)](https://tesseract-ocr.github.io/tessdoc/Data-Files-in-different-versions.html)
-   [Unicode Standard Annex #9، Unicode Bidirectional Algorithm (2026-11-14 کو دیکھا گیا)](https://www.unicode.org/reports/tr9/)
