OCR / Textextraktion

Extrahiere Text aus Bildern mit KI-gestützter optischer Zeichenerkennung. Unterstützt mehrere Sprachen und Qualitätsstufen.

API-Endpunkt

POST /api/v1/tools/image/ocr

Verarbeitung: Synchrone JSON-Antwort. Wenn clientJobId angegeben ist, wird der Fortschritt zusätzlich über SSE gemeldet.

Modell-Bundle: ocr (5-6 GB)

Parameter

Parameter	Typ	Erforderlich	Standard	Beschreibung
file	file	Ja	-	Bilddatei (multipart)
quality	string	Nein	"balanced"	Qualitätsstufe: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Nein	"auto"	Sprachhinweis: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Nein	true	Bild für bessere OCR-Genauigkeit vorverarbeiten
engine	string	Nein	-	Veraltet. Verwende stattdessen quality. Bildet tesseract auf fast und paddleocr auf balanced ab

Beispielanfrage

curl -X POST http://localhost:1349/api/v1/tools/image/ocr \
  -F "[email protected]" \
  -F 'settings={"quality":"best","language":"en","enhance":true}'

Antwort (200 OK)

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "filename": "document.png",
  "text": "Extracted text content from the image...",
  "engine": "paddleocr-vl"
}

Fortschritt (SSE, optional)

Wenn ein Formularfeld clientJobId angegeben ist, werden Fortschrittsereignisse gestreamt:

event: progress
data: {"phase":"processing","stage":"Recognizing text...","percent":50}

Hinweise

• Erfordert das installierte Modell-Bundle ocr (5-6 GB).
• OCR gibt den extrahierten Text direkt zurück statt einer Download-URL für ein Bild.
• Verwendet eine Fallback-Kette: Wenn eine höhere Qualitätsstufe abstürzt (z. B. PaddleOCR-Segfault), wird automatisch mit der nächstniedrigeren Stufe erneut versucht.
• Wenn eine Stufe leeren Text ohne Absturz zurückgibt, wird ebenfalls auf die nächste Stufe zurückgegriffen.
• Qualitätsstufen werden auf Engines abgebildet: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Unterstützt die Eingabeformate HEIC/HEIF, RAW, TGA, PSD, EXR und HDR durch automatische Dekodierung.