OCR / Extracción de texto

Extrae texto de imágenes mediante reconocimiento óptico de caracteres con IA. Admite varios idiomas y niveles de calidad.

Endpoint de la API

POST /api/v1/tools/image/ocr

Procesamiento: respuesta JSON síncrona. Si se proporciona clientJobId, el progreso también se informa a través de SSE.

Paquete del modelo: ocr (5-6 GB)

Parámetros

Parámetro	Tipo	Obligatorio	Predeterminado	Descripción
file	file	Sí	-	Archivo de imagen (multipart)
quality	string	No	"balanced"	Nivel de calidad: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	No	"auto"	Sugerencia de idioma: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	No	true	Preprocesar la imagen para mejorar la precisión del OCR
engine	string	No	-	Obsoleto. Usa quality en su lugar. Asigna tesseract a fast, y paddleocr a balanced

Ejemplo de solicitud

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

Respuesta (200 OK)

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

Progreso (SSE, opcional)

Si se proporciona un campo de formulario clientJobId, los eventos de progreso se transmiten:

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

Notas

• Requiere que el paquete del modelo ocr esté instalado (5-6 GB).
• El OCR devuelve el texto extraído directamente en lugar de una URL de descarga de imagen.
• Usa una cadena de reserva: si un nivel de mayor calidad falla (por ejemplo, un segfault de PaddleOCR), reintenta automáticamente con el siguiente nivel inferior.
• Si un nivel devuelve texto vacío sin fallar, también recurre al siguiente nivel.
• Los niveles de calidad se asignan a motores: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Admite los formatos de entrada HEIC/HEIF, RAW, TGA, PSD, EXR y HDR mediante decodificación automática.