OCR / Text Extraction

AI-संचालित ऑप्टिकल कैरेक्टर रिकग्निशन का उपयोग करके इमेज से टेक्स्ट निकालें। कई भाषाओं और गुणवत्ता टियर का समर्थन करता है।

API Endpoint

POST /api/v1/tools/image/ocr

Processing: सिंक्रोनस JSON प्रतिक्रिया। यदि clientJobId प्रदान किया गया हो, तो प्रगति की जानकारी SSE के माध्यम से भी दी जाती है।

Model bundle: ocr (5-6 GB)

Parameters

Parameter	Type	Required	Default	Description
file	file	Yes	-	इमेज फ़ाइल (multipart)
quality	string	No	"balanced"	गुणवत्ता टियर: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	No	"auto"	भाषा संकेत: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	No	true	बेहतर OCR सटीकता के लिए इमेज को पूर्व-प्रोसेस करें
engine	string	No	-	अप्रचलित। इसके बजाय quality का उपयोग करें। tesseract को fast से, paddleocr को balanced से मैप करता है

Example Request

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

Response (200 OK)

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

Progress (SSE, optional)

यदि कोई clientJobId फ़ॉर्म फ़ील्ड प्रदान किया गया हो, तो प्रगति इवेंट स्ट्रीम किए जाते हैं:

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

Notes

• ocr मॉडल बंडल का इंस्टॉल होना आवश्यक है (5-6 GB)।
• OCR इमेज डाउनलोड URL के बजाय सीधे निकाला गया टेक्स्ट लौटाता है।
• एक फ़ॉलबैक श्रृंखला का उपयोग करता है: यदि कोई उच्च-गुणवत्ता टियर क्रैश हो जाता है (उदा., PaddleOCR segfault), तो यह स्वतः अगले निचले टियर के साथ पुनः प्रयास करता है।
• यदि कोई टियर क्रैश हुए बिना खाली टेक्स्ट लौटाता है, तो यह भी अगले टियर पर फ़ॉलबैक करता है।
• गुणवत्ता टियर इंजनों से मैप होते हैं: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL।
• स्वचालित डिकोडिंग के माध्यम से HEIC/HEIF, RAW, TGA, PSD, EXR और HDR इनपुट प्रारूपों का समर्थन करता है।