OCR / Wyodrębnianie tekstu

Wyodrębniaj tekst z obrazów za pomocą optycznego rozpoznawania znaków wspomaganego AI. Obsługuje wiele języków i poziomów jakości.

Punkt końcowy API

POST /api/v1/tools/image/ocr

Przetwarzanie: Synchroniczna odpowiedź JSON. Jeśli podano clientJobId, postęp jest też raportowany przez SSE.

Pakiet modeli: ocr (5-6 GB)

Parametry

Parametr	Typ	Wymagany	Domyślnie	Opis
file	file	Tak	-	Plik obrazu (multipart)
quality	string	Nie	"balanced"	Poziom jakości: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Nie	"auto"	Podpowiedź językowa: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Nie	true	Wstępnie przetwórz obraz dla lepszej dokładności OCR
engine	string	Nie	-	Przestarzały. Użyj quality. Mapuje tesseract na fast, paddleocr na balanced

Przykładowe żądanie

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

Odpowiedź (200 OK)

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

Postęp (SSE, opcjonalnie)

Jeśli podano pole formularza clientJobId, zdarzenia postępu są strumieniowane:

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

Uwagi

• Wymaga zainstalowania pakietu modeli ocr (5-6 GB).
• OCR zwraca wyodrębniony tekst bezpośrednio, a nie adres URL do pobrania obrazu.
• Używa łańcucha awaryjnego: jeśli poziom o wyższej jakości ulegnie awarii (np. segfault PaddleOCR), automatycznie ponawia próbę z kolejnym niższym poziomem.
• Jeśli poziom zwróci pusty tekst bez awarii, również przełącza się na kolejny poziom.
• Poziomy jakości mapują się na silniki: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Obsługuje formaty wejściowe HEIC/HEIF, RAW, TGA, PSD, EXR i HDR poprzez automatyczne dekodowanie.