OCR / Extração de Texto

Extraia texto de imagens usando reconhecimento óptico de caracteres com IA. Suporta vários idiomas e níveis de qualidade.

Endpoint da API

POST /api/v1/tools/image/ocr

Processamento: Resposta JSON síncrona. Se clientJobId for fornecido, o progresso também é reportado via SSE.

Pacote de modelo: ocr (5-6 GB)

Parâmetros

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
file	file	Sim	-	Arquivo de imagem (multipart)
quality	string	Não	"balanced"	Nível de qualidade: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Não	"auto"	Sugestão de idioma: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Não	true	Pré-processar a imagem para melhor precisão do OCR
engine	string	Não	-	Obsoleto. Use quality em vez disso. Mapeia tesseract para fast, paddleocr para balanced

Exemplo de Requisição

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

Resposta (200 OK)

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

Progresso (SSE, opcional)

Se um campo de formulário clientJobId for fornecido, os eventos de progresso são transmitidos:

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

Notas

• Requer que o pacote de modelo ocr esteja instalado (5-6 GB).
• O OCR retorna o texto extraído diretamente, em vez de uma URL de download da imagem.
• Usa uma cadeia de fallback: se um nível de qualidade superior falhar (por exemplo, um segfault do PaddleOCR), ele tenta automaticamente o próximo nível inferior.
• Se um nível retornar texto vazio sem falhar, ele também recorre ao próximo nível.
• Os níveis de qualidade mapeiam para os engines: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Suporta os formatos de entrada HEIC/HEIF, RAW, TGA, PSD, EXR e HDR via decodificação automática.