OCR / Извлечение текста

Извлечение текста из изображений с помощью оптического распознавания символов на основе ИИ. Поддерживает несколько языков и уровней качества.

Эндпоинт API

POST /api/v1/tools/image/ocr

Обработка: синхронный JSON-ответ. Если указан clientJobId, прогресс также сообщается через SSE.

Пакет модели: ocr (5-6 ГБ)

Параметры

Параметр	Тип	Обязательный	По умолчанию	Описание
file	file	Да	-	Файл изображения (multipart)
quality	string	Нет	"balanced"	Уровень качества: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Нет	"auto"	Языковая подсказка: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Нет	true	Предварительная обработка изображения для повышения точности OCR
engine	string	Нет	-	Устарело. Используйте quality вместо этого. Сопоставляет tesseract с fast, paddleocr с balanced

Пример запроса

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

Ответ (200 OK)

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

Прогресс (SSE, опционально)

Если передано поле формы clientJobId, транслируются события прогресса:

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

Примечания

• Требует установленного пакета модели ocr (5-6 ГБ).
• OCR возвращает извлечённый текст напрямую, а не URL для скачивания изображения.
• Использует цепочку запасных вариантов: если уровень более высокого качества падает (например, segfault PaddleOCR), происходит автоматический повтор на следующем более низком уровне.
• Если уровень возвращает пустой текст без сбоя, он также переходит на следующий уровень.
• Уровни качества сопоставляются с движками: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Поддерживает входные форматы HEIC/HEIF, RAW, TGA, PSD, EXR и HDR через автоматическое декодирование.