OCR / Textextrahering

Extrahera text från bilder med AI-driven optisk teckenigenkänning. Stöder flera språk och kvalitetsnivåer.

API-slutpunkt

POST /api/v1/tools/image/ocr

Bearbetning: Synkront JSON-svar. Om clientJobId anges rapporteras förloppet även via SSE.

Modellpaket: ocr (5-6 GB)

Parametrar

Parameter	Typ	Obligatorisk	Standard	Beskrivning
file	file	Ja	-	Bildfil (multipart)
quality	string	Nej	"balanced"	Kvalitetsnivå: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Nej	"auto"	Språktips: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Nej	true	Förbehandla bilden för bättre OCR-noggrannhet
engine	string	Nej	-	Föråldrad. Använd quality istället. Mappar tesseract till fast, paddleocr till balanced

Exempelförfrågan

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

Svar (200 OK)

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

Förlopp (SSE, valfritt)

Om ett formulärfält clientJobId anges strömmas förloppshändelser:

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

Anteckningar

• Kräver att modellpaketet ocr är installerat (5-6 GB).
• OCR returnerar den extraherade texten direkt istället för en nedladdnings-URL för en bild.
• Använder en fallback-kedja: om en nivå med högre kvalitet kraschar (t.ex. PaddleOCR-segfault) försöker den automatiskt igen med nästa lägre nivå.
• Om en nivå returnerar tom text utan att krascha faller den också tillbaka till nästa nivå.
• Kvalitetsnivåer mappas till motorer: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Stöder HEIC/HEIF-, RAW-, TGA-, PSD-, EXR- och HDR-indataformat via automatisk avkodning.