OCR / Витяг тексту

Витягуйте текст із зображень за допомогою оптичного розпізнавання символів на основі ШІ. Підтримує кілька мов і рівнів якості.

Кінцева точка API

POST /api/v1/tools/image/ocr

Обробка: Синхронна відповідь JSON. Якщо вказано clientJobId, прогрес також повідомляється через SSE.

Пакет моделі: ocr (5-6 ГБ)

Параметри

Параметр	Тип	Обов'язковий	За замовчуванням	Опис
file	file	Так	-	Файл зображення (multipart)
quality	string	Ні	"balanced"	Рівень якості: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	Ні	"auto"	Підказка мови: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	Ні	true	Попередня обробка зображення для кращої точності OCR
engine	string	Ні	-	Застаріле. Використовуйте quality замість цього. Зіставляє tesseract з fast, paddleocr з balanced

Приклад запиту

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

Відповідь (200 OK)

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

Прогрес (SSE, опціонально)

Якщо вказано поле форми clientJobId, події прогресу передаються потоком:

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

Примітки

• Потребує встановлення пакета моделі ocr (5-6 ГБ).
• OCR повертає витягнутий текст безпосередньо, а не URL завантаження зображення.
• Використовує ланцюжок відкату: якщо рівень вищої якості аварійно завершується (наприклад, segfault PaddleOCR), він автоматично повторює спробу з наступним нижчим рівнем.
• Якщо рівень повертає порожній текст без аварійного завершення, він також відкочується до наступного рівня.
• Рівні якості зіставляються з рушіями: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Підтримує вхідні формати HEIC/HEIF, RAW, TGA, PSD, EXR та HDR через автоматичне декодування.