OCR / Text Extraction

Trích xuất văn bản từ ảnh bằng nhận dạng ký tự quang học do AI hỗ trợ. Hỗ trợ nhiều ngôn ngữ và cấp chất lượng.

API Endpoint

POST /api/v1/tools/image/ocr

Processing: Phản hồi JSON đồng bộ. Nếu clientJobId được cung cấp, tiến trình cũng được báo cáo qua SSE.

Model bundle: ocr (5-6 GB)

Parameters

Parameter	Type	Required	Default	Description
file	file	Yes	-	Tệp ảnh (multipart)
quality	string	No	"balanced"	Cấp chất lượng: fast (Tesseract), balanced (PaddleOCR v5), best (PaddleOCR VL)
language	string	No	"auto"	Gợi ý ngôn ngữ: auto, en, de, fr, es, zh, ja, ko
enhance	boolean	No	true	Tiền xử lý ảnh để OCR chính xác hơn
engine	string	No	-	Đã lỗi thời. Dùng quality thay thế. Ánh xạ tesseract thành fast, paddleocr thành balanced

Example Request

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

Response (200 OK)

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

Progress (SSE, optional)

Nếu trường form clientJobId được cung cấp, các sự kiện tiến trình sẽ được truyền phát:

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

Notes

• Yêu cầu cài đặt model bundle ocr (5-6 GB).
• OCR trả về văn bản đã trích xuất trực tiếp thay vì một URL tải ảnh xuống.
• Sử dụng chuỗi dự phòng: nếu một cấp chất lượng cao hơn bị lỗi (ví dụ: PaddleOCR segfault), nó sẽ tự động thử lại với cấp thấp hơn kế tiếp.
• Nếu một cấp trả về văn bản rỗng mà không bị lỗi, nó cũng sẽ chuyển sang cấp kế tiếp.
• Các cấp chất lượng ánh xạ tới các engine: fast = Tesseract, balanced = PaddleOCR v5, best = PaddleOCR VL.
• Hỗ trợ các định dạng đầu vào HEIC/HEIF, RAW, TGA, PSD, EXR và HDR thông qua giải mã tự động.