OCR.chat API

Yksi HTTP-pyyntö muuttaa kuvan tai PDF:n puhtaaksi tekstiksi, Markdowniksi, pöydiksi ja JSONiksi – 100+ kielellä. Mittaus sivua kohden ei ylläty.

Yleiskatsaus

The OCR.chat API is a small REST interface. You POST a file and get back a job with the recognized text and a per-page breakdown (text, bounding boxes, confidence). Jobs of 5 pages or fewer return inline; larger jobs return immediately with a pending status that you poll until done.

  • Base URL: https://ocr.chat
  • Formats in: PNG, JPG, WEBP, GIF, BMP, TIFF, and multi-page PDF
  • Formats out: txt, md, docx, pdf, csv, json
  • Engines: cpu (fast, printed docs) and vlm (premium AI, handwriting, complex layout, math)

Todentaminen

Authenticate with your API token (find it on your account page) as a Bearer header:

Authorization: Bearer YOUR_API_TOKEN

You can also pass ?api_token=… as a query parameter. Usage is metered against your account's page balance.

Lähetä asiakirja

POST /api/v1/ocr/, multipart form upload.

curl -X POST https://ocr.chat/api/v1/ocr/ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -F "file=@invoice.pdf" \
  -F "tier=vlm" \
  -F "language=auto"

Returns the job. For ≤5-page files it is already done with the text; larger files come back pending/processing, poll the status endpoint.

{
  "uuid": "9f2c1b7e4a...",
  "status": "done",
  "tier": "vlm",
  "language": "auto",
  "page_count": 1,
  "mean_confidence": 0.98,
  "text": "INVOICE\nAcme Corp\nTotal: 215.00 USD",
  "markdown": "# INVOICE\n\n**Acme Corp** ...",
  "pages": [ { "index": 0, "text": "...", "blocks": [ { "text": "...", "bbox": [x0,y0,x1,y1], "confidence": 0.98 } ] } ]
}

Hanki tulos

GET /api/v1/ocr/<uuid>/, poll until status is done or failed.

curl https://ocr.chat/api/v1/ocr/9f2c1b7e4a.../ \
  -H "Authorization: Bearer YOUR_API_TOKEN"

Lataa formaatti

GET /api/v1/ocr/<uuid>/download/?format=md, export the result. format is one of txt, md, docx, pdf, csv, json.

curl -L "https://ocr.chat/api/v1/ocr/9f2c1b7e4a.../download/?format=docx" \
  -H "Authorization: Bearer YOUR_API_TOKEN" -o result.docx

Keskustele asiakirjan kanssa

Kysy kysymyksiä valmiista työstä. Vastaukset perustuvat vain otetekstiin ja viittaavat lähdesivuun. Vaaditaan tilitunnus – chat-ominaisuus on tilipohjainen.

POST /api/v1/chat/<uuid>/, JSON body {"message": "your question"}.

curl -X POST https://ocr.chat/api/v1/chat/9f2c1b7e4a.../ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"message": "What is the invoice total and due date?"}'

Palauttaa avustajaviestin vastauksensa ja listan mainituista sivuista:

{"conversation": "a1b2…", "message": {
   "role": "assistant",
   "content": "The total is $42, due on March 3 (p. 1).",
   "citations": [{"page": 1, "snippet": "The invoice total is $42…"}]
}}

GET /api/v1/chat/<uuid>/history/, Hae koko keskusteluyhteys työpaikkaa varten.

Koodiesimerkit

import requests, time

API = "https://ocr.chat/api/v1/ocr/"
H = {"Authorization": "Bearer YOUR_API_TOKEN"}

# Submit
with open("invoice.pdf", "rb") as f:
    job = requests.post(API, headers=H,
        files={"file": f}, data={"tier": "vlm"}).json()

# Poll until done
while job["status"] in ("pending", "processing"):
    time.sleep(2)
    job = requests.get(API + job["uuid"] + "/", headers=H).json()

print(job["markdown"])

# Download as DOCX
r = requests.get(API + job["uuid"] + "/download/",
                 headers=H, params={"format": "docx"})
open("result.docx", "wb").write(r.content)
import fs from "fs";

const API = "https://ocr.chat/api/v1/ocr/";
const H = { Authorization: "Bearer YOUR_API_TOKEN" };

const form = new FormData();
form.append("file", new Blob([fs.readFileSync("invoice.pdf")]), "invoice.pdf");
form.append("tier", "vlm");

let job = await (await fetch(API, { method: "POST", headers: H, body: form })).json();

while (["pending", "processing"].includes(job.status)) {
  await new Promise(r => setTimeout(r, 2000));
  job = await (await fetch(API + job.uuid + "/", { headers: H })).json();
}
console.log(job.markdown);
# 1. Submit
curl -X POST https://ocr.chat/api/v1/ocr/ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -F "file=@invoice.pdf" -F "tier=vlm"

# 2. Poll  (use the uuid from step 1)
curl https://ocr.chat/api/v1/ocr/UUID/ \
  -H "Authorization: Bearer YOUR_API_TOKEN"

# 3. Download
curl -L "https://ocr.chat/api/v1/ocr/UUID/download/?format=md" \
  -H "Authorization: Bearer YOUR_API_TOKEN" -o result.md

Parametrit

FieldTypeDescription
filefileRequired. The image or PDF to process.
tierstringcpu (default, fast/printed) or vlm (premium AI: handwriting, layout, math).
languagestringauto (default) or a language code (en, ch, ja, ar, …).
toolstringOptional tool slug (e.g. extract-tables, handwriting-to-text) to apply that tool's preset.
translate_tostringFor the translate tool, target language code.

Virheitä ja rajoituksia

CodeMeaning
400No file, unsupported type, or file too large.
401Missing or invalid API token.
402Out of pages, daily/monthly free limit reached, or no credits. The body includes used/cap.
404Job UUID not found.
409Download requested before the job finished.

Each page processed costs credits (1/page on the fast tier, more on premium). Paid plans raise per-file page caps and add priority. See pricing.

Usein kysyttyjä kysymyksiä

Create a free account and open your account page, your token is shown there with a copy button.

Yes, files of 5 pages or fewer return the full result inline in the POST response, so no polling is needed for most images and short PDFs.

Over 100, including Latin, CJK, Arabic, Cyrillic and Indic scripts. Use language=auto to detect, or pass a specific code.

Uploads are processed for OCR and deleted automatically. We never sell, share, or train on your documents.

Käyttäjää mitataan sivua kohden tilisaldoa vasten: Nimettömät puhelut saavat päivärahaa IP-tiliä kohden, ilmaiset tilit kuukausittaista ämpäriä ja maksulliset suunnitelmat käyttävät ostettuja luottoja, joiden sivujen kansia ja prioriteettia on enemmän. Kun loppuvat, saa 402, jossa on käytetty ja korkki kehossa.

Voit lähettää PNG:n, JPG:n, WEBP:n, GIF:n, BMP:n, TIFF:n ja monisivuisen PDF:n. Tulokset ladataan txt-, md-, docx-, pdf- (hakukelpoinen), csv- tai json-muodossa latauspäätteen parametrin kautta.

400 on puuttuva tiedosto, tukiton tyyppi tai liian suuri tiedosto, 401 puuttuva tai virheellinen rahake, 402 sivua sivusta, 404 tuntematon työ UUID ja 409 pyydetty lataus ennen tehtävän päättymistä. Virhekoneisiin kuuluu lyhyt viesti.

Työkohde, jossa on status, taso, kieli, sivu_laskenta ja mean_luottamuksellisuus sekä koko teksti ja merkintä. Sivut jakaantuvat lohkoiksi tekstillään, rajalaatikkonsa (bbox) ja lohkokohtaisen itseluottamuksensa kanssa.

Käytä cpu (oletus) nopeaan ja edulliseen puhtaiden painettujen asiakirjojen tunnistamiseen. Käytä Vlm:iä, korkealuokkaista tekoälymoottoria, käsialaa, monimutkaisia tai monisarakeisia asetteluja, matematiikkaa ja käännöstä, missä se on paljon tarkempi.

Syötä työkalu, jossa on luoti (esimerkiksi otetaulut tai käsiala-teksti) ja käytä sitä viritettynä. Käännä työkalua myös kääntämällä kohdekielen koodia, jotta tunnistettu teksti saadaan käännettyä.

PUHEENJOHTAJAN vastauksessa on 5 sivua tai vähemmän palautusinline-tiedostoja. Suuremmat tiedostot palaavat välittömästi vireillä tai käsittelyssä ja saat kyselyn GET/api/v1/ocr/<uuid>/ kunnes tila on valmis tai epäonnistunut. Maksetut suunnitelmat nostavat per-sivun kansia.

API on tavallinen REST-järjestelmä HTTPS:n yllä, joten se toimii mistä tahansa kielestä HTTP-asiakkaalla – katso yllä Python, Node.js ja CURL-esimerkit. SDK:ta ei ole, vaan muutama rivi normaalia HTTP-koodia riittää.