OCR.chat API

Бир HTTP-талап сүрөттү же PDF файлды таза текстке, Markdown, таблицага жана JSONга айландырат - 100дөн ашык тилде. Бир бетке эсептелет, таң калыштуу нерселер жок.

Кыскача баяндама

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)

Аутентификация

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.

Документти жөнөтүү

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 } ] } ]
}

Жыйынтык алуу

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"

Форматты жүктөп алуу

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

Документ менен баарлашуу

Задание, выполненное в процессе работы, задавать вопросы. Ответы основываются только на извлечённом тексте и цитируют источник страницы. Требуется аккаунт-токен - чат-функция зависит от аккаунта.

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?"}'

Маалыматты кайтаруу

{"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/, тапшырма үчүн баарлашуунун толук транскриптин алуу.

Код мисалдары

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

Параметрлер

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.

Каталар жана чектөөлөр

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.

Кайра-кайра берилүүчү суроолор

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.

Колдонуу ар бир барак үчүн эсептик жазуу балансына ылайык эсептелет: анонимдүү чалуулар күнүнө бир IPге, акысыз эсептик жазуулар ай сайын, төлөнүүчү пландар сатып алынган кредиттерди колдонуп, ар бир файлга чектелген барактарды жана приоритетти жогорулатат. Эгерде сизде акча жок болсо, анда сиз 402-кодду аласыз, анын ичинде колдонулган жана чектөөлөр.

PNG, JPG, WEBP, GIF, BMP, TIFF жана көп барактуу PDF форматтарында жиберүүгө болот. Жүктөлгөн натыйжалар txt, md, docx, pdf (издевание), csv же json форматында жүктөп алуу аяктоо пунктунун формат параметри аркылуу жүктөлөт.

400 - жок болгон файл, колдоосуз түр же файлдын көлөмү өтө чоң; 401 - жок же жараксыз теги; 402 - беттер жок; 404 - тапшырманын белгисиз UUID; жана 409 - тапшырма аяктаганга чейин жүктөп алуу талап кылынган. Ката тексти кыска билдирүүнү камтыйт.

Задание с объектом состояния, уровня, языка, page_count и mean_confidence, плюс полный текст и маркdown. Страницамассив разделяет каждую страницу на блоки с их текстом, границей (bbox) и блоковой надежностью.

Процессорду колдонуу (адаттагы) таза басылган документтерди тез жана арзан баада таанып билүү үчүн. vlm, AI-дин премиум-двигателя, кол жазма, татаал же көп-багандуу пландаштыруулар, математика жана которуу үчүн колдонулат, анда ал алда канча так.

Бул аспаптын алдын-ала орнотулган параметрлерин колдонуу үчүн, аспап менен слагды өткөрүп бериңиз (мисалы, extract-tables же handwriting-to-text). Таржимать текст, также передайте translate_to с кодом языка, чтобы получить текст, который был переведен.

5 же андан аз барактагы файлдар POST жоопунда тексттик түрдө кайтарылат. Чоң файлдар күтүлүүдө же иштелип жатат деп тез эле кайтарылат, жана сиз GET /api/v1/ocr/ суроосун бересиз<uuid>/ статусу бүтүрүлгөн же жаңылышканга чейин. Акы төлөнүүчү пландар файлдын ар бир бетинин чектөөсүн жогорулатат.

API HTTPS аркылуу жөнөкөй REST, ошондуктан ал HTTP клиенти менен каалаган тилде иштей алат - Python, Node.js жана cURL мисалдарын жогоруда караңыз. Орнотуу үчүн SDK жок; стандарттуу HTTP кодунун бир нече саптары гана керек.