OCR.chat API

Бер HTTP сорау рәсем яки PDFны чиста текстка, Markdown, таблицага һәм JSONга әйләндерә - 100+ телдә. Бер биткә исәпләнгән, сюрпризлар юк.

Күзәтү

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.

Документны җибәрү

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 } ] } ]
}

Нәтиҗәләр

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"

Форматны юкка чыгару

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 белән сөйләшү

Башланган эш турында сораулар бирегез. Җаваплар бары тик чыгарылган текстка нигезләнә һәм чыганак битен күрсәтә. Кагыйдә буларак, аккаунт символы кирәк - чат функциясе аккаунт белән чикләнгән.

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?"}'

Җавап белән ярдәмче хәбәрен һәм цитатлар исемлеген кайтара:

{"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/, бурыч өчен сөйләшүнең тулы транскрипциясен алырга.

Код мисаллары

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

Параметрлар

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.

Хаталар һәм чикләүләр

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.

Кайвакыт бирелә торган сораулар

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.

Барлык куллану сезнең хисап балансы буенча һәрбер бит өчен исәпләнә: аноним чакырулар көн саен IP адресы буенча чикләнгән, бушлай хисаплар ай саен чикләнгән, түләүле планнар сатып алынган кредитларны куллана, һәр файл өчен өстәмә бит чикләүләре һәм өстенлек белән. Сез чикләнгән вакытта, 402-не аласыз, аның эчендә кулланылган һәм чикләнгән битләр.

PNG, JPG, WEBP, GIF, BMP, TIFF һәм күп битле PDF форматларында җибәрә аласыз. Нәтиҗәләр txt, md, docx, pdf (эзләү мөмкинлеге), csv яки json форматында төшерелә, төшерү тәмамлану урыны формат параметры аша.

400 - юк булган файл, ярдәм ителми торган төр яки файл зурлыгы; 401 - юк яки дөрес булмаган символ; 402 - битләр юк; 404 - эшнең UUID-ы беленә алмый; һәм 409 - эш тәмамланмас борын йөкләү сорала. Хата мәгънәсе кыска хәбәрне дә үз эченә ала.

Хәлдәге, дәрәҗәсе, теле, page_count һәм mean_confidence булган эш объекты, шулай ук тулы мәтнә һәм маркировка. Бәйләнешле битләр һәрбер битне блокларга бүлеп, аларның мәтнәсен, чикләү мәйданын (bbox) һәм блокка ышанычлылыгын күрсәтә.

Процессорны (стандарт) тиз һәм арзан бәягә басылган документларны танырга куллану. vlm, AI моторын кул белән язу, катлаулы яки күп колонкалы рәсемнәр, математика һәм тәрҗемә өчен куллану, ул бик төгәлрәк.

Бу инструментның алдан билгеләнгән параметрларын куллану өчен, инструментка слагг белән тапшырыгыз (мәсәлән, extract-tables яки handwriting-to-text). Таржима өчен, шулай ук translate_to белән максат тел кодын тапшырыгыз, аңлашылган текстны тәрҗемә итү өчен.

5 яки аннан азрак битле файллар POST җавапларында юл эчендә кайтарыла. Зуррак файллар көтелә торган яки эшкәртелә торган дип тиздән кире кайтарыла, һәм сез GET /api/v1/ocr/ сорау бирәсез<uuid>/ хәтта хәле тәмамланганга яки хаталанганга кадәр. Платалы планнар файл өчен битләр саны чикләүләрен арттыра.

API HTTPS аша гади REST, шуңа күрә ул HTTP клиенты белән теләсә нинди телдән эшли - Python, Node.js, һәм cURL мисалларын карагыз. Сүз уңаеннан, урнаштыру өчен SDK юк; стандарт HTTP кодының берничә юлын гына кирәк.