Mistrali OCR API
Sellel lehel
Uuendatud 2. novembril 2026 — OCR. OCR 4.0 (
mistral-ocr-4-0) võeti kasutusest maha 30. septembril 2026. Kasuta OCR 4.1 (mistral-ocr-4-1), mis on olnud üldkasutatav alates 31. augustist sama hinnaga, või aliastmistral-ocr-latest, mis on sellele viidanud alates 16. juulist. OCR 4.1 lisab usaldusväärsuse skoorid ploki tasandil. Lisand 3. novembril 2026: Kohaliku PDF-i saatmiseks kodeeri see base64-vormingusse kui{"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Vanemates näidetes leiduv tüüpdocument_base64ei eksisteeri ei dokumentatsioonis egamistralaiSDK-s ning need näited oleksid nurjunud. Allikad: OCR Processor · Document QnA.
Ühtne sisenemispunkt
Kogu dokumentide ekstraheerimine läbib ühte ainukest lõpppunkti: /v1/ocr või selle ekvivalent Pythoni SDK-s, client.ocr.process(). Kas töötlead arve fotot või 800-leheküljelist aastaruannet, on väljakutse sama. See tund kirjeldab, kuidas seda seadistada, kolme viisi dokumendi edastamiseks ja seda, mida vastuseks saad.
Paigaldamine ja seadistamine
Paigaldamiseks piisab ühest käsust:
pip install mistralai
Seejärel loo klient oma API-võtmega:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
See lähenemine sobib kiireks testimiseks märkmikus, kuid kaasneb risk, et võtme kogemata avalikustad. Niipea kui kood lahkub sinu masinast, kasuta keskkonnamuutujat:
export MISTRAL_API_KEY="your-api-key"
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
Kasutame kõigis järgnevates tundides just seda teist vormi.
Väljakutse parameetrid
Väljakutse client.ocr.process() nõuab vaid kahte parameetrit: model, mis on alati väärtusega "mistral-ocr-latest", ja document, mis kirjeldab töödeldavat faili ühel allpool detailsemalt kirjeldatud kolmest viisist.
Muud parameetrid kohandavad väljundit sinu vajadustele:
table_format: Tabeli formaat (null,"markdown","html")include_image_base64:True, et saada pildid base64-kodeeringusbbox_annotation_format: Piirava kasti (bounding box) annotatsiooni skeemdocument_annotation_format: Kogu dokumendi annotatsiooni skeemdocument_annotation_prompt: Üldised juhised annotatsiooni jaoks
Kaks esimest puudutavad otseselt OCR-i ja tegeled nendega järgmistes tundides. Viimane kolm seostuvad annotatsioonidega, mida käsitleme alates 9. tunnist; praegu pea lihtsalt meeles, et need võimaldavad taotleda struktureeritud ekstraheerimist sama väljakutse käigus, ilma teist ringkäiku tegemata.
Kolm viisi dokumendi saatmiseks
Esimene, avalik URL, on kõige otsekohesem, kui fail on juba veebis kättesaadav – avaldatud aruanne, avalikus salves hoitud manus:
ocr_response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": "https://example.com/document.pdf"
}
)
Teine on vajalik dokumentide puhul, mis asuvad sinu masinas või privatses salves. Kodeerid need base64-vormingusse ja saadad päringu kehas. See on vaikimisi meetod kõige konfidentsiaalse jaoks, kuna ühtegi URL-i ei pea avalikustama:
import base64
with open("my_document.pdf", "rb") as f:
document_base64 = base64.b64encode(f.read()).decode("utf-8")
ocr_response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": f"data:application/pdf;base64,{document_base64}"
}
)
Kolmas kasutab Files API-t. Laadid faili üks kord üles, saad ID ja viidad sellele oma väljakutsetes. Eelis tuleb esile suurte dokumentide puhul või siis, kui sama faili tuleb töödelda mitu korda – täna OCR-ekstraheerimine, homme annotatsioon teise skeemiga: sa ei edasta 40 MB iga katse puhul uuesti.
# Laadi fail üles
uploaded_file = client.files.upload(
file=open("my_document.pdf", "rb"),
purpose="ocr"
)
# Kasuta üleslaetud faili
ocr_response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "file_id",
"file_id": uploaded_file.id
}
)
Vastuse lugemine
Vastus esitab lehekülgede loendi ja iga lehekülg kannab nii oma sisu kui ka metaandmeid. Ekstraheerimise sujuvuse kontrollimiseks piisab minimaalsest tsüklist:
for page in ocr_response.pages:
print(f"Page {page.index}")
print(f"Content: {page.markdown[:200]}...")
print(f"Images: {len(page.images)} found")
print(f"Header: {page.header}")
print(f"Footer: {page.footer}")
print(f"Dimensions: {page.dimensions}")
Harjuta end enne tootmisse viimist seda tüüpi tsüklit proovidokumendil käivitama: see annab sulle kolme sekundiga teada, kas lehekülgede arv klapib, kas pilte tuvastati ja kas päised on kehatekstist korralikult eraldatud.
Piirangud ja vead
Kasutust reguleerivad kolm piirangut: maksimaalselt 50 MB faili kohta, 1000 lehekülge dokumendi kohta ning sisendformaadid PDF, PNG, JPEG, AVIF, PPTX ja DOCX. Sellele lisandub kiiruse piiramine (rate limiting), mille lävi sõltub sinu tellimustasemest – punkt, mille tasub enne massilist paralleeltöötlust üle kontrollida, muidu riskid sellega, et sinu väljakutsed lükkatakse purske ajal tagasi.
Need piirangud, nagu võrguintsidendidki, avalduvad erinditena, mille pead püüdma. Partiiülesanne, mis peatub arve number 300 juures, sest üks fail ületab lubatud suurust, on välditav aja raiskamine:
from mistralai.client import Mistral
from mistralai.client.errors import SDKError
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
try:
ocr_response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": "https://example.com/document.pdf"
}
)
except SDKError as e:
print(f"API Error: {e.status_code} - {e.message}")
except Exception as e:
print(f"Unexpected error: {e}")
Kahe erinditaseme eristamine on kasulik: SDKError annab sulle olekukoodi, mille põhjal otsustada, kas korrata – 429 tuleks pärast viivitust uuesti proovida, 400 mitte kunagi –, samas kui üldine plokk püüab kohalikke probleeme, nagu puuduv fail või võimatu kodeering.
Peamised punktid
- OCR-lõpppunkt on
client.ocr.process()mudeligamistral-ocr-latest - Kolm saatmisviisi: avalik URL, base64, üleslaetud fail
- Valikulised parameetrid kontrollivad tabeli formaati ja piltide kaasamist
- Vastus on struktureeritud lehekülje haaval Markdowni, piltide ja metaandmetega
- Järgi piiranguid 50 MB ja 1000 lehekülge dokumendi kohta