Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

API OCR Mistral

Ceacht 4 as 16 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Pointe iontrála amháin
  2. Suiteáil agus cumraíocht
  3. Paraiméadair glao
  4. Trí bhealach chun doiciméad a sheoladh
  5. An freagra a léamh
  6. Teorainneacha agus earráidí
  7. Príomhphointí

Nuashonraithe an 2 Samhain, 2026 — OCR. Cuireadh deireadh le OCR 4.0 (mistral-ocr-4-0) an 30 Meán Fómhair, 2026. Úsáid OCR 4.1 (mistral-ocr-4-1), atá ar fáil go ginearálta ón 31 Lúnasa ar an bpraghas céanna, nó an t-ailias mistral-ocr-latest, a dhíríonn air ón 16 Iúil. Cuirtear scóir muiníne ar leibhéal na mbloc leis an OCR 4.1. Forlíonadh an 3 Samhain, 2026: Chun PDF áitiúil a sheoladh, ionchódaigh é i mbase64 mar {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Níl an cineál document_base64 a fheictear i samplaí níos sine le fáil sa doiciméadú ná san SDK mistralai, agus theipfeadh ar na samplaí sin. Foincí: OCR Processor · Document QnA.

Pointe iontrála amháin

Téann gach eastóscadh doiciméad trí chríochphointe amháin: /v1/ocr, nó a choibhéis sa Python SDK, client.ocr.process(). Cibé an grianghraf de receipt atá tú a phróiseáil nó tuarascáil bhliantúil 800 leathanach, is é an glao céanna é. Mionsonraíonn an ceacht seo conas é a chumrú, na trí bhealach chun doiciméad a chur chuige, agus cad a thugann sé ar ais.

Suiteáil agus cumraíocht

Ní gá ach ordú amháin chun an tsuiteáil a dhéanamh:

pip install mistralai

Ansin, déan an cliant a shamplú le do eochair API:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

Oibríonn an cur chuige seo le haghaidh tástáil ghasta i nótabuc, ach rioscaíonn sé d’eochair a chur in áirithe go hearráideach. Chomh luath agus a fhágann cód do mheaisín, úsáid athróg timpeallachta:

export MISTRAL_API_KEY="your-api-key"
import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

Úsáidfimid an dara foirm seo i ngach ceacht ina dhiaidh sin.

Paraiméadair glao

Ní éilíonn an glao client.ocr.process() ach dhá pharaiméadar: model, atá socraithe i gcónaí ar "mistral-ocr-latest", agus document, a chuireann síos ar an gcomhad le próiseáil i gceann de na trí fhoirm atá mionsonraithe thíos.

Coigeartaíonn paraiméadair eile an t-aschur de réir do riachtanas:

  • table_format: Formáid táblaí (null, "markdown", "html")
  • include_image_base64: True chun íomhánna a fháil i mbase64
  • bbox_annotation_format: Scéima nótaíochta bosca teorann
  • document_annotation_format: Scéima nótaíochta iomlán doiciméid
  • document_annotation_prompt: Treoracha ardleibhéil le haghaidh nótaíochta

Baineann an dá cheann chun tosaigh le OCR féin, agus déileálfaidh tú leo sna chéad cheachtanna eile. Baineann na trí cinn dheireanacha le nótaíochtaí, a chlúdaítear ó Cheacht 9 ar aghaidh; faoi láthair, cuimhnigh go ligeann siad duit eastóscadh struchtúrtha a iarraidh sa ghlao céanna, gan dara turas ar ais.

Trí bhealach chun doiciméad a sheoladh

Is é an chéad cheann, URL poiblí, an bealach is díreach nuair atá an comhad inrochtana cheana féin ar líne—tuarascáil fhoilsithe, ceangaltán stóráilte i mbuicéad poiblí:

ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "document_url",
        "document_url": "https://example.com/document.pdf"
    }
)

Tá an dara ceann riachtanach do dhoiciméid a bhfuil cónaí orthu ar do mheaisín nó i stóráil phríobháideach. Ionchódaíonn tú iad i mbase64 agus seolann tú sa chorp iarratais iad. Seo an modh réamhshocraithe do rud ar bith rúnda, ós rud é nach gá aon URL a nochtadh:

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}"
    }
)

Úsáideann an tríú ceann an Files API. Uaslódálann tú an comhad uair amháin, faigheann tú ID, agus ansin tagraíonn tú dó i do ghlaotha. Feictear an tairbhe le doiciméid mhóra, nó nuair a chaithfear an comhad céanna a phróiseáil uaireanta iolracha—eastóscadh OCR inniu, nótaíocht le scéima difriúil amárach: ní aistríonn tú 40 MB arís ar gach iarracht.

# Uaslódáil an comhad
uploaded_file = client.files.upload(
    file=open("my_document.pdf", "rb"),
    purpose="ocr"
)

# Úsáid an comhad uaslódáilte
ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "file_id",
        "file_id": uploaded_file.id
    }
)

An freagra a léamh

Nochtann an freagra liosta leathanach, agus iompraíonn gach leathanach a chuid ábhair mar aon lena chuid meiteashonraí. Is leor lúb íosta chun a fhíorú go ndeachaigh an t-eastóscadh go réidh:

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}")

Déan cleachtas den chineál lúibe seo a rith ar dhoiciméad samplach sula dtionsclaíonn tú aon rud: insíonn sé duit i dtrí shoicind an bhfuil líon na leathanach ceart, an bhfuarthas íomhánna, agus an bhfuil ceanntáscanna scartha go cuí ó théacs an choirp.

Teorainneacha agus earráidí

Rialaíonn trí shrian úsáid: 50 MB in aghaidh an chomhaid ar a mhéad, 1,000 leathanach in aghaidh an doiciméid, agus formáidí ionchuir PDF, PNG, JPEG, AVIF, PPTX, agus DOCX. Ina theannta sin, tá teorainn ráta ann, le tairseach a bhraitheann ar do leibhéal síntiúis—pointe le seiceáil sula ndéanann tú comhthreomharú ollmhór, nó rioscaíonn tú do ghlaotha a fheiceáil diúltaithe i mburst.

Léirítear na teorainneacha seo, cosúil le teagmhais líonra, mar eisceachtaí ar gá duit iad a ghabháil. Is dramhaíl ama is féidir a sheachaint é post baisce a stopann ag uimhir 300 toisc go sáraíonn comhad amháin an méid ceadaithe:

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}")

Tá sé úsáideach an dá leibhéal eisceachta a idirdhealú: tugann SDKError cód stádais duit ar ar féidir leat cinneadh a dhéanamh an ndéanfar iarracht arís—ba chóir iarracht a dhéanamh arís tar éis moille ar 429, ach ní choíche ar 400—fads a ghabhann an bloc ginearálta fadhbanna áitiúla, mar shampla comhad in easnamh nó ionchódú dodhéanta.

Príomhphointí

  • Is é client.ocr.process() leis an múnla mistral-ocr-latest an críochphointe OCR
  • Trí mhodh seolta: URL poiblí, base64, comhad uaslódáilte
  • Rialaíonn paraiméadair roghnacha formáid táblaí agus cuimsiú íomhánna
  • Tá an freagra struchtúrtha leathanach ar leathanach le Markdown, íomhánna, agus meiteashonraí
  • Ghléas teorainneacha 50 MB agus 1,000 leathanach in aghaidh an doiciméid