OCR

POST /v1/ocr lee PDFs e imágenes y devuelve su texto como markdown, una entrada por página, conservando encabezados, listas y tablas. Úsalo para documentos escaneados, recibos, facturas, formularios y capturas de pantalla, o para cargar documentos en un índice de búsqueda o en un modelo. El modelo es mistral-ocr-latest, con precio por página.

Un PDF desde una URL

curl https://api.inferray.com/v1/ocr \
  -H "Authorization: Bearer $INFERRAY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-ocr-latest",
    "document": { "type": "document_url", "document_url": "https://arxiv.org/pdf/2201.04234" }
  }'

Una imagen

{
  "model": "mistral-ocr-latest",
  "document": { "type": "image_url", "image_url": "https://example.com/receipt.png" }
}

Tanto document_url como image_url aceptan una URL pública o una data URL en base64 (data:application/pdf;base64,..., data:image/png;base64,...).

Solo algunas páginas

Se cobra cada página procesada. Para leer solo una parte de un documento largo, pasa pages: una lista de números de página empezando en cero, o un rango:

{
  "model": "mistral-ocr-latest",
  "document": { "type": "document_url", "document_url": "https://example.com/annual-report.pdf" },
  "pages": "0-4"
}

La respuesta

{
  "model": "mistral-ocr-latest",
  "pages": [
    { "index": 0, "markdown": "# Annual Report 2026\n\nRevenue grew 14%..." },
    { "index": 1, "markdown": "| Quarter | Revenue |\n| --- | --- |\n| Q1 | 4.2M |" }
  ],
  "usage_info": { "pages_processed": 2 }
}

Une el markdown de cada página para obtener el texto completo.

¿OCR o un modelo de visión?

El OCR devuelve texto fiel a un precio fijo por página, lo que lo hace más adecuado para la extracción masiva. Cuando quieras una respuesta sobre un documento —"¿cuál es el total de esta factura?"—, envíalo mejor a un modelo de visión, o procésalo primero con OCR y envía el markdown.