DE ▾

Unzensiertes LLM für die OCR-Nachbearbeitunghttps://api.llmocrapi.com/v1

llmocrapi.comLeitfaden

OCR-API-Integration: Code-Beispiele in Python und Node

Eine OCR-API-Integration bedeutet hier, einen HTTP-Aufruf nach deiner OCR-Engine einzufügen: Du sendest den rohen erkannten Text und erhältst bereinigten Text zurück. Der Endpunkt ist OpenAI-kompatibel, daher funktioniert das SDK, das du wahrscheinlich bereits hast, nachdem du zwei Einstellungen geändert hast.

Aktualisiert

Isometrische Pipeline, die verstreute Blöcke durch einen Verarbeitungsknoten in ordentliche Archivstapel leitet

Wichtige Punkte

  • Setze die Base URL auf https://api.llmocrapi.com/v1, verwende die Model-ID uncensored und sende deinen Schlüssel als Bearer-Token.
  • Die API nimmt nur Text entgegen. Führe zuerst deine OCR-Engine aus und übergebe deren Ausgabe als Benutzernachricht.
  • Der JSON-Modus liefert maschinenlesbare Ergebnisse, und ein kleiner Thread-Pool mit bis zu 8 Workern hält einen Batch schnell.
  • Eine 429-Antwort ist ein Signal zum Warten und Wiederholen, kein Fehler: Fehlgeschlagene Anfragen werden nicht berechnet.

Wo der Aufruf in einer Pipeline passt

Ein typischer Dokumenten-Workflow hat vier Schritte. Ein Scanner oder eine Telefonkamera erzeugt ein Bild, eine OCR-Engine wandelt das Bild in Rohtext um, ein Bereinigungsschritt repariert diesen Text und deine Anwendung speichert oder durchsucht das Ergebnis. Die hier beschriebene API ist Schritt drei. Sie sieht das Bild nie und hat keine Bild-Eingabe. Dies ist ein Vorteil, wenn dir die Privatsphäre der Original-Scans wichtig ist, weil nur Text deine Maschine verlässt, und ein Nachteil, wenn du einen einzelnen Endpunkt erwartet hast, der Bilder verarbeitet.

Prompts werden nicht zum Training verwendet. Sende dennoch nur das, was die Aufgabe benötigt: Entferne Kontonummern oder Namen vor dem Aufruf, wenn die Bereinigung nicht davon abhängt.

Bevor du Code schreibst, hol dir einen API-Schlüssel. Neue Nutzer können nach der Anmeldung mit einem Klick $0,50 an Testguthaben auf dieser Seite beanspruchen, was ausreicht, um jedes Beispiel unten mehrfach auszuführen. Der Test-Schlüssel erlaubt 2 parallele Anfragen und 60 Anfragen pro Minute; ein Voll-Schlüssel erlaubt 8 und 300.

Einstellungen, die du benötigst

EinstellungWert
Base-URLhttps://api.llmocrapi.com/v1
EndpunktPOST /v1/chat/completions
Modell-IDuncensored
Auth-HeaderAuthorization: Bearer YOUR_KEY
Kontextfenster100.000 Token, Prompt plus Vervollständigung

Speichere den Schlüssel in einer Umgebungsvariable, niemals in der Versionsverwaltung. Die Beispiele lesen LLMOCR_API_KEY.

Zwei praktische Hinweise vor dem Start. Halte den Schlüssel aus Frontend-Code fern, da alles, was an einen Browser ausgeliefert wird, von seinen Nutzern gelesen werden kann; rufe die API von einem Server oder Worker aus auf. Und entscheide frühzeitig, wo roher OCR-Text und bereinigter Text gespeichert werden, da die bereinigte Ausgabe die Datei ist, die du durchsuchen, indizieren und Menschen anzeigen wirst, während der rohe Text dein Beweis ist, wenn eine Korrektur jemals angezweifelt wird.

Erste Anfrage mit curl

Starte mit curl, damit du die rohe Struktur einer Anfrage siehst, bevor ein SDK sie verbirgt. Das folgende Beispiel ist ein typisches beschädigtes OCR-Fragment: ein Bindestrich, der über einen Zeilenumbruch geteilt ist, ein Buchstabe, der mit einer Ziffer verwechselt wurde, und eine verirrte Seitenzahl.

curl https://api.llmocrapi.com/v1/chat/completions \
  -H "Authorization: Bearer $LLMOCR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "temperature": 0,
    "messages": [
      {"role": "system", "content": "You repair raw OCR text. Fix broken words, rejoin hyphenated line breaks, remove page numbers. Return only the corrected text."},
      {"role": "user", "content": "The inven-\ntory was com1leted on Tuesday.\n\n- 14 -\n\nA second ship-\nment arrived."}
    ]
  }'

Die Antwort folgt der Standardstruktur einer Chat-Completion. Der bereinigte Text steht in choices[0].message.content, und usage meldet die Prompt- und Completion-Token für den Aufruf. Setze temperature auf 0 für die Bereinigung. Du willst, dass dieselbe Eingabe dieselbe Ausgabe liefert, keine kreative Variation.

Python mit dem OpenAI SDK

Installiere das SDK mit pip install openai. Nur der Konstruktor unterscheidet sich von einer Standard-OpenAI-Einrichtung.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.llmocrapi.com/v1",
    api_key=os.environ["LLMOCR_API_KEY"],
    max_retries=4,
)

SYSTEM = (
    "You repair raw OCR text. Fix broken words, rejoin hyphenated line breaks, "
    "remove page numbers and running headers. Do not add or remove facts. "
    "Return only the corrected text."
)

def clean(raw: str) -> str:
    resp = client.chat.completions.create(
        model="uncensored",
        temperature=0,
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": raw},
        ],
    )
    return resp.choices[0].message.content

print(clean("The inven-\ntory was com1leted on Tuesday."))

Das Argument max_retries weist das SDK an, bei Verbindungsfehlern und 429-Antworten mit Backoff erneut zu versuchen, sodass du diese Schleife für geringe Nutzung nicht selbst schreiben musst.

Node.js-Beispiel

Mit npm install openai und einem ES-Modul sieht derselbe Aufruf so aus.

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.llmocrapi.com/v1",
  apiKey: process.env.LLMOCR_API_KEY,
});

export async function clean(raw) {
  const resp = await client.chat.completions.create({
    model: "uncensored",
    temperature: 0,
    messages: [
      { role: "system", content: "Repair raw OCR text. Return only the corrected text." },
      { role: "user", content: raw },
    ],
  });
  return resp.choices[0].message.content;
}

console.log(await clean("A second ship-\nment arrived."));

Alles, was das OpenAI-Chat-Format spricht, wie ein No-Code-Automatisierungstool oder ein bestehender interner Wrapper, kann dieselben zwei Einstellungen verwenden. Die Dokumentation listet jeden unterstützten Parameter auf.

Strukturierte Ausgabe mit JSON-Modus

Freitext ist für Archive in Ordnung, aber Datenextraktions-Pipelines benötigen Felder. Aktiviere den JSON-Modus mit response_format und beschreibe die gewünschte Struktur im Prompt. Die Anforderung von JSON in den Anweisungen sowie in der Einstellung liefert die zuverlässigsten Ergebnisse.

import json

resp = client.chat.completions.create(
    model="uncensored",
    temperature=0,
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": (
            "Clean the OCR text of a receipt and answer in JSON with keys "
            "'vendor' (string), 'date' (YYYY-MM-DD or null), 'total' (number or null), "
            "'cleaned_text' (string)."
        )},
        {"role": "user", "content": raw_receipt_text},
    ],
)
data = json.loads(resp.choices[0].message.content)

Packe json.loads immer in einen try-Block und behalte den Rohtext, weil eine sehr lange oder abgeschnittene Antwort immer noch ungültiges JSON erzeugen kann. Wenn das Parsing fehlschlägt, versuche es einmal erneut und stelle die Seite dann zur manuellen Überprüfung in die Warteschlange.

Verarbeitung eines Batches parallel

Eine einzelne Anfrage nacheinander ist für Tausende von Seiten langsam. Ein Voll-Schlüssel erlaubt 8 parallele Anfragen, sodass ein Pool aus 6 oder 8 Workern dich unter dem Limit hält. Lass etwas Puffer, falls derselbe Schlüssel auch von anderen Komponenten genutzt wird.

from concurrent.futures import ThreadPoolExecutor

pages = [open(f"ocr/page_{i:04d}.txt").read() for i in range(1, 501)]

with ThreadPoolExecutor(max_workers=6) as pool:
    cleaned = list(pool.map(clean, pages))

for i, text in enumerate(cleaned, start=1):
    open(f"clean/page_{i:04d}.txt", "w").write(text)

Wenn du das Limit überschreitest, gibt die API HTTP 429 zurück. Der Fehlercode rate_limited bedeutet zu viele Anfragen pro Minute, und concurrency bedeutet zu viele gleichzeitig. Ein 429 mit einem Retry-After: 5-Header bedeutet temporäre Überlastung: warte fünf Sekunden. Gestreamte Anfragen belegen einen Concurrency-Slot, bis der Stream endet, also schließe Streams, die du nicht mehr liest.

Beobachte den Antwort-Header X-Balance-USD bei langen Läufen. Wenn er niedrig wird, pausiere und lade von der Preisseite auf, anstatt zu riskieren, dass der Job in der Mitte fehlschlägt.

Lange Dokumente und Überprüfung der Ausgabe

Echte OCR-Ausgaben sind selten eine ordentliche Seite. Ein gescanntes Buch gibt dir Tausende von Seiten, und der Schaden ist ungleichmäßig: ein sauberes Kapitel, dann eine verschmutzte Seite voller gebrochener Zeichen. Einige Gewohnheiten halten den Bereinigungsschritt vorhersehbar.

Teile nach Struktur, nicht nach Zeichenzahl. Schneide an Seitenumbrüchen oder Absatzgrenzen, damit das Modell nie einen halben Satz am Anfang eines Chunks erhält. Wenn ein Satz über eine Seitengrenze läuft, füge den letzten Absatz der vorherigen Seite als schreibgeschützten Kontext hinzu und weise das Modell an, nur die aktuelle Seite zurückzugeben. Das kostet ein paar zusätzliche Input-Token pro Anfrage, was bei $0,15 pro 1M fast nichts ist, und es behebt die Bindestrichwörter, die zwei Seiten überspannen.

Überprüfe jedes Ergebnis mit günstigen Checks, bevor du es akzeptierst. Vergleiche die Länge des bereinigten Texts mit der Quelle: Ein Verhältnis weit von 1 bedeutet, dass das Material vom Modell weggelassen oder erfunden wurde. Vergleiche Zahlen: Ziehe jede Ziffernfolge aus beiden Versionen und markiere Seiten, an denen sie sich unterscheiden, da Daten, Beträge und Kennzeichnungen die teuersten Fehler sind, die man verpasst. Behalte die rohe OCR-Ausgabe neben dem bereinigten Text, sodass eine Person immer rekonstruieren kann, was die Engine tatsächlich gesehen hat.

Behandle schließlich den ersten Lauf als Pilot. Bereinige 20 Seiten, lies zehn davon selbst und passe den System-Prompt an. Normalerweise tun zwei oder drei Bearbeitungsrunden der Anweisung mehr für die Qualität als jede Parameteränderung.

Häufige Fehler

  • Sehr große Seiten in einem Stück senden. Das Kontextfenster hat 100.000 Token und der maximale Anfrage-Body ist 8 MB, aber die Genauigkeit ist bei seitenweisen Chunks besser, und ein fehlgeschlagener Chunk kostet weniger, ihn erneut zu versuchen.
  • Das Modell umschreiben lassen. Wenn der Prompt nicht sagt, dass Fakten nicht hinzugefügt oder entfernt werden dürfen, kann er eine beschädigte Passage glätten. Halte die Anweisung explizit und vergleiche Längen: Eine bereinigte Seite, die viel kürzer ist als ihre Quelle, sollte überprüft werden.
  • Den falschen Modellnamen verwenden. Die einzige Model-ID ist uncensored. Du kannst Modelle mit GET /v1/models auflisten.
  • Embeddings oder Bildeingabe erwarten. Beides existiert auf dieser API nicht. Für die Suche über bereinigten Text verwende ein separates Embedding-Tool.
  • Das Vergessen, die Request-ID zu protokollieren. Jede Antwort enthält einen X-Request-Id Header. Speichere ihn neben der Seite, damit der Support ein schlechtes Ergebnis nachverfolgen kann.

Die Inhaltsregeln sind einfach: Das Modell ist darauf ausgelegt, bei legaler Erwachsenennutzung ohne Ablehnungen zu antworten, und Sexualinhalte mit Minderjährigen sind niemals erlaubt. Fragen zu einem konkreten Fall richten sich an Support.

Fragen und Antworten

Brauche ich ein spezielles SDK?

Nein. Jedes OpenAI-SDK oder jeder HTTP-Client funktioniert, sobald du die Base URL auf https://api.llmocrapi.com/v1 setzt, die Model-ID uncensored verwendest und einen Bearer-Schlüssel sendest.

Kann ich ein Bild oder PDF direkt senden?

Nein. Die API akzeptiert nur Text. Führe zuerst eine OCR-Engine aus und sende deren Ausgabe als Nachrichteninhalt.

Wie viele Anfragen kann ich gleichzeitig ausführen?

Ein voller Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Trial-Schlüssel erlaubt 2 parallele Anfragen und 60 pro Minute.

Was passiert, wenn ich ein Ratenlimit erreiche?

Du erhältst HTTP 429 mit dem Code rate_limited oder concurrency. Warte und versuche es erneut; fehlgeschlagene Anfragen werden nicht berechnet.

Dein Schlüssel ist nur ein Formular entfernt

Erstelle ein Konto, kopiere den Schlüssel, ändere die Base URL. Das ist die gesamte Einrichtung.

API-Schlüssel erhalten