ParseJet

OCR API — Text aus Bildern in einem Request

Fügen Sie Texterkennung zu Ihrer App mit einem HTTP-Call hinzu. Senden Sie ein JPG, PNG, WebP oder gescannte PDF an die ParseJet-OCR-API und erhalten Sie sauberen Text plus Metadaten als JSON zurück – kein Tesseract zum Kompilieren, keine Modelldateien zu verwalten, kein GPU. Kostenlos starten mit 300 Anfragen pro Monat; testen Sie es jetzt auf einem Bild.

Datei hier ablegen oder durchsuchen

Akzeptiert JPG,JPEG,PNG,GIF,WEBP,TIFF,BMP,PDF Dateien

Kostenlos — 3 Anfragen/Tag, keine Anmeldung. für 300 Credits/Monat kostenlos.

So funktioniert es

1

Kostenlos API-Schlüssel erhalten

Registrieren Sie sich, erstellen Sie einen Schlüssel im Dashboard, und Sie haben 300 Anfragen pro Monat. Kein Schlüssel gibt Ihnen 3 Anfragen pro Tag für einen schnellen Test.

2

Bild POST-en

Eine Multipart-Anfrage an /v1/parse/image/ocr – oder /v1/parse/auto/file, wenn Sie auch PDFs und andere Dokumente durch den gleichen Code-Pfad senden.

3

JSON verwenden

Die Response hat den Text, einen Titel, den Quelltyp und Metadaten wie Bildgröße, Zeilenanzahl und durchschnittlichen Konfidenzwert.

Hauptfunktionen

Was dieses ocr api auszeichnet.

Ein Endpunkt, jede Sprache

Einfaches HTTP mit Multipart-Upload: Python, JavaScript, Go, PHP, Ruby, Swift, curl in einem Cron-Job – alles, das eine Datei POST-en kann.

Offizielle SDKs

pip install parsejet oder npm install parsejet und rufen Sie client.parse.ocr() auf – Wiederholungen, Fehler und Typisierung für Sie.

20+ Sprachen

Lateinische Skripte, Chinesisch und Japanisch werden automatisch gelesen; übergeben Sie language=ko, ru, ar, hi, th oder el für Koreanisch, Kyrillisch, Arabisch, Devanagari, Thai oder Griechisch.

Auch gescannte PDFs

Senden Sie eine PDF an /v1/parse/auto/file und nur-Bild-Seiten werden automatisch OCR'd (bis zu 30 pro Anfrage), mit erkannten Seitennummern in den Metadaten.

Vorhersehbares JSON

Jede Response hat die gleiche Form: text, title, source_type, metadata. Konfidenz ist in metadata.ocr_confidence, daher können Sie Ergebnisse mit niedriger Konfidenz an einen Menschen routen.

Selbst gehostete Modelle, keine externe KI

Erkennung läuft auf ParseJet-Infrastruktur mit Open-Source-PP-OCR-Modellen. Bilder werden im Speicher verarbeitet und nicht beibehalten – einfachere Compliance als das Senden von Kundendokumenten an eine große Cloud-Vision-API.

Anwendungsfälle

Häufige Szenarien, in denen dieses Tool Zeit spart.

Quittungs- und Rechnungserkennung

Lesen Sie Totale, Daten und Anbieternamen aus Fotos, die von Benutzern hochgeladen werden, dann validieren Sie sie in Ihrem eigenen Code.

Screenshot-Moderation und Suche

Extrahieren Sie Text aus von Benutzern eingereichten Bildern, damit er durchsucht, gefiltert oder gegen Regeln geprüft werden kann.

Dokumentaufnahme für RAG

OCR gescannte Seiten und Bilder zusammen mit PDFs und DOCX durch eine API, bevor Sie chunken und embedden.

Mobile-App-Backends

Halten Sie die App klein: senden Sie das Foto an die API, statt ein On-Device-OCR-Modell zu versenden.

Tesseract in Serverless ersetzen

Keine nativen Binärdateien oder Sprachpakete zum Bündeln in Lambda, Vercel oder Cloudflare-Funktionen – nur ein HTTP-Call.

Mit der API automatisieren

Nutzen Sie dasselbe Tool programmatisch. Funktioniert mit jeder Sprache – einfach HTTP.

Python
# pip install httpx
import httpx

resp = httpx.post(
    "https://api.parsejet.com/v1/parse/image/ocr",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    files={"file": open("receipt.jpg", "rb")},
    data={"language": "en"},     # optional hint: ko, ru, ar, hi, th, el ...
    timeout=60,
)
resp.raise_for_status()
result = resp.json()
print(result["text"])
if result["metadata"]["ocr_confidence"] < 0.8:
    print("low confidence — send for manual review")

# Batch a folder of scans
from pathlib import Path
for img in Path("scans").glob("*.png"):
    r = httpx.post(
        "https://api.parsejet.com/v1/parse/image/ocr",
        headers={"Authorization": "Bearer YOUR_API_KEY"},
        files={"file": (img.name, img.read_bytes(), "image/png")},
    )
    print(img.name, r.json()["text"][:80])
JavaScript / Node
// npm install parsejet
import { ParseJet } from "parsejet";
import { readFile } from "node:fs/promises";

const client = new ParseJet({ apiKey: process.env.PARSEJET_API_KEY });
const image = await readFile("receipt.jpg");
const result = await client.parse.ocr(image, "receipt.jpg");
console.log(result.text);

// Or plain fetch, in any runtime:
const form = new FormData();
form.append("file", new Blob([image]), "receipt.jpg");
const res = await fetch("https://api.parsejet.com/v1/parse/image/ocr", {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.PARSEJET_API_KEY}` },
  body: form,
});
const { text, metadata } = await res.json();
cURL
# No API key: 3 requests/day for testing
curl -X POST https://api.parsejet.com/v1/parse/image/ocr \
  -F "[email protected]"

# With a key (300 free requests/month), Korean text
curl -X POST https://api.parsejet.com/v1/parse/image/ocr \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "[email protected]" -F "language=ko"

# Response
# {
#   "text": "...",
#   "title": "menu",
#   "source_type": "image_ocr",
#   "metadata": { "width": 1280, "height": 960, "ocr_lines": 14, "ocr_confidence": 0.96 }
# }

Möchten Sie dies automatisieren?

Die ParseJet API bietet Ihnen die gleiche Parsing-Leistung über einen einzigen HTTP-Endpunkt. Kein ffmpeg, kein poppler, kein tesseract — nur ein API-Aufruf.

curl -X POST https://api.parsejet.com/v1/parse/auto/url \ -H "Content-Type: application/json" \ -d '{"url":"https://example.com"}'
API-Dokumentation lesen

Häufig gestellte Fragen

Gibt es eine kostenlose OCR-API?

Ja. Ohne Schlüssel können Sie 3 Anfragen pro Tag machen, genug zum Testen. Ein kostenloses Konto gibt Ihnen einen API-Schlüssel mit 300 Credits pro Monat (ein Bild = ein Credit). Bezahlte Pläne beginnen bei 19 $/Monat für höhere Limits und größere Dateien.

Wie nutze ich die OCR-API in Python?

POST das Bild als Multipart-Formulardaten an /v1/parse/image/ocr mit Ihrem Schlüssel im Authorization-Header – drei Zeilen mit httpx oder requests, oben gezeigt. Der Text ist im "text"-Feld der JSON-Response. Das parsejet-Paket auf PyPI umhüllt den gleichen Call mit Wiederholungen und typisierten Ergebnissen.

Wie genau ist sie?

Die API nutzt PP-OCR-Erkennungsmodelle, die gleiche Familie, die viele produktive OCR-Systeme versorgt. Gedruckter Text, Screenshots und saubere Scans kommen mit sehr hoher Genauigkeit zurück; jede Response trägt einen durchschnittlichen Konfidenzwert, den Sie festlegen können. Handschrift und unscharfe Fotos erzielen niedrigere Werte.

Welche Sprachen werden unterstützt?

Englisch und alle Sprachen mit lateinischer Schrift, vereinfachtes und traditionelles Chinesisch, und Japanisch brauchen keinen Parameter. Senden Sie language=ko, ru (oder uk, bg…), ar (oder fa, ur), hi, th oder el für Koreanisch, Kyrillisch, Arabisch, Devanagari, Thai oder Griechisch.

Was sind die Limits?

Bilder bis zu 20 MB, PDFs bis zu 200 MB auf bezahlten Plänen (2 MB ohne Schlüssel, 5 MB auf kostenlosem Konto). Anfragen pro Minute hängen vom Plan ab. Eine gescannte PDF erkennt bis zu 30 Bildseiten pro Anfrage.

Speichern Sie meine Bilder?

Nein. Dateien werden im Speicher auf ParseJet-Servern mit Open-Source-Modellen verarbeitet und gelöscht, wenn die Response gesendet wird. Sie werden nicht an externe KI-Anbieter weitergeleitet und nicht zum Training verwendet.

Wie unterscheidet sich das von Tesseract?

Tesseract ist kostenlos selbst zu betreiben, aber Sie besitzen die Binärdateien, Sprachpakete, Bildvorverarbeitung und Genauigkeits-Tuning – und es kämpft mit Fotos und CJK-Text. Die ParseJet-API gibt Ihnen modernes Deep-Learning-OCR hinter einem HTTP-Call mit der gleichen JSON-Form wie jeder andere ParseJet-Parser.

Kostenlos mit Textextraktion starten

Keine Anmeldung erforderlich. Parsen Sie Ihre erste Datei in Sekunden.

Preise ansehen