OCR — Bilder & PDFs — Crowdee Docs

Text aus Bildern und PDF-Dokumenten extrahieren — pdftotext für digitale PDFs, Vision-Modell für gescannte Dokumente.

Die Pipeline lt-ocr extrahiert Text aus Bildern und PDF-Dokumenten. Sie verwendet einen hybriden Ansatz: schnelle native Textextraktion für digitale PDFs und ein Vision-Modell für gescannte PDFs und Rasterbilder.

200 Credits pro Datei · ~3 Minuten

Akzeptierte Dateien

Typ	MIME-Typen
Bilder	`image/*` (JPEG, PNG, WebP, TIFF, …)
Dokumente	`application/pdf`

Bis zu 10 Dateien pro Run.

Verarbeitungslogik

Die Pipeline wählt die Extraktionsmethode anhand von Dateityp und Inhalt:

Digitale PDFs — pdftotext extrahiert eingebetteten Text direkt. Schnell und präzise für PDFs, die aus Textverarbeitungsprogrammen generiert oder aus Anwendungen exportiert wurden.
Gescannte PDFs — liefert pdftotext weniger als 50 Zeichen, wird die erste Seite als Bild gerendert und an ein lokales Ollama-Vision-Modell (Standard: llava) zur OCR übergeben.
Bilder — werden immer direkt vom Ollama-Vision-Modell verarbeitet.

Das OCR-Modell läuft lokal über Ollama. Die Ergebnisse können je nach Bildqualität und Dokumentlayout variieren.

Kontextparameter

Keine. Diese Pipeline benötigt keine zusätzlichen Kontextangaben.

Ausgabe

{
  "pipelineSlug": "lt-ocr",
  "output": {
    "extractedText": "Rechnung\nDatum: 15.01.2024\nFälliger Betrag: 1.250,00 €\n...",
    "pageCount": 2,
    "confidence": 0.91,
    "model": "llava"
  },
  "rawText": "Rechnung\nDatum: 15.01.2024\nFälliger Betrag: 1.250,00 €\n..."
}

Ausgabefelder

Feld	Typ	Beschreibung
`extractedText`	string	Gesamter extrahierter Text mit Zeilenumbrüchen
`pageCount`	number \| null	Seitenanzahl (nur PDFs; bei Bildern null)
`confidence`	number \| null	Extraktionskonfidenz 0–1 (nur Vision-Modell; bei pdftotext null)
`model`	string	Verwendete Extraktionsmethode (`"pdftotext"` oder Ollama-Modellname, z. B. `"llava"`)
`rawText`	string	Alias für `extractedText`

API-Beispiel

POST /v2/lt-pipelines/project/{projectId}/run

{
  "pipelineSlug": "lt-ocr",
  "fileIds": ["file_abc123", "file_def456"],
  "contextData": {}
}

Antwort:

{
  "runIds": ["ltrun_aaa111", "ltrun_bbb222"]
}

Ergebnis abrufen:

GET /v2/lt-pipelines/runs/ltrun_aaa111