泰语通用文档 OCR

读取印刷的泰语或英语文档，返回其文本、版面，或由它生成的 Word、PowerPoint、Excel 或可检索 PDF 文件。

自 2026 年 10 月 5 日起，页面由 iApp 自研的泰语 OCR 模型读取。在泰语文档上，其文本比 Google Cloud Vision 更准确（实测）；纯文本输出每页 0.049 IC，原为 1 IC。

POST/v3/store/ocr/document/ocr

另有 5 个端点

试一试

• 价格0.049 IC每页
• 实测96.3%
• 承载27,000 页/小时
• 累计调用418K次

• v3.0.0-20261005
• 更新 2026 年 10 月 5 日
• 运行中
• 基准报告 (PDF)

输入

输出POST /v3/store/ocr/document/ocr

text

ด่วนที่สุด ที่ มท ๐๔๐๒.๖ ...

time

0.6

iapp

page: 1 char: 1376

文本仅显示开头，整页共 1,376 个字符。

全部字段见“响应”一节其他端点：/layout, /docx, /pptx, /xlsx, /searchablePDF 见请求

请求

curl -X POST https://api.iapp.co.th/v3/store/ocr/document/ocr \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@document.pdf"

响应

200成功。字段在"响应"一节说明。

{
  "text": ["ด่วนที่สุด ที่ มท ๐๔๐๒.๖ ..."],
  "time": 0.6,
  "iapp": { "page": 1, "char": 1376 }
}

请求

multipart/form-data。各端点字段相同，按所需输出选择端点。纯文本每页 0.049 IC；版面、Word、PowerPoint、Excel 与可检索 PDF 每页 0.15 IC。

请求头

apikeystring必填

您的 API 密钥，在控制台的 API Keys 中创建，只显示一次。

请求体

filefile必填

文档：图像（PNG、JPEG）、PDF，或 Microsoft Office 文件（DOC、DOCX、XLS、XLSX、PPT、PPTX）。最大 30 MB。若发送 base64 则不需要。

base64string

一张图像的 Base64 字符串，替代 file。

emailstring

若设置，结果将发送到此邮箱，而不在响应中返回。

端点	返回	每页
/v3/store/ocr/document/ocr	纯文本，每页一个字符串	0.049 IC
/v3/store/ocr/document/layout	JSON：每个组件及其文本、边界框和类型	0.15 IC
/v3/store/ocr/document/docx	生成的 Word 文件链接	0.15 IC
/v3/store/ocr/document/pptx	生成的 PowerPoint 文件链接	0.15 IC
/v3/store/ocr/document/xlsx	生成的 Excel 文件链接	0.15 IC
/v3/store/ocr/document/searchablePDF	原页面加可选中文本层的 PDF 链接	0.15 IC

同一组端点也可通过旧前缀 /document-ocr 调用。

响应

JSON，每个端点一种结构。iapp-input-pages 头是读取的页数，计费为该页数乘以端点的每页价格。

全部 38 种组件类型

分组	类型
标题与正文	CenTitle、Para1 至 Para5、BodyText3、Text、TextBox
列表	List、ListNum1 至 ListNum4、ListCon1 至 ListCon4
缩进块	Indent1 至 Indent5
表格	Table、TableLike
页面元素	Header、Footer、Date、NextPage、UpperLeft、UpperRight、TopRight、BottomLeft、BottomRight
图形	Figure、Logo、LeftLogo
签名	Signature

详情

实测

2026 年 10 月 4 日与 Google Cloud Vision 对比：两者读取相同的页面图像，对照同一套经核对的标准答案，以字符错误率计分（越低越好）。所有测试文档均未用于训练模型。

泰语文档	Google Cloud Vision	iApp	更优：iApp / Google
预算文件，国会（539 页）	37.4%	17.2%	469 / 25 页
皇家公报（221 页）	13.8%	6.1%	217 / 0 页
SEA-DocBench 泰语（1,225 页）	49.4%	48.7%	443 / 243 页
古籍，维基文库（608 页）	25.4%	21.0%	413 / 124 页
行政法院判决，扫描件（150 份）	6.2%	3.1%	150 / 0 份
全部 2,825 页基准	36.0%	29.6%	1,654 / 425 页

行政法院判决属于模型的训练领域：模型以同一法院的其他判决训练，从未见过这些测试文件。差距在政府文件上最大：Google 读取两栏预算表时先读完整列项目名称，再读完整列金额，金额因此与对应项目脱节；iApp 按行读取，所得文本可直接使用。

8 月白皮书的法院判决基准（20 份判决，242 页，脚本与计分方式相同）于 2026 年 10 月 5 日在生产服务上重测：

指标	v3.0.0，2026 年 10 月	v2.1.13，2026 年 8 月	Google Cloud Vision
字符错误率	3.7%（正确 96.3%）	5.2%（94.8%）	6.1%（93.9%）
词错误率	5.6%（正确 94.4%）	7.0%（93.0%）	7.5%（92.5%）
版面分析	96.97% AP，版面模型不变	96.97% AP

2026 年 10 月于生产服务实测：纯文本每页中位耗时 0.60 秒；纯文本约每秒 7.5 页（每小时 27,000 页），版面、Word、PowerPoint 与 Excel 约每秒 0.6 页（每小时 2,100 页）。服务运行在两台服务器上，其中一台故障时仍可继续服务。

方法、各数据集结果及置信区间、逐文档结果：基准报告 (PDF)

限制

• 仅识别印刷文本，不识别手写。
• 200 dpi 及以上的扫描效果最佳。
• 照片中的短文本（如招牌、场景文字）可以识别，但在我们的测试中 Google Cloud Vision 略为准确。

数据处理

上传的文档在 iApp 位于泰国的服务器上处理，仅用于生成所请求的输出；生成的链接 10 分钟后失效，生成的文件一小时内删除。服务符合 GDPR 与 PDPA。另提供文档不出您网络的本地部署：联系我们。

更新日志

版本	日期	变更
v3.0.0-20261005	2026 年 10 月 5 日	改由 iApp 自研泰语 OCR 模型读取；在泰语文档上比 Google Cloud Vision 更准确（实测），8 月基准上的字符错误率由 5.2% 降至 3.7%。服务运行在两台服务器上：每小时约 27,000 页，更新时不停机。纯文本由每页 1 IC 降至 0.049 IC；版面、Word、PowerPoint、Excel 与可检索 PDF 由每页 1 IC 降至 0.15 IC。端点、请求与响应均不变。
v2.1.13-20260822	2026 年 8 月 22 日	新引擎（字符错误率相对降低 15%，每页中位耗时由 3.33 秒降至 0.53 秒），文件改为签名限时链接，支持本地部署，PowerPoint、Excel 与可检索 PDF 结束预览、正式可用。基准报告 (PDF)
v2.1.12-20251116	2025 年 11 月 16 日	新增 iapp-input-pages 响应头。
v2.0	2022 年 8 月	文档版面分析与 Word 输出。