Brainiall Document AI
Dokumentbild → strukturierte Felder, Antworten und Tabellen – eine endpoint-Familie.

Wie wir vergleichen

Die Hyperscaler IDP-Dienste sind mächtig, aber preisiert pro Funktion und pro Dokumenttyp - OCR ist eine Rate, bildet eine andere, Tabellen eine andere, Ausgaben / ID Parsers eine andere wieder, und Sie schneiden die Anrufe zusammen. Brainiall folds erkenntnis, doc-type-aware-Feld-Extraktion, Dokument-Q&A und Tisch-Extraktion in eine Endpoint-Familie zu einem einzelnen pro-Page-Preis, selbst-Service von der ersten Anrufe.

Preise sind Preisverhältnisse für Orientierung, nicht Quoten - Hyperscaler IDP Preisverhältnisse sind angepasst und Funktionspezifisch.

Preise

Ein pro Seite Preis umfasst OCR, Feldextraction und Q&A; Tischextraction ist etwas günstiger. Die freie Ebene ist großzügig genug, um eine End-to-End-Pipeline zu wenden.

PAYG: $0.01 / Seite für /extract and /query, $0.0075 / Seite für /tables (Brainiall Document Intelligence Engine). Eine Seite = ein Dokumentbild. Keine Per-Feature-Überkosten, keine Mindestkosten, kein Vertrag.

Drei Anrufe: Extrakt, Query, Tabellen

# 1. Extract structured fields — doc_type picks the schema
POST https://api.brainiall.com/v1/document/extract
  {"image": "<base64 png/jpeg>", "doc_type": "receipt"}
  -> {"doc_type": "receipt",
      "fields": {"merchant_name": "Blue Bottle Cafe", "date": "2026-05-12",
                 "items": [{"name": "Cappuccino", "quantity": 2, "unit_price": 4.00, "total": 8.00}, ...],
                 "subtotal": 15.50, "tax": 1.24, "total": 16.74, "payment_method": null},
      "text": "<recognised plain text>",
      "extraction_engine": "Brainiall Document Intelligence engine"}
  # doc_type ∈ receipt | invoice | id | contract | form | generic

# 2. Ask a natural-language question about the document
POST https://api.brainiall.com/v1/document/query
  {"image": "<base64 png/jpeg>", "question": "What was the total amount paid?"}
  -> {"answer": "16.74", "found": true, "supporting_text": "TOTAL  16.74"}

# 3. Pull every table out as headers + rows
POST https://api.brainiall.com/v1/document/tables
  {"image": "<base64 png/jpeg>"}
  -> {"table_count": 1,
      "tables": [{"title": "Line items", "headers": ["Item", "Qty", "Price"],
                  "rows": [["Cappuccino", "2", "8.00"], ["Croissant", "1", "3.50"]],
                  "row_count": 2, "column_count": 3}]}

Pass doc_type: „Generisch“ wenn Sie die Art des Dokuments nicht kennen – Sie erhalten eine kurze Beschreibung, einen best-guess-Dokument-Typ, alle gekennzeichneten Schlüssel-Wert-Paare und festgestellte Datums, Beträge und Entitäten. Für mehrseiten Dokumente, teilen Sie in Seitenbilder und rufen Sie einmal pro Seite. Wenn eine Seite hat keinen lesbaren Text die API returns a 422 anstatt gedacht.

Was ist es für

• Konto-bezahlbar & Ausgabenautomatisierung: fallen Sie in eine geschanzte Rechnung oder Empfang und erhalten Sie den Anbieter, Datums, Zeilen, Steuern und Gesamt als JSON - direkt in Ihren Leder, keine Template-Konfiguration.
• Onboarding & KYC Dokumenterfassung: Teilen Sie den Namen, Dokumentnummer, Datum und MRZ aus einem ID-Dokument in strukturierte Felder, die Ihren Verifikationsfluss überprüfen können.
• Vertrag & Abkommen Review: ziehen Parteien, wirksame Datums, Frist, regierende Gesetz und Schlüsselverpflichtungen aus einer Vertragsseite, oder stellen Sie eine direkte Frage ("Was ist die Benachrichtigungsfrist?") und erhalten Sie die Antwort plus die Unterstützungslinie.
• Form & Fragebogen: Umwandeln Sie ein gefülltes Formular in eine Liste von Etiketten/Wertpaaren und Checkbox-Status — nützlich für die Digitalisierung der Papieraufnahme auf der Skala.
• Tisch schwere Berichte: Heben Sie jede Tabelle aus einem Finanzbericht, Preislist oder Lab-Bericht in saubere Header und Zeilen für die Downstream-Analyse.
• Ein Buch, ein Schlüssel: dies läuft auf dem gleichen Brainiall API-Schlüssel und Gebrauchsbasierte Rechnungslegung wie PDF und Markdown und der Rest des Katalogs – keine separate IDP-Anbieter zu erwerben.

Latency Profil

Document Intelligence ist eine dünne Orchestrationslage – es beherbergt nicht ein Modell selbst. End-to-end Timing wird von dem unteren Dokumentleser und gegebenenfalls dem OCR-Schritt dominiert.

• Native-Text Input (die schnelle Strecke): ein Dokumentbild mit scharfen gedrucktem Text oder eine PDF-Seite mit einem eingebetteten Textschicht erkennt ~1.3 s / Seite. /extract, /query and /tables Alle sitzen bequem in einem synchronen HTTP-Anruf hier.
• Scanned oder image-only input (der OCR-Path): Kamera-Scans, Fotos von Papier, Faxdokumente — das Dokumentmodell muss vollständig OCR auf CPU ausführen. ~20 bis 30 s / Seite2. Ein zweipageses geschanztes Vertrag durch /extract or /v1/document/layout Sie können ~25 s end-to-end laufen.
• Übersetzungsfluss: /v1/document/translate (Verfügbar über die Erweiterung des Dokuments bundle) Routes Text durch das Übersetzungsmodell nach der Extraction; auf CPU ist dies um 12 bis 15 S End-to-EndFast alles ist der Übersetzungsschritt.
• Empfohlene Muster für lange oder scannen Einträge: Behandeln Sie die Anfrage als Async-Arbeit auf die gleiche Weise dubbing and Sprech-to-Sprach bereits tun – senden, geben einen Fortschrittindikator, fangen Sie das Ergebnis, wenn Sie bereit sind.

Pressemitteilung & Ressourcen

Welche Prüfer, Integratoren und Beschaffungsteams normalerweise fragen.

Mehr Dokument & Text APIs

Die gleiche API-Schlüssel, die gleiche Gebrauchsbasierte Preise, unterschiedliche Probleme gelöst.

PDF und MarkdownFull-Document-Layout zum Reinigen von Markdown

Dokument AI (OCR)Druck-Text-Anerkennung mit Vertrauen-Gate

Brainiall TextSummarization & gründet Q&A über Text

Brainiall KnowledgeManaged RAG – Ingest Docs, Fragen