Document AI

Visão Geral

O endpoint POST /v1/ocr utiliza o modelo GOT-OCR2 para extrair texto e dados estruturados de documentos brasileiros. Otimizado para tipos documentais comuns no Brasil, como notas fiscais eletrônicas, boletos, petições judiciais, certidões e contratos.

Além do OCR puro, a Polar oferece um pipeline de Document Q&A que combina extração de texto com análise por IA.

Endpoints

Endpoint	Descrição
`POST /v1/ocr`	Extração de texto e dados de documentos
`POST /v1/pipelines/document-qa`	Perguntas e respostas sobre documentos

Documentos Suportados

Tipo de Documento	Descrição	Campos Extraídos
NF-e	Nota Fiscal Eletrônica	CNPJ, valor, itens, impostos, data
Boleto	Boleto bancário	Código de barras, valor, vencimento, beneficiário
Petição	Petições judiciais	Partes, pedidos, fundamentação, número do processo
Certidão	Certidões públicas	Tipo, validade, dados do titular
Contrato	Contratos em geral	Partes, cláusulas, valores, vigência
RG/CPF	Documentos de identidade	Nome, número, data de nascimento
CNH	Carteira de habilitação	Nome, número, categoria, validade

Formatos de Saída

Formato	Descrição
`text`	Texto plano extraído do documento
`markdown`	Texto formatado em Markdown com tabelas
`json`	Dados estruturados em JSON

Exemplos — OCR

Python

from openai import OpenAI
import base64

client = OpenAI(
    base_url="https://api.polar-ai.com/v1",
    api_key="pk-your-key-here"
)

# OCR de uma nota fiscal via arquivo
with open("nota_fiscal.pdf", "rb") as f:
    file_data = base64.b64encode(f.read()).decode("utf-8")

response = client.post(
    "/ocr",
    body={
        "file": f"data:application/pdf;base64,{file_data}",
        "model": "got-ocr2",
        "output_format": "json",
        "document_type": "nfe"
    }
)

print(response.json())

# OCR de um boleto via URL
response = client.post(
    "/ocr",
    body={
        "file_url": "https://exemplo.com/boleto.png",
        "model": "got-ocr2",
        "output_format": "json",
        "document_type": "boleto"
    }
)

data = response.json()
print(f"Valor: R${data['valor']}")
print(f"Vencimento: {data['vencimento']}")
print(f"Código de barras: {data['codigo_barras']}")

TypeScript

import OpenAI from "openai";
import * as fs from "fs";

const client = new OpenAI({
  baseURL: "https://api.polar-ai.com/v1",
  apiKey: "pk-your-key-here",
});

const fileBuffer = fs.readFileSync("nota_fiscal.pdf");
const base64File = fileBuffer.toString("base64");

const response = await fetch("https://api.polar-ai.com/v1/ocr", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: "Bearer pk-your-key-here",
  },
  body: JSON.stringify({
    file: `data:application/pdf;base64,${base64File}`,
    model: "got-ocr2",
    output_format: "json",
    document_type: "nfe",
  }),
});

const data = await response.json();
console.log(data);

curl

# OCR com arquivo base64
curl -X POST https://api.polar-ai.com/v1/ocr \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer pk-your-key-here" \
  -d '{
    "file_url": "https://exemplo.com/nota_fiscal.png",
    "model": "got-ocr2",
    "output_format": "json",
    "document_type": "nfe"
  }'

# OCR com saída em Markdown
curl -X POST https://api.polar-ai.com/v1/ocr \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer pk-your-key-here" \
  -d '{
    "file_url": "https://exemplo.com/contrato.pdf",
    "model": "got-ocr2",
    "output_format": "markdown"
  }'

Resposta do OCR — Exemplo NF-e

{
  "document_type": "nfe",
  "confidence": 0.97,
  "data": {
    "numero": "000.123.456",
    "serie": "1",
    "data_emissao": "2024-03-15",
    "emitente": {
      "razao_social": "Empresa Exemplo LTDA",
      "cnpj": "12.345.678/0001-90",
      "endereco": "Rua das Flores, 100 - São Paulo/SP"
    },
    "destinatario": {
      "razao_social": "Cliente Final SA",
      "cnpj": "98.765.432/0001-10"
    },
    "itens": [
      {
        "descricao": "Serviço de consultoria em TI",
        "quantidade": 1,
        "valor_unitario": 15000.00,
        "valor_total": 15000.00
      }
    ],
    "valor_total": 15000.00,
    "impostos": {
      "iss": 750.00,
      "pis": 97.50,
      "cofins": 450.00
    }
  }
}

Pipeline de Document Q&A

O endpoint /v1/pipelines/document-qa combina OCR com análise por IA, permitindo fazer perguntas sobre o conteúdo do documento:

Python

response = client.post(
    "/pipelines/document-qa",
    body={
        "file_url": "https://exemplo.com/contrato.pdf",
        "model": "got-ocr2",
        "qa_model": "urso-pro",
        "questions": [
            "Qual o prazo de vigência do contrato?",
            "Quais são as penalidades por rescisão antecipada?",
            "Qual o valor mensal acordado?"
        ]
    }
)

for qa in response.json()["answers"]:
    print(f"P: {qa['question']}")
    print(f"R: {qa['answer']}\n")

curl

curl -X POST https://api.polar-ai.com/v1/pipelines/document-qa \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer pk-your-key-here" \
  -d '{
    "file_url": "https://exemplo.com/contrato.pdf",
    "model": "got-ocr2",
    "qa_model": "urso-pro",
    "questions": [
      "Qual o prazo de vigência do contrato?",
      "Qual o valor mensal acordado?"
    ]
  }'

Casos de Uso

Contabilidade: Extração automática de dados de notas fiscais para sistemas ERP
Jurídico: Análise de petições, contratos e certidões
Financeiro: Processamento de boletos e comprovantes
RH: Digitalização de documentos de identidade e certificados
Compliance: Verificação automatizada de documentos regulatórios

Próximos Passos

Vision — análise multimodal de imagens
Structured Output — saída em JSON estruturado
Batch API — processamento em lote de documentos

On this page