Mistral OCR
Product
Mistral OCR is een optische tekenherkenningsservice (OCR-API) van Mistral AI die documenten, waaronder scans en tabellen, omzet naar gestructureerde Markdown; in de aflevering draait het in Azure AI Foundry.
Ook besproken
De aflevering over Mistral OCR gaat ook over n8n, Chunking, Embeddings, Azure OpenAI Service, AVG en Retrieval-augmented generation (RAG).
Beschrijving
Mistral OCR is een optische tekenherkenningsservice (OCR-API) van Mistral AI. Het zet documenten, waaronder scans en tabellen, om naar gestructureerde Markdown, zodat hun inhoud doorzoekbaar en verwerkbaar is of kan worden doorgegeven aan andere systemen. In de documentatie van Mistral komt deze functionaliteit voor onder de naam Document AI OCR processor, en de alias mistral-ocr-latest verwijst naar het nieuwste OCR-model. In de M365.FM-aflevering over private retrieval augmented generation wordt het gebruikt binnen Azure AI Foundry.
De dienst haalt tekst en gestructureerde inhoud uit PDF's en afbeeldingen en behoudt daarbij de documentstructuur en hiërarchie. Ondersteunde invoer omvat afbeeldingen zoals PNG, JPEG en AVIF, en documenten zoals PDF, PPTX en DOCX. Een bestand kan worden aangeleverd als publieke URL, als Base64 of als geüpload bestand. De documentatie vermeldt ondersteuning voor meer dan 40 talen.
Het resultaat wordt teruggegeven als een JSON-object dat pagina's bevat. Elke pagina bevat Markdown, afbeeldingen, tabellen, hyperlinks, koptekst, voettekst, afmetingen, betrouwbaarheidsscores en blokken, en het antwoord bevat ook informatie over het model en het gebruik. Tabellen kunnen inline in de Markdown blijven staan of apart worden teruggegeven als Markdown- of HTML-tabellen via een parameter voor het tabelformaat. Koptekst en voettekst kunnen afzonderlijk worden geëxtraheerd. Blokextractie levert alinea-niveau begrenzingskaders met structurele labels, zoals titel, lijst, tabel, vergelijking, bijschrift, code en handtekening, in leesvolgorde. Betrouwbaarheidsscores kunnen worden opgevraagd op pagina-, blok- of woordniveau.
Sommige functies zijn afhankelijk van de modelversie. Volgens de documentatie vereisen tabelopmaak en het afzonderlijk extraheren van koptekst of voettekst OCR-versie 2512 of nieuwer, en vereist blokextractie OCR 4 of nieuwer. Voor grote volumes raadt Mistral zijn Batch Inference-service aan, en voor gestructureerde uitvoer verwijst het naar Document Annotations. De documentatiepagina zelf noemt Azure AI Foundry niet, dus details over die hostingopzet komen alleen uit de aflevering.
Een typische situatie is een kennisbank die is opgebouwd uit gescande of op afbeeldingen gebaseerde documenten. Tekst die alleen als scan bestaat, kan door een taalmodel niet worden doorzocht of opgehaald totdat die is herkend en omgezet. Mistral OCR pakt die stap aan door Markdown te produceren die koppen, lijsten en tabellen behoudt, een vorm die bruikbaarder is voor indexering dan platte geëxtraheerde tekst. Beslissingen eromheen gaan meestal over het uitvoerformaat voor tabellen, of kopteksten en voetteksten behouden of verwijderd moeten worden, of betrouwbaarheidsscores nodig zijn om onzekere passages te markeren, en of batchverwerking past bij het documentvolume.
De aflevering "How to Build Private RAG with SharePoint and n8n" (2026-06-06) plaatst Mistral OCR in een private retrieval augmented generation-opzet. De aflevering stelt dat hulpmiddelen zoals Mistral OCR helpen gescande documenten om te zetten in doorzoekbare gegevens en zo de kennisbank verbeteren. Het staat naast een correcte SharePoint-configuratie voor documentorganisatie en -ophaling, en workflowautomatisering met n8n die SharePoint verbindt en taken voor gegevensophaling beheert. De aflevering raadt ook regelmatig testen en itereren aan, zodat de oplossing betrouwbaar en efficiënt blijft, en merkt op dat een dergelijke oplossing kan worden opgeschaald door meerdere gegevensbronnen te integreren en workflows aan te passen aan de behoeften van een organisatie.
Overzicht samengesteld met AI op basis van M365.FM-afleveringen en de feiten op deze pagina. Je kunt het verbeteren met de bewerkknop hieronder.
| Type | Product |
|---|
Veelgestelde vragen
Vragen met AI zijn met AI geschreven op basis van de feiten op deze pagina.
Wat doet Mistral OCR? (AI)
Mistral OCR is een API van Mistral AI die tekst en gestructureerde inhoud uit PDF's en afbeeldingen haalt en die als Markdown teruggeeft, inclusief tabellen, binnen een JSON-antwoord dat per pagina is georganiseerd.
Welke bestandstypen en talen ondersteunt Mistral OCR? (AI)
Volgens de documentatie van Mistral kunnen de invoer afbeeldingen zijn zoals PNG, JPEG en AVIF, of documenten zoals PDF, PPTX en DOCX, aangeleverd als publieke URL, Base64 of geüpload bestand. Er wordt ondersteuning geboden voor meer dan 40 talen.
Hoe wordt Mistral OCR gebruikt in de M365.FM-aflevering over private RAG? (AI)
De aflevering "How to Build Private RAG with SharePoint and n8n" beschrijft Mistral OCR, dat draait in Azure AI Foundry, als een manier om gescande documenten om te zetten in doorzoekbare gegevens voor de kennisbank achter een op SharePoint en n8n gebaseerde RAG-oplossing.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Experts en bedrijven voor dit onderwerp
Niemand heeft dit onderwerp nog opgegeven. Voeg het toe aan je profiel.
Beheerd door Mirko Peters (Microsoft MVP) · Laatst bijgewerkt: