API PDF.chat

Resumo

A API PDF.chat é unha pequena interface REST. Primeiro POST un documento para o inxerir e obter unha tarefa co texto do documento e unha descomposición por páxina (texto, caixas delimitadoras, confianza). Entón POST Pregunta preguntas contra esa tarefa e obtén respostas baseadas no documento, cada unha citando a páxina da que procede. As tarefas de 5 páxinas ou menos devolven inline; as tarefas maiores devolven inmediatamente cunha pending estado que vostede consulta ata done.

• URL base: https://pdf.chat
• Documentos en: PDF, máis Word, PowerPoint, texto e imaxes (PNG, JPG, WEBP, GIF, BMP, TIFF)
• Chat saídas: respostas con citas de páxinas; transcricións a través do punto final do historial
• Texto procesado de saída: txt, md, docx, pdf, csv, json
• Motores de lectura: cpu (documentos rápidos e impresos) e vlm (IA premium, escritura a man, disposición complexa, matemáticas)

Autenticación

Autenticar co seu Token da API (encóntrase no teu páxina da conta) como cabeceira de portador:

Authorization: Bearer YOUR_API_TOKEN

Tamén podes pasar ?api_token=… como parámetro de consulta. O uso mídese contra o saldo de páxinas da conta.

Enviar un documento

POST /api/v1/ocr/, Enviar o formulario multipart.

curl -X POST https://pdf.chat/api/v1/ocr/ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -F "file=@invoice.pdf" \
  -F "tier=vlm" \
  -F "language=auto"

Devolve a tarefa. Para ficheiros de ≤ 5 páxinas xa está done co texto; os ficheiros maiores regresan pending/processing, consultar o punto final de estado.

{
  "uuid": "9f2c1b7e4a...",
  "status": "done",
  "tier": "vlm",
  "language": "auto",
  "page_count": 1,
  "mean_confidence": 0.98,
  "text": "INVOICE\nAcme Corp\nTotal: 215.00 USD",
  "markdown": "# INVOICE\n\n**Acme Corp** ...",
  "pages": [ { "index": 0, "text": "...", "blocks": [ { "text": "...", "bbox": [x0,y0,x1,y1], "confidence": 0.98 } ] } ]
}

Obter un resultado

GET /api/v1/ocr/<uuid>/, preguntar ata status é done ou failed.

curl https://pdf.chat/api/v1/ocr/9f2c1b7e4a.../ \
  -H "Authorization: Bearer YOUR_API_TOKEN"

Obter un formato

GET /api/v1/ocr/<uuid>/download/?format=md, exportar o resultado. format é un de txt, md, docx, pdf, csv, json.

curl -L "https://pdf.chat/api/v1/ocr/9f2c1b7e4a.../download/?format=docx" \
  -H "Authorization: Bearer YOUR_API_TOKEN" -o result.docx

Chat con un documento

Faga preguntas acerca dunha tarefa rematada. As respostas baséanse só no texto extraído e citan a páxina de orixe. Require un token de conta, a funcionalidade chat está limitada pola conta.

POST /api/v1/chat/<uuid>/, Corpo de JSON {"message": "your question"}.

curl -X POST https://pdf.chat/api/v1/chat/9f2c1b7e4a.../ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"message": "What is the invoice total and due date?"}'

Devolve a mensaxe do asistente coa súa resposta e unha lista de páxinas citadas:

{"conversation": "a1b2…", "message": {
   "role": "assistant",
   "content": "The total is $42, due on March 3 (p. 1).",
   "citations": [{"page": 1, "cited_text": "The invoice total is $42…", "document_id": "9f2c1b7e4a…"}]
}}

GET /api/v1/chat/<uuid>/history/, obter a transcrición completa da conversa para unha tarefa.

Exemplos de código

• Python
• Node.js
• cURL

import requests, time

BASE = "https://pdf.chat/api/v1"
H = {"Authorization": "Bearer YOUR_API_TOKEN"}

# 1. Upload a PDF
with open("contract.pdf", "rb") as f:
    job = requests.post(BASE + "/ocr/", headers=H, files={"file": f}).json()

# 2. Wait until it's ready to chat
while job["status"] in ("pending", "processing"):
    time.sleep(2)
    job = requests.get(f"{BASE}/ocr/{job['uuid']}/", headers=H).json()

# 3. Ask questions — every answer is cited to the page
ans = requests.post(f"{BASE}/chat/{job['uuid']}/", headers=H,
    json={"message": "What is the termination notice period?"}).json()
print(ans["message"]["content"])
print(ans["message"]["citations"])

import fs from "fs";

const BASE = "https://pdf.chat/api/v1";
const H = { Authorization: "Bearer YOUR_API_TOKEN" };

// 1. Upload a PDF
const form = new FormData();
form.append("file", new Blob([fs.readFileSync("contract.pdf")]), "contract.pdf");
let job = await (await fetch(`${BASE}/ocr/`, { method: "POST", headers: H, body: form })).json();

// 2. Wait until it's ready to chat
while (["pending", "processing"].includes(job.status)) {
  await new Promise(r => setTimeout(r, 2000));
  job = await (await fetch(`${BASE}/ocr/${job.uuid}/`, { headers: H })).json();
}

// 3. Ask questions — every answer is cited to the page
const ans = await (await fetch(`${BASE}/chat/${job.uuid}/`, {
  method: "POST", headers: { ...H, "Content-Type": "application/json" },
  body: JSON.stringify({ message: "What is the termination notice period?" })
})).json();
console.log(ans.message.content, ans.message.citations);

# 1. Upload a PDF
curl -X POST https://pdf.chat/api/v1/ocr/ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -F "file=@contract.pdf"

# 2. Ask questions (use the uuid from step 1) — answers cited to the page
curl -X POST https://pdf.chat/api/v1/chat/UUID/ \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"message": "What is the termination notice period?"}'

Parámetros

Erros e límites

Cada páxina procesada custa créditos (1/ páxina no nivel rápido, máis no premium). Os plans de pago aumentan os límites de páxinas por ficheiro e engaden prioridade. Consulte prezo.

Preguntas frecuentes