n8n'de OCR: Fişleri Bulut Hizmeti Olmadan Okuma

Fişleri, faturaları ve irsaliyeleri bir bulut API'sine göndermeden otomatik olarak okumak: Bu, n8n'de OCR ile mümkün - ister klasik Tesseract motoruyla ister Ollama üzerinden yerel bir yapay zeka (YZ) görüntü modeliyle. Temiz baskı görünümüne sahip yapılandırılmış belgeler için Tesseract kullanılabilir sonuçlar verir; kötü taramalarda veya karmaşık düzenlerde ise bir görüntü modeli genellikle öne geçer, ancak bunun için belirgin şekilde daha fazla işlem gücü gerekir. Güncelleme: Ağustos 2026.

n8n'de OCR için hangi yollar var?

n8n'de yerleşik bir OCR node'u bulunmuyor, bu yüzden yol ya topluluk node'ları üzerinden ya da bir komut satırı aracıyla birlikte Execute Command node'u üzerinden geçer. İkinci seçenek, kendi barındırılan (self-hosted) kurulumlarda en yaygın olanıdır, çünkü ek npm paketleri gerektirmez ve kendi Docker imajınıza entegre edilebilir.

Tesseract varyantı nasıl kurulur?

Çekirdek, n8n'in çalıştığı makinede shell komutları çalıştıran Execute Command Node'dur. Belgelere göre bu node, güvenlik nedeniyle 2.0 sürümünden itibaren varsayılan olarak devre dışı bırakılmıştır ve n8n Cloud'da hiç kullanılamaz, çünkü güvenilmeyen kullanıcıların bulunduğu ortamlarda risk oluşturur. Ancak sabit bir kullanıcı çevresine sahip self-hosted bir kurulumda hedefe yönelik olarak etkinleştirilebilir.

• İkili verileri diske yazma: Read/Write Files from Disk Node, Tesseract erişebilmeden önce gelen PDF veya görüntüyü dosya olarak kaydeder. n8n Cloud'da erişim `/home/node/` ile sınırlıdır; self-hosted kurulumda bu alan bir ortam değişkeni aracılığıyla daraltılabilir veya genişletilebilir.
• PDF'yi görüntüye dönüştürme: Çok sayfalı PDF'ler için Tesseract önce bir görüntü formatına ihtiyaç duyar; bunun için poppler-utils paketinden `pdftoppm` uygundur, bu da özel bir Dockerfile aracılığıyla n8n imajına kurulur.
• Metni tanıma: Asıl `tesseract` komutu görüntüyü okur ve tanıdığı metni döndürür. Tesseract, GitHub'daki proje açıklamasına göre 100'den fazla dilde metin tanıyan açık kaynaklı bir OCR motorudur.
• Sonucu geri okuma: İkinci bir Read/Write Files node'u metin dosyasını tekrar okur ve bir sonraki workflow adımlarına aktarır.

Tesseract'ın pratikte sınırları nerede?

Tesseract, kötü taranmış veya karmaşık düzenli fişlerde sınırlarına dayanır. n8n topluluğunda bu açıkça dile getiriliyor: bir kullanıcı Local OCR in n8n with Ollama başlıklı konuda, kendi belgelerinde Tesseract kalitesinin basitçe kötü olduğunu, minicpm-v veya llava-llama3 gibi görüntü modellerinin ise yoğun ve yapılandırılmış metinlerde daha iyi performans gösterdiğini bildiriyor. Bu gözlem, bireysel kullanıcıların pratik deneyimlerinden geliyor ve genel geçerliliğe sahip bir karşılaştırma (benchmark) değil, ancak temiz olmayan şablonlarda klasik OCR motorlarının bilinen zayıflığıyla örtüşüyor.

Ollama görüntü alternatifi nedir ve nerede sıkıntı çıkarıyor?

Tesseract yerine, görüntüleri doğrudan tanımlayabilen ve bunlardan metin çıkarabilen yerel bir görüntü modeli Ollama üzerinden kullanılabilir. Topluluk raporlarına göre bu yolun da nadiren belgelenen pratik tuzakları var: büyük, çok sayfalı PDF'ler modelin bağlam penceresini aşıyor ve tüm sayfalar bir kerede gönderildiğinde Ollama container'ını durma noktasına getiriyor. Yaygın çözüm, her sayfayı tek tek işlemek ve yerel container'ın aşırı yüklenmemesi için istekler arasına bir Wait node'u eklemektir. Her iki varyant için de geçerli: geçici dosyalar için sık sık `/tmp` veya benzeri yolları kullananların, dosya erişimini kısıtlayan ortam değişkeninin buna izin verip vermediğini kontrol etmesi gerekir.

Bulut OCR API'sine kıyasla bu çaba değiyor mu?

Bu çaba, özellikle fişlerin GDPR (KVKK) veya gizlilik nedenleriyle harici bir sağlayıcıya gönderilmemesi gerektiğinde değerlidir. Bu gereksinime sahip olmayanlar için bulut OCR API'si genellikle daha hızlı bir şekilde daha kararlı sonuçlara ulaşır, çünkü model bakımı ve ölçeklendirme ortadan kalkar. Otomasyonlarını zaten kendileri barındıran ve verileri üzerindeki kontrolü elinde tutmak isteyen şirketler için yerel çözüm mantıklı bir sonraki adımdır. Bu tür workflow'lar için temiz bir temel üzerinde bir n8n kurulumu yaptırmak isteyenler, bu konudaki arka plan bilgisini /leistungen/n8n adresinde bulabilir.

n8n'de OCR hakkında sık sorulan sorular

n8n'de OCR için mutlaka Execute Command node'una ihtiyacım var mı?

Hayır, Tesseract'ı shell komutlarına gerek kalmadan doğrudan bir node olarak saran n8n-nodes-tesseractjs gibi topluluk node'ları da mevcuttur. Ancak Execute Command yolu daha esnektir, çünkü sadece Tesseract'la değil, herhangi bir komut satırı aracıyla birleştirilebilir.

Tesseract ile OCR, n8n Cloud'da çalışır mı?

Hayır, Execute Command node'u n8n Cloud'da temelde kullanılamaz ve dosya erişimi kısıtlı bir yol ile sınırlıdır. Bu kullanım durumu için kendi Docker imajına sahip self-hosted bir n8n kurulumu gerekir.

Ollama üzerinden bir görüntü modeli, Tesseract'a kıyasla her zaman daha iyi bir seçim midir?

Her zaman değil, çünkü görüntü modelleri belirgin şekilde daha fazla işlem gücü gerektirir ve çok kötü taramalarda da hatasız değildir. Net basılmış, temiz belgeler için Tesseract genellikle yeterlidir; yoğun veya temiz olmayan şablonlarda pratik kullanıcılar görüntü modelleriyle daha iyi sonuçlar bildiriyor.

Yerel sunucuyu aşırı yüklemeden çok sayfalı PDF'lerle nasıl başa çıkarım?

Pratikte kanıtlanmış yöntem, tüm belgeyi bir kerede göndermek yerine her sayfayı tek tek işlemek ve işleme adımları arasına kısa bekleme süreleri eklemektir. Bu, Ollama container'ının veya Tesseract sürecinin çok fazla eş zamanlı istek nedeniyle bloke olmasını engeller.