mistral-ocr

Mistral OCR

Mistral 専用の OCR API を使用して、画像や PDF からテキストを抽出します。外部依存関係は不要です。

要件

このスキルを使用するには、Mistral API キーが必要です。まだお持ちでない場合は、reference/getting-started.md のガイドに従ってください。

API キー

ユーザーは Mistral API キーを指定する必要があります。利用できない場合は、ユーザーに尋ねてください。

オプション 1（AI エージェントに推奨）： ユーザーがメッセージでキーを直接指定する：

"Use this Mistral key: aBc123XyZ..."
"Convert this PDF to markdown, my API key is aBc123XyZ..."

オプション 2： 環境変数 $MISTRAL_API_KEY

オプション 3： Claude Code の設定（~/.claude/settings.json）

キーを利用できない場合は、console.mistral.ai で取得するようユーザーに案内してください。

---

API エンドポイント

すべてのドキュメント処理で、専用の OCR エンドポイントを使用してください：

POST https://api.mistral.ai/v1/ocr

モデル： mistral-ocr-latest

---

機能

1. PDF → Markdown（直接変換。変換処理は不要です！）

curl -s "https://api.mistral.ai/v1/ocr" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-ocr-latest",
    "document": {
      "type": "document_url",
      "document_url": "https://example.com/document.pdf"
    }
  }'

2. 画像 → テキスト

JPG、PNG、WEBP、GIF に対応しています：

curl -s "https://api.mistral.ai/v1/ocr" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-ocr-latest",
    "document": {
      "type": "image_url",
      "image_url": "https://example.com/image.jpg"
    }
  }'

3. ローカルファイル（Base64 データ URL）

ローカルの PDF や画像の場合は、Base64 にエンコードしてデータ URL を使用します。

必ず curl を使用してください（Git Bash 経由で Windows を含むすべてのプラットフォームで動作します）：

# For local PDF
BASE64=$(base64 -w0 document.pdf)
curl -s "https://api.mistral.ai/v1/ocr" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-ocr-latest",
    "document": {
      "type": "document_url",
      "document_url": "data:application/pdf;base64,'"$BASE64"'"
    }
  }'

# For local images (PNG, JPG, etc.)
BASE64=$(base64 -w0 image.png)
curl -s "https://api.mistral.ai/v1/ocr" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-ocr-latest",
    "document": {
      "type": "image_url",
      "image_url": "data:image/png;base64,'"$BASE64"'"
    }
  }'

MIME タイプ：

• PDF：data:application/pdf;base64,...
• PNG：data:image/png;base64,...
• JPG：data:image/jpeg;base64,...
• WEBP：data:image/webp;base64,...

4. 構造化 JSON 出力

請求書、フォーム、表の場合は、追加の依頼で JSON を指定するか、Document AI のアノテーションを使用します。

---

レスポンス形式

API は Markdown を直接返します：

{
  "pages": [
    {
      "index": 0,
      "markdown": "# Document Title\n\nExtracted content here...",
      "images": [],
      "tables": [],
      "dimensions": {"dpi": 200, "height": 842, "width": 595}
    }
  ],
  "model": "mistral-ocr-latest",
  "usage_info": {"pages_processed": 1, "doc_size_bytes": 12345}
}

---

ワークフロー

ユーザーが画像または PDF の OCR を依頼した場合

1. API キーを取得する - 環境変数にない場合はユーザーに尋ねます
2. 入力の種類（URL またはローカルファイル）を判定します
3. ローカルファイルの場合は、必ず一時ファイルを使う方法を使用してください（「Argument list too long」エラーを回避します）：

# Cross-platform temp directory
TMPDIR="${TMPDIR:-${TEMP:-/tmp}}"

# Step 1: Encode file to base64
base64 -w0 "document.pdf" > "$TMPDIR/b64.txt"

# Step 2: Create JSON request file
echo '{"model":"mistral-ocr-latest","document":{"type":"document_url","document_url":"data:application/pdf;base64,'$(cat "$TMPDIR/b64.txt")'"}}' > "$TMPDIR/request.json"

# Step 3: Call API with -d @file (use actual key, not variable)
curl -s "https://api.mistral.ai/v1/ocr" \
  -H "Authorization: Bearer YOUR_API_KEY_HERE" \
  -H "Content-Type: application/json" \
  -d @"$TMPDIR/request.json" > "$TMPDIR/response.json"

# Step 4: Extract markdown with node (NOT jq - not available on all systems)
node -e "const fs=require('fs'); const r=JSON.parse(fs.readFileSync('$TMPDIR/response.json')); console.log(r.pages.map(p=>p.markdown).join('\n\n---\n\n'))"

4. Write ツールを使用して .md ファイルに保存します
5. ファイルの場所をユーザーに伝えます

重要：クロスプラットフォーム互換性

• 必ず curl を使用してください（Git Bash 経由で Windows でも動作します）
• リクエスト本文には必ず -d @file を使用してください（大きなファイルにも対応します）
• jq は使用しないでください - 代わりに node を使って JSON を解析します
• 一時ファイルには ${TMPDIR:-${TEMP:-/tmp}} を使用してください（すべてのシステムで動作します）
• Windows で node を使って解析する前に、response.json をユーザーディレクトリにコピーしてください

---

使用例

ユーザーが次のように依頼した場合：

ユーザーの依頼	操作
「この PDF を Markdown に変換して」	PDF の OCR を実行し、.md ファイルとして保存します
「この画像からテキストを抽出して」	画像の OCR を実行し、テキストを返します
「このドキュメントを .md にして」	OCR を実行し、.md ファイルとして保存します
「この PDF には何と書いてある？」	OCR を実行し、内容を要約します
「このレシートを OCR して」	テキストを抽出し、必要に応じて JSON として構造化します

---

エラー処理

エラー	原因	解決策
401 Unauthorized	API キーが無効	キーを確認し、getting-started.md の取得方法を案内します
400 Bad Request	ドキュメントが無効	形式と URL へのアクセス可否を確認します
3310 File fetch error	URL にアクセスできない	ローカルファイルには Base64 を使用します
Rate limit	リクエストが多すぎる	待ってから再試行します

---

対応形式

形式	対応状況
PDF	✅ 直接対応（変換不要）
PNG	✅ 直接対応
JPG/JPEG	✅ 直接対応
WEBP	✅ 直接対応
GIF	✅ 直接対応

外部依存関係は不要です！ 他の OCR ソリューションとは異なり、Mistral OCR は pdftoppm、ImageMagick、その他のツールを必要とせず、PDF を直接処理します。

---

料金

2025 年時点の Mistral OCR の料金：

• 1,000 ページあたり $2
• Batch API では 50% 割引

最新の料金は mistral.ai/pricing で確認してください。

---

参考資料

• はじめに - API キーの取得方法
• PDF から Markdown への変換 - PDF 変換の例
• 出力形式 - JSON、Markdown、プレーンテキスト
• ステップごとのガイド - 例を含む完全なチュートリアル

---

Parlamento AI によるスキル