免费离线OCR软件 Umi-OCR 使用全攻略从截图识别到批量转写与自动化【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片PDF文档识别排除水印/页眉页脚扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR你是否有过这样的时刻网页里一段文字死活复制不了收到的 PDF 是扫描件没法搜索屏幕上一条报错信息只能对着键盘一个字一个字敲。Umi-OCR就是为这些场景而生的免费离线 OCR 软件——开源、免安装、断网可用内置多国语言识别库既能截图识别也能批量处理图片与 PDF附带二维码解析还开放命令行和 HTTP 接口供二次开发。接下来我们从一次真实困扰出发一步步走完从下载到自动化调用的完整流程。 第一章 图片里的文字带不走先弄明白痛点在哪网页、截图、PDF 里的文字为何复制不了很多内容的不可复制并非故意而是形式决定的图片里的字没有文本层扫描件 PDF 本质是一张张照片视频里的字幕更是转瞬即逝。传统做法是手动打字既慢又容易出错——这正是 OCR光学字符识别要解决的问题把图像中的文字翻译成可编辑、可搜索的文本。Umi-OCR 是什么开源免费、完全离线Umi-OCR 是一款运行在 Windows7 x64 及以上和 Linux x64 上的开源 OCR 工具。它自带高效的离线识别引擎和简体中文、英文、繁体中文、日文、韩文、俄文等多语言识别库所有识别都在本机完成不依赖任何云服务。这意味着两件事隐私数据不出电脑没有网络也能照常工作。离线与在线 OCR 的关键区别在线 OCR 通常要注册账号、按次计费敏感文档还得担心上传风险离线方案则一次安装、永久免费、批量不限量。Umi-OCR 把识别引擎打包在本地速度和稳定性反而更可控。如果你是处理扫描合同、考试资料、电子书等内容的用户这个区别会非常实际。聊完为什么下面进入动手环节——安装它只需要几分钟。 第二章 解压即用获取安装与首次启动步骤下载发行版压缩包与自解压包怎么选从项目仓库的发行版页面下载即可。发布包有两种普通.7z压缩包以及.7z.exe自解压包。后者适合电脑上没有安装压缩软件的机器双击即可自行解压。软件无需安装解压后进入目录、双击Umi-OCR.exe就完成启动了。首次启动语言自动匹配切换两秒完成第一次打开时软件会读取你的系统设置自动切换为对应的界面语言想手动改也不难进入全局设置 → 语言即可。除中文外还支持英文、日文等多种界面并内置多套亮色/暗色主题与字体大小调节。在全局设置里可以随时更换语言、主题与字体并管理开机自启等快捷方式。认识标签页自由组合你的工作区Umi-OCR 由一系列标签页组成截图OCR、批量OCR、文档识别、二维码、全局设置。标签栏左上角可切换窗口置顶右上角能锁定标签页防止日常使用中误触关闭。你完全可以根据习惯只保留常用的几个页面。窗口跑起来之后先从最高频的截图识别开始体验。️ 第三章 截图识别最快把屏幕文字变成可编辑文本的方法快捷键唤起截图框选即识别在截图OCR标签页下按下截图快捷键可在设置中自定义用鼠标框选屏幕上的文字区域识别结果会立刻出现在右侧记录栏。它还支持两种偷懒用法在其他地方复制一张图片直接粘贴进来识别或者把本地图片拖进窗口。左侧图片预览区可以划选复制右侧记录区允许同时选中多条结果一并复制。截图后左侧显示原图与识别区域右侧结果可直接编辑、复制。排版解析多栏、竖排与阅读顺序还原截图里的文字不总是一行行排好的报纸多栏、竖排从右到左的书页都很常见。软件内置排版解析方案选择多栏-按自然段换行可自动识别分栏并按段落排版需要每句换行就选总是换行想合并成整段就选无换行。单栏场景同样有对应选项横排竖排都能处理。代码截图识别缩进与空格原样保留程序员最头疼的莫过于截图里的代码没法直接粘贴运行。针对这种情况请选择单栏-保留缩进方案它会把行首缩进和行中空格一并还原注释和特殊符号也能较好保留。识别后的代码复制进编辑器即可使用几乎无需手工修整。代码场景下选择保留缩进解析方案格式细节不丢失。单张截图只是开胃菜遇到成百上千张图片时就该轮到批量能力登场了。️ 第四章 批量与文档一次喂给软件几百张图片批量导入图片输入输出格式一览批量OCR标签页支持导入jpg、jpeg、png、webp、bmp、tif、tiff等常见格式没有数量上限一次性添加几百张也能排队处理。识别结果可以保存为txt、jsonl、md、csv(Excel)四种格式方便后续归档或二次加工。任务跑完后还支持自动关机或待机适合睡前挂机处理大任务。忽略区域水印、页眉页脚自动排除批量图片上常常带着水印、LOGO 或页眉页脚这些文字混进结果里很碍事。软件提供一个忽略区域编辑器按住右键把不想要的区域框起来任务执行时这些区域内的文字块会被自动跳过。对于扫描件整理、照片翻拍这类场景这个小功能能省下大量清洗工作。批量识别逐张显示耗时与状态右侧结果可整体导出为多种格式。PDF 扫描件识别与双层可搜索 PDF文档识别标签页支持pdf、xps、epub、mobi、fb2、cbz等电子书格式。对扫描版 PDF它可以逐页 OCR 提取文字更实用的是输出双层可搜索 PDF——外观保持原样内层却带有文本层复制、搜索都能用。配合忽略区域设定页眉页脚也能一并排除。文字之外Umi-OCR 还有一项常被低估的能力二维码。 第五章 二维码识别与生成不止是扫码一图多码覆盖 19 种码制二维码标签页同样支持截图、粘贴、拖入三种取图方式读取图片中的二维码和条形码。它的识别协议覆盖很广包括QRCode、Aztec、DataMatrix、PDF417、Code128、EAN13等 19 种码制并且支持一图多码——一张图里同时出现多个码也能全部读出。从文本直接生成二维码图片除了识别它还能反向生成输入一段文本指定输出路径即可得到二维码图片并可调整图片尺寸与纠错等级等参数。用于快速分享链接、给资料打标记都很方便。到这里图形界面的功能基本讲完了。如果你想让 OCR 融入自己的工作流接下来这部分才是真正的进阶开关。⚙️ 第六章 进阶自动化命令行与 HTTP 接口实操一条命令识别整个文件夹Umi-OCR 的命令行入口就是主程序Umi-OCR.exe也可简写为umi-ocr。比如你想把某个目录下所有扫描件一次性转成文字umi-ocr --path D:/扫描件 --output result.txt--path会递归搜索文件夹内所有图片包括嵌套子目录也支持一次传入多个路径--output把结果写入文件--clip则复制到剪贴板。此外还有--screenshot触发截屏、--clipboard识别剪贴板图片、--qrcode_read与--qrcode_create等指令全部支持前缀简写输入umi-ocr --help可查看完整说明。命令行依赖内置的 HTTP 服务做进程间通信该服务默认开启且仅监听本地回环地址不会暴露到外部网络。借助 HTTP 接口把 OCR 接入自己的程序如果你会写代码可以在全局设置中查看 HTTP 服务端口默认1224然后调用/api/ocr/get_options查询引擎支持的全部参数——包括识别语言、方向纠正、限制边长、排版解析方案等向/api/ocr提交图片的 Base64 编码即可获得识别文本。二维码、文档识别也都有对应的/api/qrcode、/api/doc接口。这意味着你可以把 OCR 能力嵌入自己的脚本、插件或 Web 工具实现真正意义上的流水线作业。与快捷键工具联动打造个人工作流借助命令行你还能用第三方快捷键工具绑定指令例如按下某个组合键就自动截取屏幕固定区域并识别。把常用操作固化成快捷键后整个截图→识别→取结果的链路就能压缩到一秒内对高频使用者来说体验提升非常明显。功能讲得差不多了最后聊聊遇到问题时该怎么办以及如何参与到项目中来。️ 第七章 故障排查与参与开源社区启动闪退、界面错位的处理方法如果软件启动异常或截图时画面闪烁、UI 错位优先检查全局设置 → 界面和外观 → 渲染器尝试切换到不同渲染方案或直接关闭硬件加速多数显示类问题都能借此解决。遇到识别超长图速度慢的情况可以在设置 → 文字识别 → 限制图像边长中调高数值。若问题依旧请前往项目仓库提交 Issue附上系统版本与复现步骤作者会尽力协助。让识别更精准的实用技巧图片质量优先保证光线均匀、对比度足够模糊或反光会直接拉低准确率按场景选解析方案代码截图用保留缩进多栏报纸用多栏-按自然段换行不要一套方案走天下善用忽略区域批量处理前先框掉水印避免干扰文本块模型匹配语言识别前确认所选语言库与文档内容一致中英混排时可优先测试默认方案。参与方式提 Issue、翻译与插件生态Umi-OCR 的翻译工作通过 Weblate 平台协作界面多语言是社区共同维护的结果官方还提供插件体系可随时切换不同 OCR 引擎也欢迎开发者贡献新插件。无论你是普通用户还是开发者都可以通过提交 Bug、改进翻译、补充文档或提出建议的方式参与让这款免费工具变得更好。如果你还在为图片里的文字复制不出来而抓狂不妨现在就从项目仓库下载一份 Umi-OCR 的发行版先拿一张截图试试识别速度再把那些积压的扫描件批量处理掉——你会发现文档数字化的门槛比想象中低得多。【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片PDF文档识别排除水印/页眉页脚扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考