如何用Umi-OCR免费离线OCR快速提取文字从截图识别到批量文档处理的完整指南【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你有没有遇到过这样的时刻网课PPT上的重点、扫描版合同里的条款、PDF里复制不出来的报错代码——屏幕上明明有字却怎么都拿不到手。手动敲一遍费时费力还容易出错。改用在线OCR要么收费限次要么上传后等半天更关键的是你的文件被送去了别人的服务器隐私毫无保障。Umi-OCR就是为这个场景而生的。它是一款完全免费、开源的离线OCR软件支持截图识别、批量图片识别、PDF文档识别、二维码扫描与生成解压即用、全程断网运行识别引擎和语言模型全部内置在本地。下面这份完整指南会带你从零上手把它的每一个实用功能都变成你日常工作的趁手工具。三步完成Umi-OCR安装与首次截图识别很多人以为这种本地OCR引擎的软件安装起来会很折腾其实恰恰相反。Umi-OCR贯彻了解压即用的原则从下载到第一次识别你只需要三步。第一步下载并解压。从项目发布页拿到.7z或.7z.exe自解压包比如仓库根目录的Umi-OCR_Rapid_v2.1.5.7z。自解压包的好处是哪怕电脑上没装任何压缩软件双击也能解压。Windows用户也可以用 Scoop 一行命令装好scoop install extras/umi-ocr。第二步启动程序。解压后进入文件夹双击Umi-OCR.exe软件即启动。不需要安装向导不需要配置环境变量更不需要注册账号。第三步按下快捷键框选屏幕。软件默认自带全局截图快捷键你也可以在全局设置里改成顺手的组合键。按下快捷键后屏幕上会出现一个选框拖拽框住你想识别的区域松手识别结果就出现在界面里了文本已经自动复制到剪贴板直接CtrlV粘贴即可。图为Umi-OCR截图识别界面左侧保留原始截图右侧实时给出识别文本全程离线完成。这里有个小细节如果你正在看一篇网页文章或聊天记录也可以直接选中内容截图复制到剪贴板然后在Umi-OCR界面里按CtrlV粘贴图片同样能触发识别。软件不限制文字必须来自截图任何能进剪贴板的图片都行。离线OCR原理拆解不联网也能读字的秘密你可能会好奇不联网它凭什么认字这里要先解释一个概念。OCR全称光学字符识别Optical Character Recognition说白了就是教电脑看图片里的字形再念成可编辑的文本。在线OCR的思路是把图片传到云端服务器去念结果再传回来而Umi-OCR反其道而行——它把念字的模型直接装在你自己的电脑里所有计算都在本地完成。所以它不依赖网络、不产生流量、更不会把你的文件泄露出去。为了保证不同电脑上都能跑得顺Umi-OCR内置了两套可以自由切换的离线OCR引擎你可以把它们理解成两个风格不同的阅读员引擎特点适合场景PaddleOCR-json识别速度较快追求效率、硬件性能较好的电脑RapidOCR-json兼容性好、更省资源低配置电脑、老旧系统切换方式很简单在全局设置的插件区域选择引擎即可无需重启。两个引擎都支持简体中文、繁体中文、英文、日文等多语言识别库识别时还能混合识别中英文混排内容。除了引擎另一个容易被忽视但极其重要的组件是排版解析。OCR引擎识别出的其实是一个个带坐标的文字块如果直接按识别顺序输出多栏报纸、杂志、代码截图这类排版就会乱成一团。Umi-OCR内置了一套文本块后处理模块会根据文字块的位置关系智能判断阅读顺序就像人工排版一样把段落理顺。截图OCR实战把屏幕文字变成可复制的文本截图识别是Umi-OCR使用频率最高的功能也是它最拿手的场景。完成首次识别后你会发现右侧记录面板里不仅能看到文本还能对历史记录做各种操作。鼠标划选任意识别结果直接拖出即复制在结果上右键可以复制单条、复制全部、清空记录预览区可以一键隐藏文本方便对照原图检查识别质量。更关键的是设置面板里的排版解析方案它决定了识别结果以什么形式输出。针对不同内容选择也不同方案适用场景多栏-按自然段换行报纸、论文、杂志等多栏排版最常用单栏-保留缩进代码截图保留行首缩进和空格单栏-总是换行普通单栏文章、聊天记录不做处理需要引擎原始输出时举个例子你截了一张Python代码图如果默认方案把缩进全丢了代码就没法直接用了切换到单栏-保留缩进识别结果就能基本还原代码结构。切换后无需重新截图软件会立即用新方案重新整理已有结果方便你对比效果。批量OCR实战几百张图片一次识别水印干扰这样排除截图识别适合零星作战但当你手头有几百张图片需要处理时就该批量OCR登场了。这个页面支持把整个文件夹拖进来甚至能递归扫描子文件夹任务数量没有上限一次导入上千张也没问题。导入后点开始任务右侧会实时显示每张图片的处理状态和识别置信度。全部完成后你可以一键把结果保存为txt、jsonl、md或csvExcel可直接打开格式还能设置任务完成后自动关机或休眠——晚上挂机批量处理第二天早上直接收结果。图为Umi-OCR批量OCR界面左侧任务列表实时显示进度与置信度右侧汇总识别结果。批量识别最头疼的问题是什么水印和页眉页脚。比如你要识别一批带网站水印的截图水印文字会被当成正文识别出来污染结果。Umi-OCR为此提供了忽略区域功能在编辑器里用鼠标右键拖出矩形框框住水印可能出现的位置这些区域内的文字块就会在识别时被跳过。注意框要画得比水印大一些因为只有完全位于框内的整个文字块才会被忽略框小了反而放跑了水印。PDF文档识别进阶扫描件秒变可搜索的双层PDF如果说前两个功能是常规操作那么PDF文档识别就是Umi-OCR的进阶大招。它支持pdf、xps、epub、mobi、fb2、cbz等多种文档格式能对付两种截然不同的场景场景一提取电子书原有文本。某些PDF虽然自带文字层但出于加密或格式原因无法复制Umi-OCR可以直接把内嵌文本提取出来速度飞快。场景二OCR扫描件输出双层PDF。这才是重头戏。扫描版PDF本质上就是一张张图片普通工具只能识别成纯文本排版信息全丢了。Umi-OCR会生成一种双层可搜索PDF底层保留原始扫描图像保证观感和版面不变顶层叠放一层透明不可见的文本让你能搜索、复制、选中。你可以把它想象成一块三明治——图像是面包透明文本是夹心两个图层按像素坐标精确对齐。转换时同样支持忽略区域你可以框选掉每一页的页眉页脚让生成的文本层干净整洁。相关细节在官方更新日志 CHANGE_LOG.md 中有完整记录从v2.1.0引入文档识别到后续的坐标旋转修复、单层PDF支持功能一直在持续打磨。Umi-OCR命令行与HTTP接口把离线OCR嵌入工作流如果你以为Umi-OCR只是个人工操作的工具那就低估它了。它还开放了命令行和HTTP接口这意味着你可以把它接进自己的脚本和工作流实现真正的自动化。命令行调用入口就是主程序本身所有指令都支持缩写# 鼠标框选截图并识别 umi-ocr --screenshot # 识别指定图片或文件夹结果输出到文件 umi-ocr --path D:/扫描件 --output 结果.txt # 识别剪贴板里的二维码 umi-ocr --qrcode_read # 生成一个二维码图片 umi-ocr --qrcode_create https://example.com D:/码.png底层机制很有意思命令行指令其实是借助HTTP接口在系统内部的本地环回地址不经过物理网卡把请求传给后台的Umi-OCR进程所以通信不会泄露到外部可以放心使用。HTTP接口的完整参数说明见 docs/http/api_doc.md支持OCR、二维码识别/生成、文档识别等能力用Python或Node写个几十行的脚本就能把它变成你自己的离线OCR服务。另外二维码页还支持一图多码识别兼容Code128、DataMatrix、PDF417等19种协议配合生成功能可以做很多有意思的小工具。Umi-OCR使用避坑指南识别不准、闪屏的解决办法用了一段时间你可能会遇到下面这些问题。别慌大多数都有标准解法问题最快解决办法超大长图识别失败或报错在页面设置→文字识别→限制图像边长里调高数值识别准确率不理想切换另一套OCR引擎检查识别语言是否包含目标语种换用更合适的排版解析方案截屏时画面闪烁、UI错位全局设置→界面和外观→渲染器切换渲染方案或关闭硬件加速批量任务处理到一半被中断v2.1.2起支持暂停任务不退出软件休眠后也能恢复想排查某个Bug用命令行启动可看实时日志ERROR级别日志保存在UmiOCR-data/logs目录图为Umi-OCR全局设置界面语言、主题、字体、渲染器等基础参数都可以在这里一次性配好。软件启动时会根据系统语言自动切换界面语言也支持手动在全局设置里改为简体中文、繁体中文、英语、日语、俄语等。如果你用的是Linux系统从v2.1.3开始Umi-OCR也已官方支持还提供了Docker部署方案。总结免费离线OCR从今天开始解放双手回顾一下我们完成了从三步上手到原理拆解再到截图、批量、PDF三大实战最后打通命令行与HTTP自动化的完整闭环。Umi-OCR的价值其实就一句话把文字识别这件事彻底变成你本地电脑上随叫随到的免费服务——不花钱、不上传、不联网还保留了从截图到批量文档处理的完整能力。下一步你可以这样做下载Umi-OCR解压运行先用截图识别处理一份真实资料感受一下速度阅读 docs/README_CLI.md 和 docs/http/api_doc.md尝试把接口接进自己的脚本翻翻 CHANGE_LOG.md了解每个版本的演进脉络如果遇到问题带上日志去项目仓库提Issue或者参与界面翻译给开源社区添一把火。扫描件、截图、论文、合同——从今天起它们都会变成你随时可以搜索和复制的文字。【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