Umi-OCR：免费离线 OCR 软件，截图识别与批量处理完整指南-平芜编程栈

Umi-OCR：免费离线 OCR 软件，截图识别与批量处理完整指南

【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

Umi-OCR 是一款开源、免费、完全离线运行的文字识别（OCR）软件，面向需要从截图、扫描文档和 PDF 中提取文字的普通用户。所有识别过程在本地机器上完成，图片不会离开你的电脑，断网状态下也能使用。支持 Windows 7 x64 与 Linux x64，解压后即可运行。

📥 第一次识别：从解压到出文字的 4 步

获取项目：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR，或从仓库发布页下载最新.7z包并解压。
启动：Windows 双击Umi-OCR.exe；Linux 运行umi-ocr.sh，没有安装环节。
检查设置：首次启动界面语言跟随系统，可在“全局设置”标签页的语言下拉框中切换。
试一次：打开“截图OCR”标签页，按截图快捷键（可在“设置”面板里自定义）框选屏幕区域，右侧记录栏即出现识别文字。

系统要求：

系统：Windows 7 x64 及以上，或 Linux x64
无需联网，离线引擎与多国语言识别库已打包在发布包内

全局设置标签页：可切换界面语言与主题，设置快捷键、开机启动与开机自启

🧩 四个主要标签页：截图、批量、文档、二维码

截图 OCR：框选区域，得到有顺序的文字

对屏幕框选区域识别，也可以把别处复制的图片直接粘贴进窗口。右侧记录栏支持编辑文字、划选多条记录一起复制。差异来自“OCR文本后处理”的排版解析方案：它会按文档版式重排识别结果，其中“单栏-保留缩进”能保住代码截图的行首缩进。开启方式：在截图OCR标签页顶部的后处理下拉框中选择方案，默认为“多栏-按自然段换行”。

截图OCR标签页：左侧图片预览可直接划选文字，右侧记录栏显示识别结果、置信度与耗时，右键可复制

批量 OCR：一次处理几百张图片

批量导入本地图片，支持 jpg、png、bmp、tif、webp 等格式，数量没有上限，列表里逐张显示耗时与置信度。结果可保存为 txt、jsonl、md、csv 四种格式。“忽略区域”编辑器允许按住右键在水印或页眉页脚位置画矩形框，框内整块文字在任务中被跳过；任务结束还能设置电脑自动关机或休眠。开启方式：在批量OCR标签页点“选择图片”或拖入图片，选好输出格式与保存位置，点“开始任务”。

批量OCR标签页：任务列表显示每张图的耗时与置信度，进度条给出总体进度，右侧逐条输出识别文字

文档识别：把 PDF 变成可搜索的文本

支持 pdf、xps、epub、mobi、fb2、cbz 格式。对扫描件逐页 OCR，对带文本层的文档直接提取原文。可输出“双层可搜索 PDF”——外观排版不变，但文字能选中、能搜索；同样支持设置忽略区域，排除页眉页脚。开启方式：在文档识别标签页选择文件并选定输出方式。

多语言界面与两套 OCR 引擎

界面支持简中、繁中、英、日等语言，首次打开自动跟随系统语言。识别引擎提供 Rapid-OCR 与 Paddle-OCR 两套（Rapid 兼容性更稳，Paddle 速度稍快），设置面板的“语言/模型库”用于选择目标识别语言。开启方式：在全局设置的 OCR 插件部分切换引擎。

同一套软件在繁中、日语、英语界面下的样子，设置面板可见引擎语言选择与保存格式选项

实战场景：三个可以照做的任务

数字化带水印的扫描合同

背景：扫描件上有公司 Logo 水印和页脚页码，直接识别会把水印文字带进结果。

在批量OCR标签页点“选择图片”，加入合同全部页面图。
在右侧设置进入“忽略区域”编辑器，按住右键分别画一个能盖住 Logo 和页码位置的矩形框，框要比水印略大。
保存格式选 txt，选定保存目录，点“开始任务”。

结果：每页文字按顺序存成文件，结果里没有水印与页码文字。

从教程截图里提取代码

背景：教程是代码截图，手敲一遍费时且容易敲错。

打开截图OCR标签页，在“OCR文本后处理”选“单栏-保留缩进”。
按截图快捷键框选代码区域。
在右侧记录栏右键选“复制”，粘贴到编辑器。

结果：行首缩进与行内空格保留，粘贴后代码结构不变。

截图OCR标签页识别 Python 代码截图，右侧识别结果保留了缩进与换行

从扫描论文里提取文本

背景：PDF 是纯扫描件，想引用、检索其中的段落和参考文献。

打开文档识别标签页，选中该 PDF。
输出方式选“双层可搜索 PDF”，开始任务。

结果：得到一份排版不变的 PDF，可以直接在其中搜索和选中文字，无需逐页重新识别。

进阶用法与常见坑

命令行入口就是主程序本身，HTTP 服务默认开启，通信走本地环回，不经过物理网卡：

umi-ocr --path "D:/图片文件夹"

这条命令识别指定文件夹里的所有图片，也可以传单个文件路径；再加--clip把结果复制到剪贴板，或--output "file.txt"写入文件。umi-ocr --screenshot触发截屏识别，--clipboard识别剪贴板里的图片。完整参数见 docs/README_CLI.md，HTTP 接口手册在 docs/http/。

常见坑：

超长图、大图识别不全：页面设置 → 文字识别 → 限制图像边长，把数值调高。
忽略区域是按“文本块”跳过而不是单个字符，框画得太大或太小都可能漏掉水印。
屏幕闪烁、界面错位：在全局设置 → 界面和外观里更换渲染器或关闭硬件加速。
命令行多图任务耗时长，等上一条命令结束再输入下一条。

常见问题：

断网能用吗？能，识别全部在本地完成，引擎与语言库随发布包提供。
兼容 Windows 7 吗？x64 版本支持。
有 macOS 版吗？目前官方只发布 Windows 7 x64 与 Linux x64 版本。
引擎怎么选？发布包默认 Rapid-OCR，兼容性更稳；追求速度可换 Paddle-OCR。
能识别日文等语言吗？在“语言/模型库”选择对应模型库即可，界面语言也支持切换。

谁适合用，谁不适合

频繁处理扫描件、合同，需要从 PDF 提取文字，想用命令行或 HTTP 接口做自动化，或者不想把文档上传到任何服务器的人，都适合用它。需要 macOS 支持、或要做高并发服务端调用（官方说明其并发支持有限）的场景则不合适。与在线 OCR 服务相比，它的图片全程留在本地，代价是识别效果受本地引擎限制；与 PaddleOCR 这类开发者框架相比，它是不写代码的现成图形应用。

Umi-OCR 是一个即解压即用的离线文字识别工具，单次截图、批量图片、PDF 双层输出都能在没有网络的环境下完成。官方文档在 docs/ 目录，更新日志见 CHANGE_LOG.md。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考