Umi-OCR完整上手指南：离线OCR截图与批量识别安装教程
【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是什么：免费离线文字识别软件
Umi-OCR 是一款免费、开源的离线 OCR（Optical Character Recognition，光学字符识别）软件，能把图片、截图、PDF 里的文字转成可编辑文本，还支持二维码的读取与生成。它适合需要经常做文字识别、又不想把图片上传到网络的办公和学习场景，解决在线 OCR 服务依赖联网、按量计费、隐私不可控的问题。读完这篇指南，你能在 Windows 或 Linux 上三分钟装好 Umi-OCR，完成第一次截图识别，并掌握批量图片、PDF 文档识别等高频操作。
值不值得用：这套离线 OCR 方案适合你吗
Umi-OCR 的四个核心卖点：完全免费开源；绿色便携，解压即用，不写注册表、不装运行时；全程离线运行，图片不出本机；自带 Rapid-OCR、Paddle-OCR 等离线识别引擎插件，内置多语言识别库。相比在线 OCR 服务，它不需要注册、不上传图片，也没有调用次数限制，是免费离线识别的直接替代方案。
| 你的情况 | 是否适合 |
|---|---|
| 在无网络或内网环境做文字识别 | 适合，离线识别，不依赖网络 |
| 一次要处理几十上百张图片、PDF | 适合，批量识别无数量上限 |
| 不想用带广告、按次计费的在线 OCR | 适合，免费开源，功能完整 |
| 只是偶尔用手机拍一张字 | 可以暂缓，移动端不是它的目标平台 |
三分钟跑起来：Umi-OCR 安装教程
Windows 7/10/11 启动
环境要求：Windows 7 x64 及以上版本，无需任何安装步骤。下载发行版压缩包（.7z格式，或.7z.exe自解压包，后者在没有压缩软件的电脑上也能直接双击解压），解压到一个不含中文的路径，然后运行主程序：
双击运行 Umi-OCR.exe如果你习惯用 Scoop 包管理器，也可以在 PowerShell 中执行：
scoop install extras/umi-ocrLinux 启动（macOS 暂不支持）
环境要求：Linux x64 系统，Ubuntu 20.04+、Debian 11+ 等主流发行版开箱可用。解压后进入目录，给启动脚本加执行权限并运行：
chmod +x umi-ocr.sh ./umi-ocr.shmacOS 目前还在开发计划中，暂不可用。两个平台启动后，看到带「截图OCR」「批量OCR」「全局设置」标签页的主界面，就说明成功了。
完成一次截图 OCR 识别
这是使用率最高的功能：框选屏幕任意区域，秒级转成文字。以「把屏幕上一段代码识别出来」为目标，跟着做四步：
- 打开「截图OCR」标签页，点击工具栏左侧的截图按钮（也可在页面设置里绑定快捷键）。
- 按住鼠标拖出一个矩形框，圈住要识别的内容。
- 松开鼠标后自动开始识别，左侧图片预览区会用方框标出识别到的文本块。
- 在右侧「记录」标签页查看结果，右键点击某条记录，选择「复制」即可粘贴到任意文档。
预期结果：右侧记录区显示可编辑的文本，并带有置信度与耗时信息；记录支持划选多条一起复制、按记录编辑后保存。除了框选，把别处复制的图片直接粘贴进页面也能识别。
三个高频场景：批量图片、PDF 取文、二维码
批量图片识别：一次处理上百张图
手头有一批截图或扫描件要提取文字时，用「批量OCR」标签页。操作如下：
- 打开「批量OCR」标签页，点击「选择图片」添加文件，或直接拖入。
- 在右侧「设置」中选择结果保存格式（txt、csv、md 等），也可设置任务完成后自动关机。
- 点击「开始任务」，进度条实时显示，完成后在「记录」区查看每张图的结果。
💡 坑：像素超大的长图或大图识别不全时，先进入页面的「设置→文字识别→限制图像边长」，把数值调高再跑任务。
| 类型 | 支持的格式 |
|---|---|
| 图片输入 | jpg、jpe、jpeg、jfif、png、webp、bmp、tif、tiff |
| 文档输入 | pdf、xps、epub、mobi、fb2、cbz |
| 结果输出 | txt、jsonl、md、csv（可用 Excel 打开） |
PDF 文档识别：扫描件提取文字
需要检索或复制扫描版 PDF 里的文字时用「文档识别」标签页：
- 通过标签栏「+」打开「文档识别」页面，添加 pdf、epub、mobi 等文档。
- 支持设定忽略区域，可提前排除页眉、页脚的文字干扰。
- 启动任务，对扫描件执行 OCR，或直接提取文档原有文本。
- 输出为双层可搜索 PDF：原扫描图不变，上面盖一层可搜索、可复制的隐藏文本。
💡 增效技巧：任务完成后设置「自动关机/休眠」，晚上排队处理一整夜文档。
二维码识别与生成
要读取图片里的二维码、条形码，或反过来生成二维码时用「二维码」标签页：
- 截图、粘贴或拖入含二维码的图片，自动读取，一张图里多个码也能全部识别。
- 识别结果直接显示在记录区，支持复制。
- 切换到生成模式，输入文本即可生成二维码图片。
💡 支持 QRCode、EAN13、PDF417 等 19 种码制，生成时可调整纠错等级和图片尺寸。
个性化设置：全局设置里要动的三组选项
所有全局参数都在「全局设置」标签页，日常最常用的就三组。
快捷方式组：桌面快捷方式、开始菜单快捷方式、开机自启，各有一个开关。想让截图快捷键随时可用，建议打开「开机自启」，配合截图功能常驻后台。
界面和外观组：语言（Language）默认跟随系统，支持简体中文、繁体中文、英语、日语等，中文用户无需改动；主题（Theme）提供多个亮/暗色方案；字体和界面大小比例可按屏幕调整。
OCR 插件与高级组：OCR 插件下拉框用于切换识别引擎（Rapid-OCR 兼容性好，Paddle-OCR 速度稍快）；「高级」里默认开启 HTTP 服务，这是命令行调用和网络接口的依赖，保持「仅本地」即可。若遇到截屏闪烁、界面错位，把「渲染器」切换成其他方案或关闭硬件加速。
进阶与扩展：命令行、HTTP 接口与插件系统
命令行调用：把识别写进脚本
命令行入口就是主程序Umi-OCR.exe，适合把截图识别嵌进自动化脚本，例如框选后立即把结果复制到剪贴板：
umi-ocr --screenshot --clip指令也支持--path指定图片文件、--output写文件、--qrcode_read读二维码等，完整参数说明见 docs/README_CLI.md。注意：前提是全局设置里允许了 HTTP 服务（默认开启），指令通过本地回环通信，不经过外网。
HTTP 接口与插件系统
docs/http/ 提供了图片识别、文档识别、二维码读写、命令行转发的 HTTP 接口手册，供程序化调用。插件则存放在UmiOCR-data/plugins目录：发行版已内置 Rapid-OCR 引擎，从插件库下载 Paddle-OCR 等其他引擎插件放入该目录，重启后在「全局设置→OCR 插件」里切换即可，无需改任何代码。
常见问题快答
识别结果换行混乱、读不通顺？
现象：多栏排版被识别成一整行，或一段话被切碎。方案：在截图或批量页的「文本后处理→排版解析方案」中切换预设，多数情况选「多栏-按自然段换行」即可，代码截图则选「单栏-保留缩进」。
结果里混进了水印、页眉页脚？
现象：批量图片角落的水印文字反复出现在结果里。方案：进入批量识别页右栏的「忽略区域」编辑器，按住右键绘制矩形框包住水印位置，框内整块文本会被跳过。
命令行或 HTTP 接口不生效？
现象：执行umi-ocr指令无反应。方案：检查「全局设置→高级」中 HTTP 服务是否勾选（默认开启），主机保持「仅本地」。
界面闪烁、截图错位？
现象：截图时画面闪动或 UI 元素错位。方案：在「全局设置→界面和外观→渲染器」切换到其他渲染方案，或关闭硬件加速后重启软件。
收尾与下一步
- 核心能力回顾：截图 OCR、批量图片、PDF 双层文档、二维码读写，全部离线完成。
- 自动化扩展：命令行手册见 docs/README_CLI.md，HTTP 接口手册见 docs/http/。
- 版本变动与开发计划：查 CHANGE_LOG.md。
- 界面翻译文件位于 dev-tools/i18n/，欢迎参与补充语言；遇到问题时优先翻一遍上面的「常见问题快答」。
【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
