500页扫描PDF一夜跑完：Umi-OCR离线OCR跑完实录

500页扫描PDF一夜跑完：Umi-OCR离线OCR跑完实录

【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

先说结论：如果你要处理的是电脑里的截图、成堆的照片和扫描版PDF，又不想把文件发到任何服务器上，Umi-OCR值得花十分钟试一次。它是一款开源、免费、完全离线的OCR软件，识别引擎和多种语言模型库都内置在发布包里，拔网线照样识别。

免费OCR真能完全离线吗？三条可自证的理由

用免费工具做文字识别，最怕两件事：偷偷上传数据、后期收钱。我用了两周，靠三点给自己交了底。

第一，代码全部开源，不放心可以直接拉下来翻：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。第二，我专门断过一次网：关闭网卡后截图识别、批量任务全部正常跑完，识别结果和联网时没有任何差别。第三，中文、英文、日文、繁体的识别库都随包内置，切换语言不需要联网下模型。

缺点当然也有。离线引擎对手写体和低清老照片的识别率，确实比不了云端服务。但对我这种"资料见不得光"的用户来说，离线是刚需，牺牲一点极限准确率完全可以接受。

既然离线立住了，那它怎么装起来、第一下截图识别要几秒？

从解压到第一次截图识别文字，实测要多久

发布包提供.7z压缩包和.7z.exe自解压包两种，后者没装压缩软件也能直接双击。解压完进入文件夹，双击Umi-OCR.exe即启动，没有安装向导。首次打开界面会跟随系统语言自动显示。

截图OCR的完整流程，我按这个顺序走：

1. 点开"截图OCR"标签页，按默认快捷键在屏幕上拉出取景框（快捷键可在设置里改）；
2. 框住目标文字松手，约1秒后右侧记录栏出结果，单页300字左右的教程页，每段置信度基本在0.90以上；
3. 在"OCR文本后处理"里把"排版解析方案"改成单栏-保留缩进——识别代码截图时首行缩进和行内空格原样保留，粘进编辑器不用重排；读多栏论文则换多栏-按自然段换行，左右栏不会交叉错乱；
4. 识别结果不满意不用重截，左侧预览栏可以鼠标划选某块文字直接复制，右侧记录栏还支持划选多条记录一次性复制。

我的习惯是先把右上角的锁点上，锁定标签页，日常操作就不会手滑关掉工作页。截图这条路跑通了，可文件夹里几百张照片一张张截不现实。

批量图片文字识别怎么一次跑完？

场景很典型：相册里300多张书页照片，要变成可检索的文字。批量OCR页的操作链路是：

1. 点开"批量OCR"标签页，把文件夹里的图片全选拖进任务列表，jpg、png、webp、bmp、tif都认，数量没有上限；
2. 在右栏设置里进"忽略区域"编辑器，按住右键把水印可能出现的位置框起来——我的照片右上角总有拍摄时间水印，不画框的话结果里会混进一堆"2024-05-12"；
3. 点"开始任务"，进度条走完；
4. 选择导出格式，txt、jsonl、md、csv（Excel）四种，我给同事整理资料时导过一次Excel，省掉一步人工录入。

实测一次13张测试图的任务，进度条1.4秒跑到3/13，按这个速度300多张照片就是几分钟的量，比我预想的快。

图片批量搞定了，最硬的还是那种没有文字层的扫描版PDF。

扫描版PDF文字提取：双层PDF怎么输出

我手上有一本500多页的扫描书，翻页等于看照片。做法不复杂：

1. 点开"文档识别"标签页，选择文件——支持pdf、xps、epub、mobi、fb2、cbz；
2. 同样先在忽略区域里把每页的页眉页脚框掉，不然正文会被书名和页码大量污染；
3. 输出方式选"双层可搜索PDF"，原图在底、透明文字浮在上面，点开始；
4. 几个大文件可以排队处理，配合"任务完成后自动关机"，睡前挂上，早上起来就完事了。

成品比原书强在两点：像原书一样翻页看，又能全文搜索。我把一个生僻术语丢进搜索框，几秒内相关段落全部跳出来，划词也能直接复制，比一页页翻省太多。

踩坑与限制：三个常见问题和对应设置

两周里反复遇到的坑，集中放这里，都是"现象→原因→改哪里"的结构。

**坑一：超长截图或大图的后半段文字丢失。**原因是识别前图片会按"限制图像边长"缩放。解决办法：页面设置→文字识别→限制图像边长→调高数值，再重新识别。

**坑二：忽略区域画了框却没生效。**这个功能只忽略"整个落在框内的文本块"，不是按单个字符忽略，框太小时水印旁边的正文会被一并留下来。把矩形画大一些，完全包裹水印可能出现的位置即可。

**坑三：命令行/HTTP接口不响应。**Umi-OCR依赖本地HTTP服务跨进程通信，需要在全局设置里确认HTTP服务已允许（默认开启），主机选"仅本地"就行——通信只走本机环回，不经过物理网卡。

另外，个别机器截图时出现闪烁、界面错位，去全局设置→界面和外观→渲染器，换一个渲染方案或关闭硬件加速就好了。

彩蛋：命令行接口和多语言界面🎁

想把它嵌进自己的自动化流程，主程序本身就是CLI入口，三条最小命令直接复制：

umi-ocr --screenshot umi-ocr --path "D:/你的文件夹" umi-ocr --qrcode_create "文本内容" "D:/输出.png"

第一行截屏识别，第二行把整个文件夹里的图片批量跑完，第三行生成二维码。更细的参数和HTTP接口用法，命令行手册与HTTP接口手册里都有。

界面本地化也挺省心：简体中文、繁体中文、英文、日文随系统自动切换，不顺手就在全局设置→语言里手动改，常看英文资料的人一键切过去。

写在最后：适合谁，十分钟怎么上手✍️

三句总结：

• 完全离线，资料不出本机
• 解压即用，无安装步骤
• 图片、PDF批量都扎实

适合谁：有隐私顾虑、需要断网环境干活、手头压着批量截图/照片/扫描件PDF的人。不适合谁：追求手写体、低清老照片极限识别率的——那种场景还是云端的天花板更高，Umi-OCR的离线引擎换准确率保离线。

上手路径，10分钟内：下载发布包→双击自解压→运行Umi-OCR.exe→打开截图OCR标签页按快捷键框一块屏幕。当右侧面板跳出第一段文字时，你就已经跑通了。

【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