Umi-OCR 完整指南：如何在 Linux 上配置离线文字识别-平芜编程栈

Umi-OCR 完整指南：如何在 Linux 上配置离线文字识别

【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

刚截了一张带字的图，想直接把它变成可编辑的文本？或者手头有一整个文件夹的扫描图片，想一次性全部转出文字？Umi-OCR 就是为这类需求准备的开源、免费的 Linux 离线文字识别工具：解压即用、不依赖网络，截图识别、批量 OCR、PDF 文档识别、二维码扫描与生成全部在本地完成。适合对数据隐私有要求，或者单纯不想把图片传到云端的你。

一、完成环境准备：从压缩包到桌面快捷方式

这一节做完，以后点一下图标就能启动，不用再打开终端敲命令。

下载发行版压缩包（.7z格式），解压到一个不含中文路径的目录，建议/opt/Umi-OCR。软件是绿色便携的，解压即完成部署，无需安装。
给启动脚本加执行权限，并在终端首次运行，确认界面正常弹出：

chmod +x /opt/Umi-OCR/umi-ocr.sh /opt/Umi-OCR/umi-ocr.sh

Linux 版要求 glibc 2.31 及以上，Debian 11、Ubuntu 20.04 之后的主流发行版都能直接跑。
首次启动会按系统语言自动选择界面语言；如果界面没弹出来，直接在终端运行脚本就能看到报错，v2.1.5 以上版本还会把日志写到UmiOCR-data/logs目录，方便排查。

软件主界面是标签页布局，截图 OCR、批量 OCR、文档识别、二维码等功能按需开页，互不干扰：

创建桌面快捷方式

新建文件~/.local/share/applications/umi-ocr.desktop，写入以下内容，再执行update-desktop-database ~/.local/share/applications刷新，Umi-OCR 就会出现在应用菜单里：

[Desktop Entry] Type=Application Name=Umi-OCR Comment=开源离线OCR文字识别工具 Exec=/opt/Umi-OCR/umi-ocr.sh Terminal=false Categories=Utility;Office;Graphics;

想固定到桌面的话，把同样的文件存到桌面目录即可。另外全局设置标签页的“快捷方式”区域也能管理桌面、开始菜单、开机自启这几项开关。

二、截图识别实战：一张图快速拿到文字

这是使用频率最高的功能：打开“截图OCR”标签页，用快捷键唤起截图、划选区域，右侧就能得到识别结果。

打开截图OCR标签页，点左侧工具栏的截图按钮开始划选，按Esc可随时取消。
识别完成后，在左侧图片预览区直接鼠标划选文字块复制；右侧“记录”栏保留历史结果，可以编辑、跨记录多选复制。
在浏览器、即时聊天工具里复制的图片，也可以直接粘贴进软件识别，效果等同于命令行的--clipboard指令。

为代码和表格选择排版解析方案

原始 OCR 输出常常语序混乱。“文本后处理”里的排版解析方案就是干这个的，按内容类型选一个即可：

多栏-按自然段换行：适合大多数文章，自动识别多栏布局、按自然段换行。
单栏-保留缩进：适合代码截图，保留行首缩进和行内空格，代码结构原样保留。
不做处理：输出引擎原始结果，留给需要自行微调的场景。

比如一张 Python 代码块的截图，选“单栏-保留缩进”后，识别结果会保持缩进和换行，粘贴进编辑器就能直接用；横排、竖排（从右到左）的排版顺序也都由方案自动整理。

三、批量 OCR：把整批图片导出为 txt 和 Markdown

几十上百张图片要处理时，切到“批量OCR”标签页：

点击“选择图片”或直接拖入文件夹，支持jpg、jpeg、png、webp、bmp、tiff等格式，图片数量没有上限。
在右侧设置里选择保存目录和文件类型，可选txt、jsonl、md（Markdown）、csv（Excel 可直接打开）。
点击“开始任务”，进度条、每张图耗时和置信度都会实时显示，完成后每张图对应一份识别结果文件。

两个实用细节：

识别超大图或长图之前，先到“页面设置 → 文字识别 → 限制图像边长”调高数值，否则大图会被压缩处理，影响识别效果。
图片上有固定水印或页眉页脚时，进入“忽略区域”编辑器，按住右键拖出多个矩形框，完全位于框内的文本块会被跳过，水印就不会污染结果。任务跑完还能设置自动关机/待机，适合挂机批量。

四、个性化与效率增强：语言切换、别名和自动化

切换界面语言

软件内置多国语言库（简中、繁中、英语、日语、俄语、葡萄牙语等）。首次启动跟随系统语言，之后随时在“全局设置 → 语言/Language”里手动切换，重启软件生效：

给终端设置识别别名

经常待在终端的话，往~/.bashrc或~/.zshrc里加两行别名，一行命令就能发起识别：

alias ocr="/opt/Umi-OCR/umi-ocr.sh" alias ocr-clip="/opt/Umi-OCR/umi-ocr.sh --screenshot --clip"

source生效后，ocr-clip就是“截图并直接把结果放进剪贴板”。指令集远不止这些，范围截屏、二维码识别/生成都有对应参数，完整清单见命令行手册；如果想从脚本或本地服务里发起识别，HTTP 接口手册里也给出了 Base64 调用的方式。

一行命令跑完整个文件夹

批量自动化其实不需要自己写循环：--path参数直接传文件夹路径，软件会自动搜索其中所有图片（含子文件夹）并输出识别结果：

/opt/Umi-OCR/umi-ocr.sh --path "/path/to/images" --output "/path/to/result.txt"

如果要求每张图单独存一个文件，用批量OCR标签页勾选 txt/Markdown 格式导出更省事。

五、性能调优与常见故障排查

性能建议

大批量识别大图最耗资源，建议分批导入，或调高“限制图像边长”控制单张处理量。
界面默认走显卡加速渲染，若出现截屏闪烁、UI 错位，到“界面和外观 → 渲染器”切换渲染方案或关闭硬件加速。
软件内置 RapidOCR、PaddleOCR 两类离线引擎插件，速度和准确率各有取舍，可在全局设置里按文档类型切换。
只保留当前要用的标签页，每个页面都持有独立的工作状态。

常见故障

点图标没反应：确认umi-ocr.sh有执行权限，在终端手动运行一次看报错；v2.1.5 起可查UmiOCR-data/logs里的日志定位问题。
识别准确率不理想：换一版 OCR 引擎试试；代码、表格、多栏文档记得选对应排版解析方案；固定水印用忽略区域排除。
批量任务太慢：减少单批图片数量，检查“限制图像边长”是否设得过高，保证内存充足。

备份与迁移配置

你的所有设置（主题、语言、快捷键、识别参数等）都保存在安装目录下的UmiOCR-data/.settings文件里，是 ini 格式。升级或换机器前，把整个Umi-OCR目录（含UmiOCR-data子目录）拷走即可；手动改过配置文件后，还可以用--reload指令热加载，不必重启软件。

Umi-OCR 把截图、图片批量、文档扫描这三类识别场景收进一个界面，全部离线完成，配置也能整目录带走。对办公、学习、档案数字化场景，以及想搭本地自动化识别流水线的用户来说，它是目前 Linux 上很少见的全能型离线 OCR 选择——按上面的步骤配好一次，之后每次识别都只需要一个快捷键。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考