Umi-OCR 离线OCR文字识别实战指南：免费开源、截图与批量处理一步到位

Umi-OCR 离线OCR文字识别实战指南：免费开源、截图与批量处理一步到位

【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 是一款免费、开源且完全离线运行的 OCR 文字识别工具。它不需要联网、不上传任何图片，就能完成截图识别、批量图片处理、PDF 文档识别和二维码扫描生成四类任务，适合看重数据隐私的个人用户、需要批量数字化的办公人员，以及希望把文字识别集成进自动化流程的开发者。

为什么选择离线 OCR 软件

很多在线文字识别服务要求上传图片到云端，存在两个麻烦：

• 隐私风险：合同、病历、内部文档截图等敏感内容不宜出网；
• 使用限制：部分服务需要注册、有次数配额，批量处理时成本不可控。

Umi-OCR 的解决思路是把识别引擎完整内置在本地：

适用平台：Windows 7/8/10/11 x64 与 Linux x64。Windows 下建议保留 Visual C++ 2015-2022 运行库，以免主程序因缺少依赖而启动失败。

三步跑起来：获取、解压、启动

第 1 步：获取软件包

三种方式任选其一：

1. 下载压缩包：从项目发布页获取.7z压缩包或.7z.exe自解压包（后者无需额外安装压缩软件）；
2. Scoop 安装：Windows 用户可添加extras桶后执行scoop install extras/umi-ocr，一步装好（另有 Paddle 引擎版本可选）；
3. 源码构建：适合开发者二次开发，构建步骤见 README 中的"构建项目"章节。

第 2 步：解压到固定目录

选择一条不含中文和空格的路径（例如D:\Umi-OCR\）解压。软件以"数据目录 + 程序"的方式组织，运行后会在同目录生成UmiOCR-data文件夹存放配置与缓存，建议整个目录一起备份。

第 3 步：启动并确认界面语言

双击Umi-OCR.exe启动。首次运行会按系统语言自动切换界面；如需手动调整，进入"全局设置 → 语言/Language"选择目标语言后重启即可。

任务一：截图识别——一键提取屏幕上的文字

这是使用频率最高的场景：网页、文档、聊天记录里的文字，框一下就能变成本地文本。

操作流程：

1. 打开"截图OCR"标签页，按快捷键（可在设置中自定义）唤起截图；
2. 鼠标划选要识别的区域，松开后结果自动出现在右侧识别记录栏；
3. 在预览图上直接划选复制，或在记录栏中编辑、合并多条记录后复制。

让结果更可用的关键设置是"文本后处理"，不同预设对应不同排版场景：

以上方案同时支持横排和竖排（从右到左）文字。识别代码时记得切到"保留缩进"方案，行距和空格才能被正确保留，方便直接粘进编辑器。

任务二：批量处理——一次识别几百张图片

需要把一整个文件夹的扫描件、票据截图转成文字时，用"批量OCR"标签页：

• 支持格式：jpg、jpeg、jfif、png、webp、bmp、tif、tiff；
• 无数量上限：一次性导入几百张图片排队处理；
• 递归导入：传入文件夹路径时会包含嵌套子文件夹中的图片；
• 结果输出：txt、jsonl、md、csv（Excel 可打开）四种格式，按后续用途选择——人工校对选 txt/md，程序处理选 jsonl，表格归档选 csv；
• 附加能力：支持任务完成后自动关机/待机，适合夜间挂机跑大批量任务。

忽略区域是批量识别的实用技巧：如果每张图片的固定位置都有水印或 LOGO，可以在识别前用右击绘制多个矩形框，框内的文字块会被整体排除，避免水印污染识别结果。画框时尽量放大，把水印可能出现的位置全部包住。

另外，若图片像素特别大（长图、扫描大图），请在页面设置中调高"限制图像边长"的数值，否则超大图可能被截断识别。

任务三：文档识别——把扫描件变成可搜索 PDF

"文档识别"标签页面向 PDF 及电子书文件（pdf、xps、epub、mobi、fb2、cbz）：

• 对扫描件做 OCR，对已有文本层的 PDF 直接提取文字；
• 可输出双层可搜索 PDF——原图像不变，上面叠加一层不可见文字，之后就能用 PDF 阅读器直接搜索、复制；
• 同样支持忽略区域，常用于排除每页重复出现的页眉、页脚。

典型流程：整本扫描书 → 导入文档识别 → 勾选输出双层 PDF → 得到一份可以 Ctrl+F 的电子书。

任务四：二维码——扫描与生成二合一

"二维码"标签页覆盖两个方向：

• 扫码：截图、粘贴或拖入本地图片，读取其中的二维码和条形码，支持一图多码，覆盖 QRCode、EAN13、DataMatrix、PDF417 等 19 种协议；
• 生成码：输入文本即可生成二维码图片，可选纠错等级等参数，输出为本地图片文件。

办公中"把一批表格截图里的码统一扫出来"这类需求，直接配合批量路径传入即可完成。

进阶：用命令行和 HTTP 接口驱动 Umi-OCR

图形界面之外，Umi-OCR 还有两条程序化调用路径，官方手册在 docs/README_CLI.md 与 docs/http/README.md。

命令行调用

入口就是主程序本身。几条高频指令：

# 识别单张图片或整个文件夹（含子文件夹） umi-ocr --path "D:/images/" # 截图识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 识别结果写入文件（覆盖 / 追加） umi-ocr --path "D:/a.png" --output "result.txt" umi-ocr --path "D:/a.png" --output_append "result.txt"

要点：

• 指令支持前缀简写，如--screenshot可写成--sc；
• 命令行识别依赖软件内置的 HTTP 服务做跨进程通信（默认开启，仅本地环回），若提示无法调用，先去全局设置确认服务已允许；
• 结果输出建议用--clip或--output显式指定，系统管道重定向可能失效。

HTTP 接口调用

把 Umi-OCR 当作一台"本地识别服务器"：

1. 在"全局设置 → 服务"中确认允许 HTTP 服务（默认开启），需要局域网访问时把主机切到"任何可用地址"；
2. 接口覆盖图片 OCR（Base64 传图）、文档识别、二维码识别与生成、命令行转发五类能力，参数说明见 docs/http/api_ocr.md、docs/http/api_doc.md、docs/http/api_qrcode.md；
3. 注意两点：后端对并发支持较弱，尽量串行调用；长时间大批量连续请求偶发ECONNREFUSED，重试即可恢复。

常见问题自查清单

遇到异常时，按此表从上到下排查：

配置文件位于UmiOCR-data/.settings（ini 格式），可手动修改后执行umi-ocr --reload重新加载；运行日志在UmiOCR-data/logs/下，排查异常时先看最新日志。

下一步行动建议

1. 今天就能做：下载压缩包，解压到无中文路径，双击启动，用快捷键截一张屏幕试试识别；
2. 本周内：把日常最多的任务跑通一遍——网页文字用截图识别，文件归档用批量 OCR，扫描件用文档识别；
3. 需要自动化时：先试命令行两条指令，再阅读 HTTP 接口文档，把识别能力接进自己的脚本或系统；
4. 长期习惯：留意版本更新日志，及时获取引擎与功能修复。

相关资源入口

• 命令行手册：docs/README_CLI.md
• HTTP 接口手册：docs/http/README.md
• 各接口参数详情：docs/http/api_ocr.md | docs/http/api_doc.md | docs/http/api_qrcode.md
• 更新日志：CHANGE_LOG.md
• 多语言翻译工具链（维护者用）：dev-tools/i18n/
• 配置位置：UmiOCR-data/.settings；日志位置：UmiOCR-data/logs/

Umi-OCR 的价值在于把"识别"这件事留在本机：不联网、不计费、不限量。从一张截图到一个装满扫描件的大文件夹，它都给出了可以直接落地的操作路径。

【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