Umi-OCR 快速上手指南：5分钟用免费离线OCR工具识别截图与PDF文字-编程实验室

Umi-OCR 快速上手指南：5分钟用免费离线OCR工具识别截图与PDF文字

【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、离线的 OCR 文字识别工具，它能把截图、本地图片和 PDF 文档里的文字变成可编辑文本。整个识别过程在你自己的电脑上完成，不联网、不上传文件，适合快速又省钱地处理文档，尤其在意资料隐私的场景。

为什么值得给电脑装一个离线 OCR 工具

资料不离开本机，隐私没有后顾之忧

识别引擎和多语言模型库全部内置在发布包里，从截图到出结果不经过任何网络环节。处理内部合同、工作截图这类不想上传到在线识别服务的资料时，这一点尤其重要。

解压即用，还支持多国语言界面

发布包是一个.7z压缩包（或.7z.exe自解压包），解压后双击Umi-OCR.exe即可启动，无需安装，兼容 Windows 7 x64 与 Linux x64。首次启动会按系统语言自动切换界面，内置简中、繁中、英语、日语等多种语言，之后也能在"全局设置 → 语言"里随时改。

两套离线引擎，语言库够用

发布包内置 RapidOCR 和 PaddleOCR 两套离线识别引擎，以插件形式提供，可在全局设置中切换；识别语言库覆盖简体中文、English、繁體中文、日本語、한국어、Русский 等，日常中英文场景基本都能覆盖。

引擎	特点	适合场景
RapidOCR	兼容性好	日常使用、配置一般的电脑
PaddleOCR	速度稍快	高频批量任务

5分钟完成第一次截图识别

（约1分钟）拿到软件：下载发布包并解压；如果想研究源码，也可以git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。
（约30秒）启动程序：双击Umi-OCR.exe，主窗口会按系统语言打开。
（约1分钟）截图识别：打开"截图OCR"标签页，按默认快捷键在屏幕上框选区域（快捷键可在该页"设置"栏重新录制），稍等片刻即可得到识别结果。
（约30秒）取走文字：识别记录栏里的文字可以直接划选复制，右键菜单支持选中多个记录批量复制、清空记录等；左侧图片预览栏也能直接划选文字。

能力地图：每个标签页能做什么

截图OCR：框选一下就能拿到文字

除了快捷键截图，还支持在别处复制图片后粘贴进来识别，以及重复上一次截图区域。识别完成后，"文本后处理"的排版解析方案会负责整理文字顺序，共 8 种预设：

方案	用途
多栏-按自然段换行	默认方案，自动识别多栏布局，按段落换行，适合大多数文档
单栏-保留缩进	解析代码截图，保留行首缩进和行内空格
多栏/单栏-总是换行、无换行	每句都换行或强制合并成一行
不做处理	直接输出引擎原始结果

以上方案都能处理横排与竖排（从右到左）文字，竖排还需要引擎本身支持。

批量OCR：一次导入几百张图片怎么配置

把图片拖进列表后点"开始任务"即可，没有数量上限，任务完成后还能自动关机或待机。输入格式支持jpg、jpe、jpeg、jfif、png、webp、bmp、tif、tiff，识别结果可保存为以下格式：

输出格式	特点
txt	最通用，直接阅读
jsonl	每行一条结构化记录，方便程序处理
md	保留段落结构，适合归档文档
csv	可直接导入 Excel

批量页还有一个特色功能"忽略区域"：在右栏设置里进入编辑器，按住右键绘制多个矩形框，框内水印、LOGO 的文字会在任务中被忽略（只忽略完整落在框内的文本块，框外的文本块不受影响）。如果要识别像素超大的长图，请调整"页面设置 → 文字识别 → 限制图像边长"的数值，调高即可。

文档识别：把 PDF 扫描件变成可搜索文本

支持pdf、xps、epub、mobi、fb2、cbz六种格式。对扫描件执行 OCR，或直接提取文档原有的文本层；还可以输出"双层可搜索 PDF"——外观保持原样，但文字可以被选中、搜索。同样支持设定忽略区域排除页眉页脚，以及任务完成后自动关机/休眠，适合睡前丢一堆文件进去跑。

二维码标签页：识别与生成双向支持

扫码侧支持截图、粘贴或拖入本地图片，一张图里多个码也能同时读出，支持 19 种协议（QRCode、DataMatrix、EAN13、Code128 等，含条形码）。生成侧输入文本即可得到二维码图片，可调节纠错等级等参数。这两项功能命令行和 HTTP 接口也都能调用。

进阶玩法：命令行与 HTTP 接口

一条命令触发 OCR

命令行入口就是主程序Umi-OCR.exe（简写umi-ocr）。前提是在全局设置中允许 HTTP 服务（默认开启，主机选"仅本地"即可——它只用于本机进程间通信，不走物理网卡）。常用指令：

umi-ocr --screenshot --clip # 截图识别并复制到剪贴板 umi-ocr --clipboard # 识别剪贴板里的图片 umi-ocr --path "D:/img1.png" "D:/文件夹" # 指定图片或文件夹 umi-ocr --screenshot "-->" test.txt # 结果写入文件

指令支持按前几个字母简写（如--sc）；--output覆盖写文件、--output_append追加写文件；--show/--hide/--quit用于弹出、隐藏、关闭主窗口。完整用法见 docs/README_CLI.md。

用 HTTP API 搭自动化

默认端口1224（可在全局设置中修改），把主机切换为"任何可用地址"后允许局域网访问。核心接口：

GET /api/ocr/get_options：查询识别接口的全部参数、默认值与可选值；
/api/ocr：传 Base64 图片做文字识别，可指定语言、排版解析方案、忽略区域等参数；
另有文档识别（PDF）与二维码识别/生成接口。

两点注意：后端并发能力一般，尽量不要并发调用；长时间大批量连续调用有小概率出现ECONNREFUSED报错，重新发起请求即可。接口细节见 docs/http/README.md 和 docs/http/api_ocr.md。

避坑指南：常见问题与排查思路

界面闪烁、UI 错位或显示异常

软件默认用显卡加速渲染。如果你的机器上出现截屏闪烁、UI 错位，去"全局设置 → 界面和外观 → 渲染器"切换渲染方案或关闭硬件加速。另外注意：如果用的是备用启动器（如UmiOCR-data/RUN_GUI.bat），命令行指令会失效，请用主程序Umi-OCR.exe。

识别不准、漏字或大图解不了

大图默认会先压缩再识别（"限制图像边长"缺省为 960），精度不够时把数值调高或设为无限制；
选对识别语言库，图片模糊时提高分辨率、调对比度；
水印、页眉页脚干扰结果时，用批量/文档页的忽略区域框掉；
仍不满意时换另一套引擎插件对比效果。

命令行或 HTTP 调用没反应、报错

确认全局设置中 HTTP 服务已允许（默认开启），主机选"仅本地"；
避免并发调用，ECONNREFUSED时直接重试；
手动改过配置文件UmiOCR-data/.settings（ini 格式）后，执行umi-ocr --reload重新加载；
需要排查错误时，v2.1.5 起日志保存在UmiOCR-data/logs目录，命令行启动程序也能看到实时日志。

写在最后

Umi-OCR 的定位很明确：一套免费、离线、解压即用的 OCR 工具箱——截图OCR管日常取字，批量OCR管成堆图片，文档识别管 PDF 扫描件，二维码标签页管扫码和生码，命令行与 HTTP 接口则把这一切接进自动化流程。

如果你今天就想试：解压发布包，双击Umi-OCR.exe，框一张截图，一分钟就能看到效果。想继续深入，可以翻一翻 docs/README_CLI.md、docs/http/README.md，以及 CHANGE_LOG.md 里的最新更新内容。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Umi-OCR 快速上手指南：5分钟用免费离线OCR工具识别截图与PDF文字