Umi-OCR 离线 OCR 教程：3 个高频场景与排障速查
【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
把一批图片交给在线 OCR 网站，要受上传限速和每日额度约束，文件在别人服务器上存多久也说不准。Umi-OCR 是免费离线 OCR 工具：图片全程不离开你的硬盘，不注册、不上传。本文覆盖安装首跑、3 个高频场景、参数调优、排障和无界面用法，读完即可上手。
免安装部署：下载与首次启动
这一节把软件在你的电脑上跑起来。
- 从发布页下载
.7z包（没装压缩软件就选.7z.exe自解压包），解压到不带中文和空格的路径，例如D:\Tools\Umi-OCR。 - Windows 双击
Umi-OCR.exe启动；Linux 运行umi-ocr.sh。 - 主窗口由标签页组成：截图 OCR、批量 OCR、文档识别、二维码、全局设置，右上角可锁定常用标签防误关。
提前说：软件自带本地识别引擎和运行库，部分杀毒软件会误报拦截进程，这是"闪退"最常见的原因——首次启动前把软件目录加入白名单。
截图识别：把屏幕上的字一键抓走
适合随手摘抄消息、界面里的零散文字。
入口是"截图 OCR"标签页，快捷键唤起截图框，框住目标文字，识别结果立刻出现在右侧记录栏。
关键操作：
- 复制图片直接粘贴：在别处（如聊天窗口）复制一张图，回到 Umi-OCR 粘贴即可识别，不用先存盘。
- 记录栏直接改错：右侧文字可手动修正，还能划选多条记录一起复制，顺手整理成想要的格式。
- 竖排（从右到左的栏）由排版解析自动整理，前提是引擎支持该语言。
产出：文字直接落在右侧记录栏，改完划选复制即可，不用再跳去别的编辑器。
批量识别：几百张图怎么拖、怎么导出
适合一次性归档成批图片，如旧照片、票据扫描件。
入口是"批量 OCR"标签页，把图片直接拖进窗口，jpg、png、webp、bmp、tif 等格式都收，数量没有上限，几百张一次导入。
关键操作：
- 点"开始任务"，右侧逐张显示文件耗时、置信度和识别结果。
- v2.1.2起支持"暂停任务"，软件不退出，待机、休眠后接着跑。
- 可设任务完成后自动关机或待机，过夜挂机，早上起来结果已跑完。
产出与导出：txt、jsonl、md、csv 四种格式，其中 csv 用 Excel 直接打开。
文档识别：把扫描版 PDF 转成可搜索文本
适合把扫描版 PDF、电子书数字化，变成能搜索的存档。
入口是"文档识别"标签页，支持 pdf、xps、epub、mobi、fb2、cbz 六种格式，典型场景就是扫描版 PDF。
关键操作：
- 默认优先提取 PDF 自带文本层，速度快、零识别误差；纯扫描页才交给本地引擎逐页识别。也可强制整页 OCR，或反过来只提取原文本。
- 支持按页码范围设置忽略区域，剔除页眉、页脚、页码。
- v2.1.2 起可导出单层纯文本 PDF，体积小、好编辑。
产出：核心是双层可搜索 PDF——底层原图、上层透明文字，外观和扫描件一致，文字却能搜索、复制、划线，公司合同归档、论文数字化直接顶用。
调优 4 个旋钮：常见问题都能修 🔧
识别之后的常见问题，靠下面 4 个旋钮解决。
排版解析：方案怎么选
文字顺序乱、段落粘连、代码缩进丢了，别动引擎，去"文字识别"设置里换排版解析方案，输出就会按阅读顺序重新组织：
| 方案 | 适合什么 |
|---|---|
| 多栏-按自然段换行 | 两栏/三栏论文书籍，覆盖面最广，最常用 |
| 多栏-总是换行 | 每行独立，适合按行后续处理 |
| 多栏-无换行 | 整段强制合并成一行 |
| 单栏-按自然段换行 | 单栏文档，段落自然断行 |
| 单栏-保留缩进 | 代码截图，保住行首缩进和行中空格 |
| 不做处理 | 引擎原始输出，不整理 |
拿不准就选"多栏-按自然段换行"；各方案都能同时处理横排和竖排（从右到左的栏）。
忽略区域：框怎么画才生效
图片角落的水印、LOGO、页眉页脚总混进结果，从批量页右侧设置进入忽略区域编辑器，按住右键画多个矩形框，框内文字在识别时自动排除。
注意：只有整个文本块完全落在框内才会被忽略，不是按单个字符判断。画框宁可大一点，把水印可能出现的位置全部包住，画完记得保存；漏框一次，结果里就多一行杂音。
引擎与识别语言库：怎么切换
某类文字识别不准或报错，先去全局设置换引擎：默认Rapid-OCR兼容性好，PaddleOCR速度更快一些，换引擎往往比调别的参数见效快。
两种语言别混：界面语言（全局设置 → 语言，中文、繁体、英文、日文、俄语、葡萄牙语等，社区翻译维护）管按钮菜单长什么样；识别语言库（各标签页"文字识别"设置里单独选或下载）管引擎认哪种文字。界面用中文、日常识别日文书籍，完全可以搭配。
长图识别不全：调哪个数
特别高的截图、长图底部漏识别，去"文字识别"设置里调高限制图像边长，默认值为了平衡速度和内存，适当调高即可覆盖长图。别放大原图——过度放大只会增加噪声，反而降准确率。
排障速查：3 组常见现象 🧯
先对现象，再找原因，按顺序处理。
识别结果：
| 现象 | 最可能原因 | 处理动作 |
|---|---|---|
| 画了忽略区域，水印还是混进来 | 框没包住整个文本块，或没保存配置 | 重画更大的框，确认配置已保存 |
| 代码截图缩进、空格全丢 | 排版方案不保留缩进 | 方案切"单栏-保留缩进" |
| 长图识别缺胳膊少腿 | 图像超过"限制图像边长"阈值 | 调高该数值，别放大原图 |
显示与加载：
| 现象 | 最可能原因 | 处理动作 |
|---|---|---|
| 截图时闪烁、界面错位 | 显卡渲染不兼容 | 全局设置 → 界面和外观 → 渲染器，换方案或关硬件加速 |
| 几万个文件的文件夹加载很卡 | 超大文件夹同步加载 | v2.1.5 起为异步加载，等预览进度走完再操作 |
| 内存占用偏高 | PaddleOCR 线程与内存默认值 | v2.1.4 起默认限制在系统内存一半以内，插件配置里再调低线程数 |
任务与命令行：
| 现象 | 最可能原因 | 处理动作 |
|---|---|---|
| 批量任务想中途休息 | 旧版本不支持暂停 | 升级到 v2.1.2 以上，用"暂停任务"，休眠后可继续 |
| 命令行没反应 | HTTP 服务关闭，或用了备用启动器 | 确认 HTTP 服务开启（默认开启，仅监听本地环回），用主程序Umi-OCR.exe |
仍解决不了，查更新日志的版本说明，确认该问题是否已在更新版本修复。
无界面用法：命令行与本地 HTTP 服务
两条程序化入口，把 Umi-OCR 接进脚本和快捷键工具。
命令行入口就是主程序Umi-OCR.exe，指令支持简写（--screenshot可写--sc）：
umi-ocr --screenshot --clip umi-ocr --path "D:/扫描件.png" --output result.txt umi-ocr --qrcode_create "你好" "D:/qrcode.png" 256第一条截屏识别，结果直接进剪贴板；第三条生成 256 像素的二维码图。完整参数见命令行手册。
本地 HTTP 服务在软件启动后就提供 OCR、文档识别、二维码三类接口，几十行代码就能封装成局域网小工具，实现"上传图片 → 返回 JSON 结果"。默认只监听本地环回，图片与结果都留在自己电脑里；需要局域网共享时，把主机切换为"任何可用地址"。细节见HTTP 接口手册。
免费、开源、完全离线，识别引擎整套装在你自己的硬盘上。从一张随手截图到一整本扫描书归档，文字的产出始终在你手里。
【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
