Umi-OCR 快速上手：免费离线OCR软件，3步搞定截图、批量与PDF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
Umi-OCR 是一款免费的离线文字识别软件，在 Windows 和 Linux 上解压即用：截屏提字、批量处理图片、把扫描版 PDF 变成可搜索文档，全程无需联网。适合常和截图、扫描件打交道，又不想把文件传上云的办公、学习与自动化场景。
🚀 快速开始：5分钟跑出第一次识别结果
不用装依赖、不用配环境，拿到压缩包解压就是全部安装步骤。
- Windows：从项目发布页（Releases）下载
.7z或.7z.exe自解压包，解压后双击Umi-OCR.exe启动。 - Linux：需要先部署运行库环境；从源码构建的话，克隆仓库即可：
git clone --single-branch --branch main https://gitcode.com/GitHub_Trending/um/Umi-OCR启动后默认停在"截图OCR"标签页。按快捷键框选屏幕任意区域，右侧"记录"栏会立刻出现识别出的文字——这就是你的第一次成功。左侧预览栏可以直接用鼠标划选、复制结果。
装完先别急着翻设置。第一遍先只用默认参数把每个标签页点一遍，熟悉入口位置即可，后面按需再调。
核心场景实操
从屏幕直接抠文字
目标：网页、PPT、聊天记录里的文字，框一下就能拿走。
步骤：打开"截图OCR"标签页 → 按快捷键（默认见页面上方提示）唤起截图 → 框选区域，松手出结果。如果手头图片是刚从别处复制的，直接Ctrl+V粘贴进来也能识别。
结果在右侧记录栏，支持划选复制、批量复制多条记录。这里有个容易被忽略的设置：文本后处理。识别正文选"多栏-按自然段换行"，阅读顺序最自然；识别代码截图选"单栏-保留缩进"，行首空格不会丢。
一次跑完一整个文件夹
目标：几十上百张截图、扫描件，批量出文字文件。
步骤：切到"批量OCR"标签页 → 点"选择图片"导入（支持 jpg、png、bmp、tiff、webp 等常见格式，无数量上限）→ 在右侧选好输出格式（txt、md、jsonl、csv）和保存位置 → 点"开始任务"。
结果逐条显示在右侧记录栏，每张图片的耗时和置信度都标在列表里。跑大任务前建议看一眼两件事：输出格式是否匹配后续用途；如果图片角落有固定水印，提前画好忽略区域（见下条）。
忽略区域是批量页的隐藏利器：进入右栏设置的忽略区域编辑器，按住右键画若干矩形框，框内的文字块会被整体跳过。画的时候宁大勿小，把水印可能出现的位置都包住，页眉页脚、角标 logo 这类干扰就干净了。
扫描版PDF变可搜索文档
目标：把纯图片的 PDF 扫描件变成能 Ctrl+F 的文档。
步骤：打开"文档识别"标签页 → 导入文件（支持 pdf、xps、epub、mobi、fb2、cbz）→ 选择输出方式 → 提交任务。扫描件走 OCR 提取，已有文本层的文档直接抽取原文，两种情况它都会自动处理。
结果是双层可搜索PDF：底层保留原图，上层是可选中、可复制的隐形文字层。同样支持画忽略区域排除页眉页脚，大文档任务还能勾选"完成后自动关机"，睡前扔进去跑，第二天收结果。
扫码与生成二维码
目标：手头图片里的码要读出来，或者要把一段文本变成码图。
"二维码"标签页左半区放码图（截图、粘贴、拖入都行），一张图里多个码也能一次读出来，支持 QRCode、DataMatrix、PDF417、EAN 等 19 种协议；右半区输入文本即可生成码图，纠错等级、图片尺寸都可调，生成后保存为本地图片。
⚙️ 进阶与自动化
命令行调用
主程序Umi-OCR.exe本身就是命令行入口，输入umi-ocr --help可查看全部指令。最常用的是这几条：
umi-ocr --screenshot # 弹出框选截图识别 umi-ocr --path "D:/images" # 识别整个文件夹，支持传多个路径 umi-ocr --qrcode_read "D:/code.png" # 识别二维码结果默认进剪贴板，加--output "file.txt"可写入文件；指令支持前缀简写，--screenshot写成--sc也行。注意命令行依赖软件内部的本地 HTTP 服务（仅走本机回环，不经过网卡），需确认该服务已开启。完整参数见命令行手册。
HTTP 接口
想在自己的程序里调用，可以走 HTTP 接口：/api/ocr传图片（Base64）返回识别结果，/api/qrcode负责二维码识别与生成，/api/doc提供文档识别能力。文档识别是异步的：上传 → 轮询任务状态 → 拿下载链接 → 取结果文件，四步走完。字段说明和示例代码在 HTTP 接口手册 里，按文档照抄就能通。
引擎切换与界面定制
软件内置 RapidOCR 和 PaddleOCR 两套离线引擎，RapidOCR 兼容性更好，PaddleOCR 速度稍快，二选一作为默认即可，也可以从插件仓库引入新引擎随时替换，插件放在UmiOCR-data/plugins目录下。语言、主题、字体大小、开机自启、桌面快捷方式都在"全局设置"标签页里，首启时会按系统语言自动切换，之后手动改也行。
避坑指南
现象：双击启动报缺少运行库或组件错误。原因：系统缺少 C++ 运行库。解决：安装 Visual C++ Redistributable 运行库，或直接使用官方发布的完整版压缩包（已内置依赖）。
现象：截图时界面闪烁、UI 错位。原因：显卡加速渲染与当前驱动不兼容。解决：全局设置 → 界面和外观 → 渲染器，换一种渲染方案或关闭硬件加速。
现象：识别结果顺序乱、断行很怪。原因：没选合适的排版解析方案。解决：正文选"多栏-按自然段换行"，代码选"单栏-保留缩进"，在截图OCR页右侧"设置"里即可切换。
现象：超宽长图、超大图识别不了。原因：默认对图像边长做了限制。解决：页面设置 → 文字识别 → 限制图像边长，把数值调高后再提交任务。
现象：命令行输入指令没反应。原因：本地 HTTP 服务未开启，指令无法送达后台进程。解决：全局设置中确认 HTTP 服务已启用，主机选"仅本地"即可。
🌱 生态与展望
社区参与主要有三个入口：界面翻译在 Weblate 平台协作，简体中文、英语、日语、俄语等十余种语言都可以补充校对；功能问题通过项目的 Issue 反馈，作者响应较快；引擎和新格式则通过配套的插件仓库扩展。版本方面，每个稳定版都有对应的release分支可长期下载，改动明细随时可查更新日志。
路线图上的方向包括：基于 GPU 的离线识别、独立的数学公式识别与 LaTeX 渲染、离线翻译、表格图片输出为 Excel，以及 macOS 等更多平台的兼容。
想现在就试的话，去项目发布页下载最新发行版，解压后 5 分钟内就能完成第一次截图识别；要参与构建或二次开发，直接克隆仓库并查看命令行手册与HTTP接口手册即可上手。
【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
