Umi-OCR 离线OCR新手指南：从下载到第一次批量跑通
【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
开篇速览
Umi-OCR 是一款免费、开源的离线文字识别（OCR）工具，能把截图、图片、PDF 里的文字转成可编辑文本，支持二维码识别与批量处理，全程不联网、在本地完成。
它解决的是图片转文字的痛点：走在线工具要一张张上传，免费额度有限制，敏感内容还不敢传；用付费软件则按月掏钱。Umi-OCR 把离线引擎打包在软件里，不登录账号、不依赖网络、不限识别数量，解压就能用。
它和同类工具的差别也很明显：不是大而全的按钮堆叠，而是"标签页"形态——截图OCR、批量OCR、文档识别、二维码各占一个页签，用到哪个开哪个；OCR 引擎本身也是插件，随时能换另一套，不用重装软件。
从下载到跑通
先拿包。从项目官方发布渠道下载最新的发行包；仓库根目录里也放了一份现成的 Umi-OCR_Rapid_v2.1.5.7z，自带 Rapid-OCR 引擎，可直接使用。包是.7z或.7z.exe格式，后者是自解压包，在没有装压缩软件的电脑上也能直接运行。
解压路径建议放简单一点：不放中文、空格和特殊字符，比如D:\Tools\Umi-OCR。这一个习惯能省下后面大部分稀奇古怪的麻烦。
Windows 启动：解压完双击即可
- 双击解压目录根部的
Umi-OCR.exe。首次启动需要几秒钟，界面语言会按你的系统语言自动选。 - 双击没反应的话，进入
UmiOCR-data目录，改用备用启动器RUN_GUI.bat。 - 遇到 SmartScreen 提示时，点"更多信息"再选"仍要运行"。
Linux 启动：多敲一条命令
Linux 版面向 x64 系统，需要 glibc 2.31 及以上（Ubuntu 20.04+、Debian 11+ 的主流版本都满足，终端执行ldd --version可查看）。解压后进入包目录：
chmod +x umi-ocr.sh ./umi-ocr.shLinux 下默认不请求管理员权限，配置文件都放在用户目录里。
跑起来之后，你看到的就是标签页主界面。先不用管太多，记住四个页签就够：截图OCR、批量OCR、文档识别、二维码，正好对应下面四个任务。
划重点：免安装、解压即用；Windows 双击 exe，Linux 跑 sh 脚本；路径放纯英文目录能挡掉大部分怪问题。
场景实战
别记功能，记任务。下面四个是最常干的活。
把一张截图变成可编辑文本
目标：圈选屏幕上想转的文字区域，拿到剪贴板里。
操作路径：打开"截图OCR"页签 → 按你设好的快捷键，或点页面里的截图按钮 → 鼠标框选区域后松手。左栏是图片预览，可直接用鼠标划选复制；右栏是识别记录，能编辑文字，还能划选多条记录一起复制。
关键配置开关：页面下方的"文本后处理"。默认方案"多栏-按自然段换行"适合大多数文字；代码截图换成"单栏-保留缩进"，行首缩进才会留下来。
省时间小技巧：在"全局设置"里给截图OCR设一个全局快捷键（比如 Ctrl+Alt+O），之后一个键就进截图模式，Esc 取消；剪贴板里已有的图片也可以直接粘贴到这一页识别，不用先存盘。
💡 单张图走截图识别最快，一目录的图请换下一页。
一次性处理整目录图片
目标：几百张图片一次识别完，输出成文本文件，方便后续处理。
操作路径：打开"批量OCR"页签 → 点"添加图片"选文件，或直接把图片、文件夹拖进窗口（支持 jpg、png、webp、bmp、tif 等格式）→ 选输出格式和目录 → 开始任务。输出支持txt、jsonl、md、csv(Excel)四种格式。
关键配置开关：两个大概率会用到。一是"忽略区域"：图片里有水印、LOGO 时，在批量识别右栏打开编辑器，按住右键画矩形框，框内文字不会出现在结果里。二是"页面设置 → 文字识别 → 限制图像边长"：遇到超大图、长图识别不了时把数值调高。
省时间小技巧：勾上"任务完成后自动关机/待机"，睡前丢一批文件进去，早上起来结果已经躺在那了。
把扫描件 PDF 变成可搜索的文档
目标：从纯扫描版 PDF 里提取文字，或输出"双层可搜索PDF"——文字在上、图片在下，文档既能搜又能选。
操作路径：打开"文档识别"页签 → 添加pdf、xps、epub、mobi等文件 → 开始任务。
关键配置开关：输出端选双层可搜索PDF或纯文本；也可以设置任务完成后自动关机。
省时间小技巧：带页眉页脚、页码的书，用"忽略区域"把固定位置框掉再跑，结果比事后手动清理干净得多。
读一张图里的二维码
目标：从照片里的二维码、条形码提取链接或文字；反过来，把一段文本生成二维码图片。
操作路径：打开"二维码"页签 → "扫码"一栏，截图、粘贴或拖入本地图片 → 结果直接显示在页面上。支持一图多码，覆盖 QRCode、EAN13、DataMatrix 等 19 种码制；"生成码"一栏输入文本、选纠错等级即可生成图片。
关键配置开关：识别端没有开关；生成端真正有影响的只有"纠错等级"，码要打印且可能磨损时选高一级。
省时间小技巧：单个码截图扫就行；要扫一批图，用命令行umi-ocr --qrcode_read "文件夹路径"整目录扫，参数细节见命令行手册。
划重点：四个页签对应四件事——截图管快、批量管多、文档管PDF、二维码管码，每页的设置互不干扰。
按你的习惯调
设置都集中在"全局设置"页签。这里只说"想达到什么效果 → 去哪改 → 改哪个值"：
- 想换界面语言：全局设置 → 语言，可选简中、繁中、英语、日语等。首次启动是按系统语言自动匹配的，想换就改这里。
- 想一键唤起截图识别：全局设置里的快捷键入口，给"截图OCR"设一个组合键保存。
- 想让结果的换行排版不一样：这不在全局设置，而在每个识别页的"文本后处理"。多栏文档用"按自然段换行"，代码截图用"保留缩进"，要引擎原始输出就选"不做处理"。
- 想换暗色主题、调大字号：全局设置 → 界面和外观，主题、文字大小、字体都能改。
- 运行时画面闪烁、UI 错位：同一处 → 渲染器，换一个渲染方案，或关闭硬件加速。
划重点：语言、快捷键、主题在全局设置；排版方案在各识别页；画面怪就先动渲染器。
装插件：给它加新能力
Umi-OCR 的设计逻辑一句话就能说清：包括 OCR 引擎在内的所有功能都是"插件"，一个插件就是一个文件夹，统一放在UmiOCR-data/plugins/目录下。
安装流程：
- 拿到插件（文件夹或压缩包形式）。
- 把整个插件文件夹放进
UmiOCR-data/plugins/。 - 重启 Umi-OCR，新插件就会出现在列表里。
切换与管理：在"全局设置"里选择当前使用的 OCR 引擎插件。可以同时装好几个引擎，用哪个切哪个，不用卸载重装。
引擎怎么选，参考这张对比：
| 引擎 | 特点 | 什么时候选 |
|---|---|---|
| Rapid-OCR | 兼容性好，发行包默认引擎 | 大多数机器，装好直接用 |
| Paddle-OCR | 识别速度稍快 | 以批量识别为主、在意速度 |
划重点：插件机制就是"往 plugins 目录丢文件夹"；引擎可以多装随时切换，求稳选 Rapid，求快选 Paddle。
卡住了看这里
实际跑起来，会碰上的问题基本就这几类：
| 症状 | 解决 |
|---|---|
| 双击 exe 无反应或闪退 | 1. 换备用启动器UmiOCR-data/RUN_GUI.bat；2. 把程序挪到纯英文路径如D:\Tools；3. 解压到非系统盘并确认有读写权限 |
| 截图时闪烁、界面错位 | 1. 全局设置 → 界面和外观 → 渲染器；2. 换一个渲染方案；3. 或关闭硬件加速 |
| 大图/长图识别失败 | 1. 批量页的页面设置 → 文字识别；2. 找到"限制图像边长"；3. 调高数值后重试 |
| 结果里混进水印文字 | 1. 批量识别中打开"忽略区域"编辑器；2. 按住右键画矩形包住水印；3. 框要画大，包住水印所有可能出现的位置 |
| 识别文字换行混乱 | 1. 识别页切换"文本后处理"的排版解析方案；2. 试"多栏-按自然段换行"或"单栏-无换行"；3. 仍不对就换个 OCR 引擎重识别 |
划重点：八成问题集中在启动、渲染、排版方案三处，对着表格一条条改就行。
收尾
项目处于活跃迭代中（当前 v2.1.5）。提 issue、参与翻译、贡献代码都欢迎。会用了就打开试试吧。
【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
