Umi-OCR 离线文字识别指南：免费、可批量的一站式 OCR 方案-育师

Umi-OCR 离线文字识别指南：免费、可批量的一站式 OCR 方案

【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、完全离线的文字识别软件，不联网、不注册、不限字数，解压即用。截图识别、批量图片、扫描版 PDF、二维码都是它的拿手好戏，还内置多国语言界面。对需要 Umi-OCR 离线文字识别方案的人来说，这篇文章从安装到接入工作流一次讲清。

⚡ 五分钟跑通：从安装到首次识别

Windows：下载发行版，解压即用

从官方发布渠道下载发行版（.7z压缩包或.7z.exe自解压包），解压到任意目录
双击Umi-OCR.exe启动，首次打开会自动跟随系统语言
打开"截图 OCR"标签页，用快捷键唤起截图并划选区域，完成第一次识别

源码编译日常用不上，真要自建才需要单独部署运行环境，README 的"构建项目"章节有说明，这里一笔带过。

习惯命令行的用户可以用 Scoop 一条线装好：

scoop bucket add extras # 添加 extras 软件仓库 scoop install extras/umi-ocr # 安装 RapidOCR 引擎版 # 或：scoop install extras/umi-ocr-paddle（PaddleOCR 引擎版）

两个引擎版不要同时装，快捷方式会被覆盖；装完后可以通过导入插件随时切换引擎。

Linux：下载发行版 + 部署运行环境

下载 Linux 版本发行版和对应的运行库，按官方步骤部署好 Python 运行环境后，用umi-ocr.sh脚本启动即可，项目也支持 Docker 方式部署，适合服务器场景。

进软件先逛"全局设置"页：确认 HTTP 服务已开启（命令行与接口调用的前提，主机选"仅本地"即可），顺手把截图快捷键、主题、语言都配好。

按场景拆解：从截屏到批量文档

截一段屏里的字

适用情境：网页、文档、软件界面里的文字选不中，或逐段复制太麻烦
操作要点：打开"截图 OCR"标签页，按快捷键唤起截图、划选区域，识别结果实时出现在右侧记录栏，可直接编辑、划选复制；左侧预览栏也支持鼠标划选复制
一个具体参数：在"文本后处理 - 排版解析"里选方案——代码截图选单栏-保留缩进，普通文章选多栏-按自然段换行，识别结果会按阅读习惯自动换行

批量图片 OCR 导出 Excel 或 Markdown

适用情境：手里有一批图片要集中数字化，几百张也照单全收
操作要点：把图片拖进"批量 OCR"页（支持 jpg/png/webp/bmp/tiff 等格式，无数量上限），勾选 txt、jsonl、md、csv(Excel) 中想要的输出格式提交任务；大文件建议勾选"任务完成后自动关机/待机"
一个具体参数：识别超长图时，去"页面设置 → 文字识别 → 限制图像边长"把数值调高；图片带固定水印的，在右栏"忽略区域"编辑器按住右键画矩形框即可排除

PDF 扫描件转可搜索

适用情境：纸质扫描件、图片型 PDF 无法复制文字，或者想给电子书补一层索引
操作要点：打开"文档识别"页拖入文档，扫描件走 OCR 后输出双层可搜索 PDF（原图打底 + 透明文字层，可复制可检索），文本型 PDF 直接提取原有文字
一个具体参数：文档页同样支持忽略区域，把固定出现在每页的页眉、页脚框掉，正文提取更干净

类型	支持格式	可输出
图片识别	jpg, png, webp, bmp, tiff 等	txt, jsonl, md, csv(Excel)
文档识别	pdf, xps, epub, mobi, fb2, cbz	双层可搜索 PDF、纯文本

扫个码 / 生成个码

适用情境：图片里有条码/二维码要读内容，或者要把一段文本生成码图
操作要点："二维码"标签页拖入图片即可扫码，支持一图多码，覆盖 QRCode、DataMatrix、EAN13、PDF417 等 19 种协议；反向输入文本则生成码图
一个具体参数：生成时可调整纠错等级与图片尺寸，产物直接保存为图片文件

接进你的工作流：CLI 与 HTTP 接口

两种调用方式共用同一个前提：全局设置页开启 HTTP 服务（默认已开启，"仅本地"即可，通信只在本地环回进行，不走物理网卡）。

最常用 CLI 命令：

umi-ocr --show # 弹出主窗口 umi-ocr --screenshot --clip # 截图识别，结果复制到剪贴板 umi-ocr --path "D:/images" # 批量识别文件夹图片（含子文件夹） umi-ocr --qrcode_read "D:/code.png" # 识别二维码 umi-ocr --qrcode_create "文本内容" "out.png" 128 # 生成 128px 二维码

HTTP 端点一句话版：

/api/ocr：传入 Base64 图片，返回结构化识别结果
/api/doc：文档识别，可下载双层 PDF 结果
/api/qrcode：二维码识别与文本生成码图
/argv：把上述 CLI 命令经 HTTP 转发执行，适合程序调用

注意后端对并发支持较弱，批量调用请串行；偶发ECONNREFUSED重试一次就好。完整参数见命令行手册与HTTP 接口手册。

🔧 调优实战：速度与精度怎么平衡

引擎二选一：

引擎	特点	适合场景
RapidOCR	兼容性好、速度稳定，默认版本自带	通用识别、老系统（Windows 7）
PaddleOCR	速度稍快、语言模型可灵活配置	大批量中文文档

三个实操建议：

预处理：保证文字清晰可读，超大图先缩到合理尺寸再识别，速度提升最明显
忽略区域：批次图片带固定水印/页眉的，先画忽略区域，比识别完再手动清洗省事
分批 + 自动关机：超大数量分批提交，配合"任务完成后自动关机/待机"放一晚上跑完

资源提醒一句：批量处理高分辨率图片时引擎会持续占用内存，任务期间尽量关其他内存大户；识别异常时检查全局设置里的引擎内存清理选项。

踩坑速查：五个高频问题

启动提示缺少 DLL：→ 安装 Visual C++ 运行库，或重新从官方渠道下载稳定发行版（含完整运行库）。
截屏时画面闪烁、UI 错位：→ 全局设置 → 界面和外观里切换"渲染器"，换成不同渲染方案或关闭硬件加速。
识别结果混入水印、页眉页脚：→ 批量页"忽略区域"编辑器里按住右键画矩形框，把干扰元素完全包裹；注意只有整块落在框内的文本才会被忽略，框别画太小。
批量任务跑得太慢：→ 调高"限制图像边长"、分批提交，或换用速度更快的引擎版本，配合自动关机错峰处理。
命令行收不到输出：→ 系统重定向符>不生效，改用--clip或--output "file.txt"；命令完全无反应时，检查全局设置里 HTTP 服务是否开启。

插件生态与二次开发入口

Umi-OCR ├─ Umi-OCR.exe # Windows 主程序 ├─ umi-ocr.sh # Linux 启动脚本 └─ UmiOCR-data ├─ main.py # Python 入口 ├─ py_src/ # 业务源码 ├─ qt_res/ # 界面资源与 QML 源码 ├─ plugins/ # 插件目录：OCR 引擎等 └─ i18n/ # 多语言翻译文件

plugins/目录是扩展的核心入口，可插拔的扩展点有四类：