Umi-OCR：免费离线 OCR 一次搞定截图、批量图片与扫描 PDF-育师

Umi-OCR：免费离线 OCR 一次搞定截图、批量图片与扫描 PDF

【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、开源、完全离线的 OCR 工具（OCR 即光学字符识别，把图片里的文字变成可编辑文本），支持 Windows 7 x64 与 Linux x64。截图、批量图片、扫描版 PDF 的取字全在本机完成，不联网、不上传，解压即用。

3 步出第一次识别结果

下载发布包：取仓库根目录的 Umi-OCR_Rapid_v2.1.5.7z（没有压缩软件的电脑可下.7z.exe自解压包）；开发者也可直接git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。下载完成，你手里会有一个安装包文件。
解压到任意目录：软件是绿色免安装版，没有安装程序，也不挑路径，解压完即可看到Umi-OCR.exe。
双击Umi-OCR.exe启动：主窗口打开，顶部有「截图OCR」「批量OCR」「全局设置」等标签页。
点左侧工具栏截屏图标，在屏幕上拖出矩形框：松开鼠标后自动开始识别。
看右侧「记录」区：识别出的文字出现在这里，右键就能复制走。

图中左侧是截取的代码图片，下方有「隐藏文本」开关与缩放比例；右侧「记录」区已列出识别出的文字，右上角是「滚动」开关与「清空」按钮。

文字从哪儿来：按场景走

把网页、聊天和代码截图里的文字抠下来

屏幕上的正文不用手敲，框一下就能带走。打开「截图OCR」标签页，点左侧截屏图标，拖出矩形框选区域，松开即识别；如果图片已在别处复制，也可以直接粘贴进窗口识别。取走结果时，在右侧记录里右键选「复制（Ctrl+C）」，或「全选（Ctrl+A）」后一次复制整段。

图中左侧是一张文档截图并选中了一块文字，右键菜单提供「复制、全选、复制图片、显示/隐藏文字」；右侧「记录」页签按时间顺序列出历次识别结果。

整个文件夹的图片一次转文字

几十张图片不用逐张打开。打开「批量OCR」标签页，点「选择图片」把文件或整个文件夹加入列表（支持 jpg、png、webp、tiff 等格式，无数量上限），在右侧「设置」里确认识别语言与排版参数，点「开始任务」。顶部进度条实时显示已耗时、完成数量与百分比，右侧「记录」逐张列出每份文件的识别文本，并标注各自的置信度。

图中左侧列表已排队 13 张图片，顶部进度条显示「1.4s 3/13 23%」，「开始任务」按钮在其右侧；右栏「记录」按文件名分组显示文字，每条附时间与置信度（如 0.92）。

从扫描版 PDF 提取文字，还能生成可搜索的双层 PDF

扫描件以后可以直接搜索、复制，版式观感不变。打开「文档识别」标签页，加入 PDF（也支持 xps、epub、mobi 等格式），选择输出为纯文本或「双层可搜索 PDF」——后者保留原始扫描画面，在上面叠加一层文字，之后在 PDF 里直接搜索复制即可。引擎与参数设置和批量页共用一套，不用重复配置；同样支持画「忽略区域」排除页眉页脚。

切换识别语言，中英日繁都能读

混合语言文档按文字主体选语言即可。在「截图OCR」或「批量OCR」页的右侧「设置」里切换「语言/模型库」（简体中文、English、日本語、繁體中文等）；界面上的显示语言则在「全局设置」→「语言/Language」修改，同一页还能调主题与字体。

图中「全局设置」页上方是「快捷方式」区，可添加桌面、开始菜单快捷方式并设置开机自启；下方「界面和外观」列出语言、主题、字体、界面大小比例等选项。

提高识别准确率：先调这几个参数

选项	适用情况	说明
多栏-按自然段换行	报纸、网页等多栏排版	自动分栏切段，最通用
单栏-保留缩进	代码截图、缩进文本	保留行首缩进与行中空格
多栏-无换行	表格、密集文本	输出连续文本，不额外换行
单栏-总是换行	每行独立短句	每行文字后强制换行
忽略区域	水印、页眉页脚干扰	按住右键画矩形框，框内整块文字被舍弃
纠正文本方向	文字倾斜或倒置	先判方向再识别，速度略降
限制图像边长	高清大图、长图	默认 960，调大数值可提升大图精度

图中「记录」面板每条识别块上方标注「耗时 0.38s，置信 0.92」及识别时间；右键菜单可对记录执行「删除选中记录」「清空全部记录」等维护操作。

进阶调用：命令行与 HTTP 接口

前提是「全局设置」页允许 HTTP 服务（默认开启，仅本地访问）。命令行入口就是主程序本身：

umi-ocr --screenshot # 发起鼠标截屏识别 umi-ocr --path "D:/xxx.png" # 识别指定图片，也接受文件夹路径 umi-ocr --help # 查看全部参数

让其他程序接入时，HTTP 服务默认监听 1224 端口，图片识别调用 POST/api/ocr，请求体传 Base64 图片，data.format设为text即只取文本：

curl -X POST http://127.0.0.1:1224/api/ocr -H "Content-Type: application/json" \ -d '{"image":"Base64图片字符串","data.format":"text"}'

更多参数见命令行手册与 HTTP 接口手册。

出问题时：对照这张表排查

现象	原因	处理
高清大图识别不清	边长超限制值被压缩	页面「设置」→「文字识别」→「限制图像边长」调大数值
结果混入水印、页眉文字	干扰区未排除	在「忽略区域」里画多个矩形，完全包裹水印可能出现的位置
倾斜或倒置文字识别不准	方向纠偏未开启	勾选「纠正文本方向」，接受速度略降
命令行没有响应	HTTP 服务被关掉	「全局设置」中确认允许 HTTP 服务（默认开启）
混合语言文档错字多	语言模型与文字主体不符	按文字主体切换「语言/模型库」