Umi-OCR 离线图片转文字工具：3 步从扫描文档里提取文字-育师

Umi-OCR 离线图片转文字工具：3 步从扫描文档里提取文字

【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

手头有一批扫描版 PDF，想把里面的文字变成可搜索、可编辑的内容；或者只想从屏幕上快速取一段文字。Umi-OCR 是一款免费、开源的离线 OCR 软件：识别全部在本地完成，不联网，数据不出设备。它覆盖截图、批量图片、PDF 文档识别和二维码读写，当前版本（v2.1.5）支持 Windows 与 Linux 两个平台。

下载、解压、启动：3 步完成首次识别

整个过程不用安装，拆成三步：

下载发行包。项目提供.7z压缩包和.7z.exe自解压包两种，后者在没有压缩软件的电脑上也能直接用。
解压并启动。Windows 解压后双击Umi-OCR.exe；Linux 用包内的umi-ocr.sh脚本启动。
做一次识别。首次打开会按系统语言自动选择界面语言。打开"截图OCR"标签页，按下截图快捷键，在屏幕上框选一段文字，结果就会自动出来。

界面采用标签页结构，左上角可以固定窗口置顶，右上角能锁定标签页防止误关，常用的页面保留着、不用的关掉即可。

截图文字识别：框一下就有结果

适用时机：从屏幕页面里取文字——网页段落、代码块、图表里的标注都算。打开"截图OCR"标签页后，按快捷键开始框选，松开后选区内文字会被识别，在左侧预览中高亮显示；右侧记录栏把每段文字连同置信度和时间存为一条记录，识别错了可以直接编辑修正。

拿到结果后，右键可以复制单条、全选或选中多条记录一起复制，也可以把识别的图片原样复制走。截图排版复杂时，在设置里挑一个排版解析方案："多栏-按自然段换行"适合大多数情况；识别代码截图选"单栏-保留缩进"，行首缩进和行内空格都会保留。如果文字是在别处复制的图片，直接粘贴到这个页面里同样能识别，按 Esc 可以随时取消截图。

批量图片识别：整个文件夹丢进去跑任务

适用时机：几十上百张图片要识别并导出，票据、书页照片、资料图都属此类。在"批量OCR"标签页点"选择图片"添加文件，支持 jpg、png、webp、bmp、tif 等 9 种格式，点"开始任务"后左上方出现进度条，左栏列出每张图的耗时与置信度，右栏逐条展示文字内容。

任务结束后，结果可保存为txt、jsonl、md、csv（可直接用 Excel 打开）四种格式，数量不设上限，几百张图可以一次导入；也可以勾选任务完成后自动关机或待机。图片带水印、页眉页脚时，用右栏设置里的忽略区域编辑器：按住右键绘制矩形，落在区域内的文本块不会进入结果，矩形尽量画大一些，把水印可能出现的位置全包进去。列表中的文件还能用本地图片浏览器打开预览，导出前核对很方便。

顺带一提，"文档识别"标签页面向pdf、xps、epub、mobi、fb2、cbz这几类文件：扫描页面可以整页识别，带文字层的 PDF 则直接提取原有文本，还能输出双层可搜索 PDF——页面外观不变，选中即可复制文字。把扫描版 PDF 变成可编辑文档，走这条路最稳妥。

按场景选引擎和输出格式

Umi-OCR 内置 PaddleOCR 与 RapidOCR 两套离线引擎，前者识别精度更高，后者处理速度更快，在"全局设置"里即可切换，对照场景选就行：

你的需求	推荐引擎	原因
扫描文档、多语言混排、代码截图	PaddleOCR	识别准确率更高，复杂排版处理更好
批量简单图片、快速过一遍	RapidOCR	速度更快，占用更轻

同一个"全局设置"标签页里还集中了其他常用项：界面语言（简体中文、繁体中文、英语、日本語、葡萄牙语、俄语、泰米尔语等）、亮暗主题、字体与界面大小比例、快捷方式与开机自启，第一次配置好之后基本不用动。

二维码标签页支持截图、粘贴或拖入图片来读取码，也支持输入文本生成码图片，二维码、条形码等协议共 19 种，一张图里有多个码也能一次读出。想把它接进脚本或服务流程，还有命令行与 HTTP 两种接口，详细说明在 docs/ 目录下。