Umi-OCR 新手上手：离线 OCR 软件如何截图取词、批量识别与处理 PDF-育师

Umi-OCR 新手上手：离线 OCR 软件如何截图取词、批量识别与处理 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 是一款免费开源的离线 OCR 软件，解压即可运行，支持截图识别、批量图片识别、PDF 文档识别、双层可搜索 PDF 生成和二维码扫读/生成，无需联网即可完成全部任务。它适用于 Windows 7 x64 和 Linux x64 系统，内置多语言识别库，也提供命令行和 HTTP 接口供自动化场景调用。

5 分钟跑起来：下载、解压、认识界面

拿到 Umi-OCR 后不需要安装。发布包是.7z压缩包或.7z.exe自解压包，后者适合没装压缩软件的电脑。解压后直接运行Umi-OCR.exe（Linux 下是umi-ocr.sh），软件启动时会读取系统语言自动切换界面，也可以在全局设置 → 语言/Language里手动改成简体中文、英文、日语等。

界面由一组可自由开关的标签页组成：截图OCR、批量OCR、文档识别、二维码等。标签栏左上角有窗口置顶开关，右上角可以锁定标签页，防止误触关闭。

场景一：开会或看资料时，截图取词

这个场景对应"截图OCR"标签页。打开这一页后，可以用默认快捷键唤起截图：

Alt+C：框选区域后识别，结果直接进剪贴板，粘贴到聊天框或文档即可；
Alt+V：识别后在主窗口的识别记录栏中显示。

如果你已经用其他工具复制了图片，也可以直接粘贴进 Umi-OCR 识别，不需要重新截图。左侧图片预览栏可以用鼠标划选文字复制，右侧识别记录栏支持编辑文字、多选多条记录一起复制。

识别出来的文字顺序乱了怎么办？在页面设置里选择"文本后处理 - 排版解析方案"，常见选项有：

多栏-按自然段换行：适合大多数情况，自动识别多栏布局并按自然段换行；
单栏-保留缩进：解析代码截图时用这个，能保留行首缩进和行内空格；
不做处理：拿到引擎的原始输出。

这些方案对横排、竖排（从右到左）排版都能自动处理（竖排文字还需引擎本身支持）。

场景二：一次性消化几百张图片或扫描件

几百张截图、一整个文件夹的照片要转文字时，用"批量OCR"标签页。

图片格式：支持jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff，没有数量上限，一次性导入几百张也没问题。结果格式：可保存为txt, jsonl, md, csv(Excel)。页面设置同样支持排版解析。几个实用点：

忽略区域：图片上有固定位置的水印、LOGO 时，在忽略区域编辑器里按住右键画多个矩形框，框内的整个文本块会被跳过。建议把框画大一点，完全包住水印可能出现的所有位置；
超大长图：如果识别像素超大的长图或大图，在页面设置里把"文字识别 → 限制图像边长"的数值调高（可选 960 / 2880 / 4320 / 999999）；
任务管理：批量任务支持暂停，电脑待机或休眠后回来还能继续；也可以设置任务完成后自动关机或待机，晚上挂机跑一批很合适。

文档识别走的是同一个思路：支持pdf, xps, epub, mobi, fb2, cbz格式，既能对扫描件做 OCR，也能提取 PDF 里原有的文本层。最有价值的是输出双层可搜索PDF——生成的文件既有原始图像，又叠加了可搜索的文本层，适合归档和检索。它同样支持忽略区域（排页眉页脚）和完成后自动关机。

场景三：二维码扫读与生成

"二维码"标签页把扫码和生成码放在了一起：

扫码：截图、粘贴或把本地图片拖进来，读取其中的二维码、条形码，一张图里出现多个码也支持。覆盖 19 种协议，包括QRCode、DataMatrix、PDF417、EAN13、Code128等；
生成码：输入文本，选协议和纠错等级，生成二维码图片。命令行里也可以直接生成，例如指定宽 128、高 256 像素：umi-ocr --qrcode_create "文本内容" "D:/输出图片.jpeg" 128 256。

常见问题：识别不准、启动异常、想接入工作流

识别不准怎么调

优先保证图片清晰、对比度合适，框选时排除无关背景；
按内容类型换排版解析方案（代码截图选"单栏-保留缩进"，多栏文档选"多栏-按自然段换行"）；
大图被压缩导致细节丢失时，调高"限制图像边长"；
批量页面上也可以切换 OCR 插件（RapidOCR / PaddleOCR 等引擎），不同引擎对同一张图的精度和速度表现可能有差异。

启动或显示异常

界面出现截屏闪烁、UI 错位时，去全局设置 → 界面和外观 → 渲染器，换一种渲染方案或关闭硬件加速试试；
命令行入口是主程序Umi-OCR.exe，如果你用的是备用启动器（如UmiOCR-data/RUN_GUI.bat），命令行参数会失效；
命令行和 HTTP 接口依赖本地环回通信（HTTP 服务默认开启），在全局设置里如果关了 HTTP 服务，这两种调用方式都会不可用。

接入自己的工作流

命令行常用指令：umi-ocr --screenshot鼠标截屏识别、umi-ocr --path "D:/图片目录"批量识别整个文件夹（含嵌套子文件夹）、umi-ocr --clip让结果直接进剪贴板。指令支持简写，--screenshot可以只敲--sc；
HTTP 接口提供图片 OCR（Base64 传图）、文档识别、二维码识别/生成等端点，默认监听127.0.0.1:1224。文档里也提示：后端并发能力有限，尽量不要并发调用，长时间大批量连续调用偶发连接报错时重发即可。