企业官网建设流程全解析

Umi-OCR：免费开源的离线OCR工具，截图、批量图片与PDF转文本一站完成

【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、免费的离线 OCR 软件，全部识别在本地完成，不联网、不上传、无收费功能。它面向三类用户：日常需要截图转文字的办公族、需要批量识别图片的开发者，以及要处理扫描版 PDF 的人。支持 Windows 7 x64 与 Linux x64，解压后运行Umi-OCR.exe即可使用，核心能力覆盖离线OCR、批量识别图片、PDF转文本、二维码扫描与生成，并内置中、英、日、韩等多国语言识别库。

为什么选它

和常见的替代方案放在一起看，差异比较直观：

• 隐私：敏感文档（合同、病历、内部资料）从不出本机，断网环境也能正常工作。
• 成本：代码全部开源，识别张数无上限，没有会员和验证码。
• 省事：内置 RapidOCR / PaddleOCR 离线引擎，多语言模型库随包携带，不需要自己配模型文件。

功能一览

主界面一览：左侧是截取的图片预览，右侧是识别出的文本，方便当场核对识别效果。

场景实测

随手截图识别

• 输入：屏幕上任意一段文字（代码、文档、聊天记录）。
• 操作：打开"截图OCR"标签页，按快捷键框选区域；也可以直接在别处复制图片后粘贴进来。
• 输出：文字出现在右侧记录栏，可直接编辑、划选复制。识别排版不理想时，在页面设置里切换"排版解析"方案即可：多栏文档选"多栏-按自然段换行"，代码截图选"单栏-保留缩进"。

右侧"设置/记录"面板中，识别结果逐条列出，右键可复制、全选，多条记录也能合并复制。

批量识别图片

• 输入：一个文件夹里几百张 jpg / png / webp / tif 图片。
• 操作：在"批量OCR"页添加文件夹，顶部进度条开始跑；结果可保存为 txt、jsonl、md、csv（Excel）；任务完成后可自动关机或待机，适合挂机处理。
• 输出：每张图对应一份识别文本。

左侧为待识别图片列表，右侧显示各图片的识别状态与结果，顶部进度条实时反映批量任务进度。

两个批量场景的实用技巧：

• 图片自带水印或 LOGO：在批量页右栏打开"忽略区域"编辑器，用右键画矩形框把水印位置包进去。注意只有整个文本块落在框内才会被忽略，框画得尽量大一些。
• 超长图、超大图识别不全：把"设置→文字识别→限制图像边长"的数值调高，默认压缩边长会牺牲细节。

扫描件转可编辑文本

• 输入：扫描版 PDF（也支持 xps、epub、mobi、fb2、cbz）。
• 操作：进入"文档识别"页添加文件，勾选输出格式；页眉页脚干扰同样用忽略区域排除。
• 输出：纯文本，或"双层可搜索 PDF"——原文层保留，底下叠加一层 OCR 文本，能直接 Ctrl+F 搜索。

Umi-OCR 支持多国界面语言，首次启动会跟随系统自动切换；识别引擎内置简体中文、English、繁體中文、日本語、한국어、Русский 等语言库，处理外文扫描件前先在识别设置里选对语言模型。

进阶玩法

命令行

入口就是主程序Umi-OCR.exe，前提是全局设置里允许 HTTP 服务（默认开启，主机保持"仅本地"即可，通信走本机回环，不出网卡）。最小示例：

umi-ocr --path "D:/photo.png"

其他常用指令：--screenshot（鼠标截屏识别）、--clipboard（识别剪贴板图片）、--show/--quit（显示主窗口 / 关闭软件）。完整参数见 docs/README_CLI.md。

HTTP 接口

适合把 OCR 嵌进自己的脚本。默认端口1224，把图片转成 Base64 后 POST 即可：

curl -X POST http://127.0.0.1:1224/api/ocr -H "Content-Type: application/json" -d '{"image": "<base64图片>"}'

接口还支持文档识别与二维码识别/生成。两点提醒：后端并发能力弱，不要并发调用；长时间连续调用偶发ECONNREFUSED时重试即可。详见 docs/http/README.md。

避坑清单

1. 识别结果缺字、错字 → 图片本身模糊或边长被压缩→ 换清晰图源；"限制图像边长"调高数值。
2. 水印、页眉页脚混进结果 → 干扰文字被当成正文→ 用"忽略区域"框掉，且框要完整包住整个文本块。
3. 多栏文章输出顺序混乱 → 引擎按视觉位置而非阅读顺序输出→ 切换"排版解析"预设方案（多栏/单栏、换行策略按文档类型选）。
4. 外文识别效果差 → 语言模型没选对→ 在识别设置中把语言/模型库切到对应语言。
5. 命令行或 HTTP 调用无响应 → 全局设置里 HTTP 服务被关掉→ 重新勾选允许 HTTP 服务，主机设"仅本地"。
6. 截图时界面闪烁、UI 错位 → 显卡硬件加速冲突（Windows 常见）→ 全局设置→界面和外观→渲染器，换渲染方案或关闭硬件加速。

资源

Umi-OCR 用"离线 + 免费 + 可脚本化"三件事把 OCR 的门槛压到很低，日常识别到批量自动化都能覆盖。

• 仓库克隆：git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR
• 发行版下载（含 v2.1.5）：仓库根目录Umi-OCR_Rapid_v2.1.5.7z
• 更新日志：CHANGE_LOG.md
• 命令行手册：docs/README_CLI.md
• HTTP 接口手册：docs/http/README.md

【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