Umi-OCR离线文字识别实战指南截图、批量与PDF文档识别从入门到精通【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你是否遇到过这样的场景网课上有一段重要内容想记下来却无法复制文字扫描版PDF里的合同和论文急等着转成可编辑文本几百张截图需要批量提取文字手工一个个打字又慢又容易出错。Umi-OCR就是为这些场景而生的免费开源离线OCR工具——它把识别文字这件事做成了解压即用的绿色软件不联网、不收费、不限次数。本指南将带你走完从第一次成功识别到批量自动化处理的完整旅程。第一站 · 快速上手10分钟完成第一次文字识别Umi-OCR的核心理念是即开即用。整个上手过程只有三步全程不需要安装、不需要注册、不需要联网。第一步下载并解压从项目发布页下载.7z压缩包或.7z.exe自解压包。自解压包的好处是即使电脑上没有安装压缩软件也能直接解压。解压完成后双击文件夹里的Umi-OCR.exe即可启动Linux系统运行umi-ocr.sh。 提示这是绿色软件不用装任何依赖。你可以把它放进U盘随身携带换电脑也能用。第二步打开截图OCR标签页启动后默认就停留在截图OCR页面。软件会按你的系统语言自动切换界面第一次使用时建议顺手在全局设置里确认已勾选简体中文识别模型。第三步按下快捷键框选即识别点击界面上的截图按钮或直接使用快捷键唤起截图框选屏幕上的任意文字区域识别结果立刻出现在界面中。点击结果即可复制右键还能全选、编辑。截图OCR页面框选屏幕区域后自动识别文字右侧记录栏可编辑和复制历史结果到这里你已经完成了人生中第一次离线文字识别——整个过程不超过10分钟。这就是离线识别的魅力就像手机不联网也能拍照翻译所有识别都在本地完成隐私不外泄速度还快。第二站 · 场景实战三个典型场景构建用法地图会用截图只是入门真正的高效来自对场景的理解。以下三个场景基本覆盖了日常办公的绝大多数需求。场景一课件与网课截图即截即存解决什么问题看网课、读电子书时想摘录文字手动打字太慢。怎么操作切换到截图OCR页用快捷键截取目标区域识别结果自动出现在右侧记录栏。你可以划选多条记录一次性复制也可以直接编辑修改。如果截错了按Esc或右键即可取消重截。技巧截图OCR页面支持粘贴图片——在别处复制图片后直接在Umi-OCR里按CtrlV就能识别无需保存文件。场景二批量识别大量图片一次任务全搞定解决什么问题几十上百张截图、照片、文档扫描图需要提取文字逐张识别太浪费时间。怎么操作切换到批量OCR标签页把图片文件直接拖入窗口支持jpg, png, webp, bmp, tif, tiff等常见格式或点击选择图片按钮添加。确认无误后点击开始任务右侧实时显示每张图的处理进度和识别结果。任务完成后识别文本会保存为文件。批量OCR页面支持一次性导入大量图片实时显示处理进度、耗时与识别结果关键设置保存格式支持txt、jsonl、md、csv(Excel)可按用途多选。需要导入Excel就勾选csv需要数据分析就选jsonl。排版解析方案这是Umi-OCR的招牌功能。识别多栏排版的杂志或论文时选多栏-按自然段换行软件会自动按阅读顺序重排文字而不是东一句西一句地拼接。技巧批量任务支持中途暂停即使休眠后重启电脑也能恢复任务如果任务量巨大还可以设置完成后自动关机人走活干。场景三扫描版PDF文档识别转出可搜索文本解决什么问题图书馆扫描的论文、公司历史合同、传真件都是图片型PDF无法复制搜索。怎么操作切换到文档识别标签页拖入PDF文件同时支持xps, epub, mobi, fb2, cbz等格式设置输出格式后开始任务。核心是四种内容提取模式 | 提取模式 | 适用场景 | |---------|---------| | 混合OCR/原文本 | 图文混排文档图片区域OCR、文字区域直接拷贝速度最快 | | 整页强制OCR | 扫描质量差或想统一识别效果时整页都走OCR | | 仅OCR图片 | 只需要识别文档中嵌入的图片内容 | | 仅拷贝原有文本 | 电子版PDF快速导出文本完全跳过识别 |技巧扫描件建议输出为双层可搜索PDF——底层保留原扫描图像上层叠加识别出的文字层。这样既保留原始排版又能在阅读器里直接搜索、复制文字是数字存档的最佳格式。同时可以利用忽略区域功能排除页眉页脚、页码等重复文字批量处理学术论文时尤其好用。 提示识别结果可以在输出前预览排版效果及时调整参数后再正式生成。第三站 · 高手进阶调优、命令行与HTTP接口基础用法熟练之后下面这些进阶技巧能帮你突破效率瓶颈。性能调优三组参数对应不同硬件识别质量与速度的平衡取决于两个核心参数。在批量OCR的设置中调整参数作用低配4GB内存标准8GB内存高性能16GB限制图像边长超过该值的图片被压缩越高越清晰但越慢96019202880纠正文本方向自动识别倾斜或倒置文本关闭开启开启一个常见误区是分辨率越高识别越准——实际上把模糊大图无限放大反而会引入噪声。官方建议将图像边长控制在2880像素以内在精度与速度之间取得最佳平衡。忽略区域不只是去水印批量OCR和文档识别都支持忽略区域功能。除了去除水印它还能排除页眉页脚、广告栏等重复元素。操作时按住右键绘制矩形框框内的文本块会在任务中被忽略。避坑提醒忽略区域是按完整文本块判定的不是按单个字符。所以矩形框一定要画得足够大完全覆盖水印可能出现的位置否则漏画的部分仍会被识别出来。命令行调用让OCR融入自动化流程Umi-OCR支持命令行调用方便接入脚本和自动化工具。启动软件后在终端执行# 截取屏幕指定区域并识别 Umi-OCR.exe --screenshot screen0 rect50,100,300,200 # 识别指定图片或文件夹支持嵌套子文件夹 Umi-OCR.exe --path D:/scans --output result.txt # 识别剪贴板中的图片 Umi-OCR.exe --clipboard --clip命令行与HTTP接口依赖本地服务进行通信该服务默认开启且仅在本地回环运行不会泄露到外部网络。命令行详细参数见 docs/README_CLI.md。HTTP接口二次开发者的利器对于开发者Umi-OCR提供完整的HTTP接口默认端口1224支持图片OCR、文档识别、二维码识别三类能力。以下是一个最小可用的图片识别调用import requests import base64 img base64.b64encode(open(test.png, rb).read()).decode() resp requests.post(http://127.0.0.1:1224/api/ocr, json{ base64: img, ocr.language: models/config_chinese.txt, # 简体中文模型 tbpu.parser: multi_para # 多栏-按自然段换行 }) print(resp.json()[data])PDF识别则走上传→轮询任务→下载结果的异步流程官方提供了Python和Web示例代码详见 docs/http/api_doc.md。把Umi-OCR当作本地OCR引擎你可以轻松把它集成进自己的文档管理系统或批处理脚本。多语言支持一套软件多种语言Umi-OCR内置了简体中文、繁体中文、英文、日文、韩文、俄文等多国识别模型也支持多国语言界面。在全局设置 → 语言/Language中即可切换界面语言识别语言则在各页面的设置中按需选择。全局设置支持多国语言界面与识别模型切换满足多语言文档处理需求避坑答疑区高频问题速查❌ 常见误区✅ 正确做法图片分辨率越高识别越准控制在2880像素以内避免无谓的性能损耗忽略区域只用来去水印同样适用于排除页眉页脚、广告栏等重复元素输出格式随便选一个就行存档选双层PDF、编辑选TXT、数据分析选JSONL截图OCR出现界面闪烁是软件坏了这是显卡渲染兼容问题在全局设置 → 界面和外观 → 渲染器切换渲染方案即可模糊图片只能放弃先调整对比度/锐化预处理再开启纠正文本方向重试Q识别结果顺序乱怎么办A在排版解析方案中根据文档类型选择对应方案。多栏排版选多栏系列代码截图选单栏-保留缩进可保留行首缩进与空格普通文章用默认的多栏-按自然段换行即可。Q大图识别速度很慢A在设置中调低限制图像边长牺牲少量精度换取数倍速度提升。QUmi-OCR对电脑有什么要求A支持 Windows7 x64 和主流 Linux x64 系统内存4GB即可流畅运行无需显卡。收尾让每一次文字提取都更简单从10分钟上手截图识别到批量处理百张图片再到用命令行和HTTP接口搭建自动化流程Umi-OCR用一套免费、开源、离线可用的方案覆盖了文字提取的几乎所有场景。它的核心价值很朴素把机械的抄录工作交给机器把时间还给真正需要思考的你。如果你想进一步探索阅读更新日志 CHANGE_LOG.md 了解每个版本的演进与新增功能查阅命令行手册 docs/README_CLI.md 和HTTP接口文档 docs/http/README.md若需要获取源码或参与开发可使用以下命令克隆仓库git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR现在就打开Umi-OCR试着识别你的第一张图片吧——你会发现原来文字提取可以这么简单。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Umi-OCR离线文字识别实战指南：截图、批量与PDF文档识别从入门到精通
Umi-OCR离线文字识别实战指南截图、批量与PDF文档识别从入门到精通【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你是否遇到过这样的场景网课上有一段重要内容想记下来却无法复制文字扫描版PDF里的合同和论文急等着转成可编辑文本几百张截图需要批量提取文字手工一个个打字又慢又容易出错。Umi-OCR就是为这些场景而生的免费开源离线OCR工具——它把识别文字这件事做成了解压即用的绿色软件不联网、不收费、不限次数。本指南将带你走完从第一次成功识别到批量自动化处理的完整旅程。第一站 · 快速上手10分钟完成第一次文字识别Umi-OCR的核心理念是即开即用。整个上手过程只有三步全程不需要安装、不需要注册、不需要联网。第一步下载并解压从项目发布页下载.7z压缩包或.7z.exe自解压包。自解压包的好处是即使电脑上没有安装压缩软件也能直接解压。解压完成后双击文件夹里的Umi-OCR.exe即可启动Linux系统运行umi-ocr.sh。 提示这是绿色软件不用装任何依赖。你可以把它放进U盘随身携带换电脑也能用。第二步打开截图OCR标签页启动后默认就停留在截图OCR页面。软件会按你的系统语言自动切换界面第一次使用时建议顺手在全局设置里确认已勾选简体中文识别模型。第三步按下快捷键框选即识别点击界面上的截图按钮或直接使用快捷键唤起截图框选屏幕上的任意文字区域识别结果立刻出现在界面中。点击结果即可复制右键还能全选、编辑。截图OCR页面框选屏幕区域后自动识别文字右侧记录栏可编辑和复制历史结果到这里你已经完成了人生中第一次离线文字识别——整个过程不超过10分钟。这就是离线识别的魅力就像手机不联网也能拍照翻译所有识别都在本地完成隐私不外泄速度还快。第二站 · 场景实战三个典型场景构建用法地图会用截图只是入门真正的高效来自对场景的理解。以下三个场景基本覆盖了日常办公的绝大多数需求。场景一课件与网课截图即截即存解决什么问题看网课、读电子书时想摘录文字手动打字太慢。怎么操作切换到截图OCR页用快捷键截取目标区域识别结果自动出现在右侧记录栏。你可以划选多条记录一次性复制也可以直接编辑修改。如果截错了按Esc或右键即可取消重截。技巧截图OCR页面支持粘贴图片——在别处复制图片后直接在Umi-OCR里按CtrlV就能识别无需保存文件。场景二批量识别大量图片一次任务全搞定解决什么问题几十上百张截图、照片、文档扫描图需要提取文字逐张识别太浪费时间。怎么操作切换到批量OCR标签页把图片文件直接拖入窗口支持jpg, png, webp, bmp, tif, tiff等常见格式或点击选择图片按钮添加。确认无误后点击开始任务右侧实时显示每张图的处理进度和识别结果。任务完成后识别文本会保存为文件。批量OCR页面支持一次性导入大量图片实时显示处理进度、耗时与识别结果关键设置保存格式支持txt、jsonl、md、csv(Excel)可按用途多选。需要导入Excel就勾选csv需要数据分析就选jsonl。排版解析方案这是Umi-OCR的招牌功能。识别多栏排版的杂志或论文时选多栏-按自然段换行软件会自动按阅读顺序重排文字而不是东一句西一句地拼接。技巧批量任务支持中途暂停即使休眠后重启电脑也能恢复任务如果任务量巨大还可以设置完成后自动关机人走活干。场景三扫描版PDF文档识别转出可搜索文本解决什么问题图书馆扫描的论文、公司历史合同、传真件都是图片型PDF无法复制搜索。怎么操作切换到文档识别标签页拖入PDF文件同时支持xps, epub, mobi, fb2, cbz等格式设置输出格式后开始任务。核心是四种内容提取模式 | 提取模式 | 适用场景 | |---------|---------| | 混合OCR/原文本 | 图文混排文档图片区域OCR、文字区域直接拷贝速度最快 | | 整页强制OCR | 扫描质量差或想统一识别效果时整页都走OCR | | 仅OCR图片 | 只需要识别文档中嵌入的图片内容 | | 仅拷贝原有文本 | 电子版PDF快速导出文本完全跳过识别 |技巧扫描件建议输出为双层可搜索PDF——底层保留原扫描图像上层叠加识别出的文字层。这样既保留原始排版又能在阅读器里直接搜索、复制文字是数字存档的最佳格式。同时可以利用忽略区域功能排除页眉页脚、页码等重复文字批量处理学术论文时尤其好用。 提示识别结果可以在输出前预览排版效果及时调整参数后再正式生成。第三站 · 高手进阶调优、命令行与HTTP接口基础用法熟练之后下面这些进阶技巧能帮你突破效率瓶颈。性能调优三组参数对应不同硬件识别质量与速度的平衡取决于两个核心参数。在批量OCR的设置中调整参数作用低配4GB内存标准8GB内存高性能16GB限制图像边长超过该值的图片被压缩越高越清晰但越慢96019202880纠正文本方向自动识别倾斜或倒置文本关闭开启开启一个常见误区是分辨率越高识别越准——实际上把模糊大图无限放大反而会引入噪声。官方建议将图像边长控制在2880像素以内在精度与速度之间取得最佳平衡。忽略区域不只是去水印批量OCR和文档识别都支持忽略区域功能。除了去除水印它还能排除页眉页脚、广告栏等重复元素。操作时按住右键绘制矩形框框内的文本块会在任务中被忽略。避坑提醒忽略区域是按完整文本块判定的不是按单个字符。所以矩形框一定要画得足够大完全覆盖水印可能出现的位置否则漏画的部分仍会被识别出来。命令行调用让OCR融入自动化流程Umi-OCR支持命令行调用方便接入脚本和自动化工具。启动软件后在终端执行# 截取屏幕指定区域并识别 Umi-OCR.exe --screenshot screen0 rect50,100,300,200 # 识别指定图片或文件夹支持嵌套子文件夹 Umi-OCR.exe --path D:/scans --output result.txt # 识别剪贴板中的图片 Umi-OCR.exe --clipboard --clip命令行与HTTP接口依赖本地服务进行通信该服务默认开启且仅在本地回环运行不会泄露到外部网络。命令行详细参数见 docs/README_CLI.md。HTTP接口二次开发者的利器对于开发者Umi-OCR提供完整的HTTP接口默认端口1224支持图片OCR、文档识别、二维码识别三类能力。以下是一个最小可用的图片识别调用import requests import base64 img base64.b64encode(open(test.png, rb).read()).decode() resp requests.post(http://127.0.0.1:1224/api/ocr, json{ base64: img, ocr.language: models/config_chinese.txt, # 简体中文模型 tbpu.parser: multi_para # 多栏-按自然段换行 }) print(resp.json()[data])PDF识别则走上传→轮询任务→下载结果的异步流程官方提供了Python和Web示例代码详见 docs/http/api_doc.md。把Umi-OCR当作本地OCR引擎你可以轻松把它集成进自己的文档管理系统或批处理脚本。多语言支持一套软件多种语言Umi-OCR内置了简体中文、繁体中文、英文、日文、韩文、俄文等多国识别模型也支持多国语言界面。在全局设置 → 语言/Language中即可切换界面语言识别语言则在各页面的设置中按需选择。全局设置支持多国语言界面与识别模型切换满足多语言文档处理需求避坑答疑区高频问题速查❌ 常见误区✅ 正确做法图片分辨率越高识别越准控制在2880像素以内避免无谓的性能损耗忽略区域只用来去水印同样适用于排除页眉页脚、广告栏等重复元素输出格式随便选一个就行存档选双层PDF、编辑选TXT、数据分析选JSONL截图OCR出现界面闪烁是软件坏了这是显卡渲染兼容问题在全局设置 → 界面和外观 → 渲染器切换渲染方案即可模糊图片只能放弃先调整对比度/锐化预处理再开启纠正文本方向重试Q识别结果顺序乱怎么办A在排版解析方案中根据文档类型选择对应方案。多栏排版选多栏系列代码截图选单栏-保留缩进可保留行首缩进与空格普通文章用默认的多栏-按自然段换行即可。Q大图识别速度很慢A在设置中调低限制图像边长牺牲少量精度换取数倍速度提升。QUmi-OCR对电脑有什么要求A支持 Windows7 x64 和主流 Linux x64 系统内存4GB即可流畅运行无需显卡。收尾让每一次文字提取都更简单从10分钟上手截图识别到批量处理百张图片再到用命令行和HTTP接口搭建自动化流程Umi-OCR用一套免费、开源、离线可用的方案覆盖了文字提取的几乎所有场景。它的核心价值很朴素把机械的抄录工作交给机器把时间还给真正需要思考的你。如果你想进一步探索阅读更新日志 CHANGE_LOG.md 了解每个版本的演进与新增功能查阅命令行手册 docs/README_CLI.md 和HTTP接口文档 docs/http/README.md若需要获取源码或参与开发可使用以下命令克隆仓库git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR现在就打开Umi-OCR试着识别你的第一张图片吧——你会发现原来文字提取可以这么简单。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考