Umi-OCR離線(xiàn)OCR完整攻略截圖、批量、PDF文檔識(shí)別一網(wǎng)打盡【免費(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開(kāi)源、免費(fèi)的離線(xiàn)OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁(yè)眉頁(yè)腳掃描/生成二維碼。內(nèi)置多國(guó)語(yǔ)言庫(kù)。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCRUmi-OCR是一款免費(fèi)、開(kāi)源、完全離線(xiàn)的OCR文字識(shí)別軟件核心功能包括截圖識(shí)別、批量圖片識(shí)別與PDF文檔識(shí)別還內(nèi)置二維碼掃描/生成與多國(guó)語(yǔ)言支持。你不需要注冊(cè)賬號(hào)不需要聯(lián)網(wǎng)解壓雙擊就能把屏幕上、圖片里、PDF掃描件中的文字摳出來(lái)。這篇文章不講晦澀原理只按真實(shí)使用路徑帶你從下載安裝、逐個(gè)體驗(yàn)核心功能一直到避開(kāi)那些新手最容易踩的坑。從一次抓狂的復(fù)制說(shuō)起離線(xiàn)OCR到底解決了什么先講個(gè)場(chǎng)景同事發(fā)來(lái)一份掃描版PDF合同你想引用其中一段條款結(jié)果全選、復(fù)制——屏幕上只有一行提示無(wú)法從此PDF復(fù)制文字。你只好打開(kāi)在線(xiàn)識(shí)別網(wǎng)站結(jié)果發(fā)現(xiàn)文件超過(guò)大小限制、一天只送幾次免費(fèi)額度更糟的是這些敏感合同要先上傳到別人的服務(wù)器。這個(gè)痛點(diǎn)正是Umi-OCR存在的理由。它把OCR引擎整個(gè)搬到了你的電腦里本地運(yùn)行、本地計(jì)算圖片和文檔都不離開(kāi)你的硬盤(pán)。識(shí)別多少?gòu)?、多大多小、什么時(shí)候用都由你說(shuō)了算。一句話(huà)總結(jié)它的定位給Windows和Linux用戶(hù)的一把本地文字剪刀剪哪里、剪多少全憑你自己。整篇文章會(huì)帶你走完四條路先花三分鐘跑起來(lái)再把截圖、批量、PDF三大主力功能逐個(gè)摸清然后學(xué)會(huì)用語(yǔ)言、排版、性能三個(gè)旋鈕微調(diào)體驗(yàn)最后翻一遍新手最容易踩的坑。我們開(kāi)始。三分鐘跑起來(lái)解壓即用的上手路徑Umi-OCR是綠色軟件不需要安裝這也是它最讓人舒服的一點(diǎn)。上手只需要三步下載從項(xiàng)目發(fā)布頁(yè)獲取.7z壓縮包或.7z.exe自解壓包。如果電腦沒(méi)裝壓縮軟件選自解壓包雙擊即可解開(kāi)。解壓把壓縮包解壓到任意目錄比如D:/Tools/Umi-OCR注意路徑里不要帶中文和空格可以減少莫名奇妙的兼容問(wèn)題。啟動(dòng)雙擊Umi-OCR.exeWindows或運(yùn)行umi-ocr.shLinux。第一次啟動(dòng)時(shí)軟件會(huì)自動(dòng)讀取你的系統(tǒng)語(yǔ)言把界面切成對(duì)應(yīng)的語(yǔ)言想手動(dòng)切換隨時(shí)去全局設(shè)置里改。程序主體由多個(gè)標(biāo)簽頁(yè)組成——截圖OCR、批量OCR、文檔識(shí)別、二維碼、全局設(shè)置等就像瀏覽器的標(biāo)簽欄一樣你想用哪個(gè)點(diǎn)哪個(gè)還可以鎖住常用標(biāo)簽防止誤關(guān)。這里有個(gè)容易忽略的小提醒啟動(dòng)前把殺毒軟件的白名單里加一下軟件目錄。因?yàn)閁mi-OCR內(nèi)置了本地OCR引擎和運(yùn)行庫(kù)部分殺軟會(huì)誤報(bào)加白名單能省去后續(xù)很多為什么閃退的煩惱。核心功能逐個(gè)演示從截屏到PDF一條龍截圖OCR屏幕上看到的文字隨抓隨用日常最高頻的場(chǎng)景就是看到一段文字想立刻復(fù)制。打開(kāi)截圖OCR標(biāo)簽頁(yè)按下快捷鍵喚起截圖框劃出目標(biāo)區(qū)域識(shí)別結(jié)果會(huì)立刻出現(xiàn)在右側(cè)記錄欄里。幾個(gè)很實(shí)用的小習(xí)慣不用截圖也能識(shí)別在別處復(fù)制一張圖片比如聊天窗口里回到Umi-OCR直接粘貼它照樣幫你識(shí)別。結(jié)果可以二次編輯右側(cè)記錄欄里的文字能直接改錯(cuò)、劃選多條記錄一起復(fù)制識(shí)別完順手就能整理成你想要的格式。豎排文字也不怕排版解析會(huì)自動(dòng)處理橫排和豎排從右到左的文本只要OCR引擎本身支持豎排即可。截圖識(shí)別只是開(kāi)胃菜真正體現(xiàn)效率的還在后面。批量OCR幾百?gòu)垐D片一口氣處理遇到幾十上百?gòu)埥貓D、掃描件、相冊(cè)照片一張張截屏識(shí)別就太虧了。切到批量OCR標(biāo)簽頁(yè)把圖片拖進(jìn)窗口支持jpg、png、webp、bmp、tif、tiff等常見(jiàn)格式一次拖幾百?gòu)堃矝](méi)有數(shù)量上限。點(diǎn)下開(kāi)始任務(wù)右側(cè)會(huì)逐張顯示文件耗時(shí)、置信度和識(shí)別結(jié)果。任務(wù)跑完可以按需輸出成txt、jsonl、md、csvExcel可直接打開(kāi)四種格式。對(duì)于深夜掛機(jī)場(chǎng)景它還支持任務(wù)完成后自動(dòng)關(guān)機(jī)或待機(jī)——睡前扔進(jìn)去幾百?gòu)垐D醒來(lái)直接拿結(jié)果。忽略區(qū)域讓水印、頁(yè)眉頁(yè)腳自動(dòng)隱身批量識(shí)別有個(gè)高頻痛點(diǎn)圖片角落的水印、LOGO、頁(yè)眉頁(yè)腳每次都會(huì)混進(jìn)識(shí)別結(jié)果里還要人工刪。Umi-OCR的忽略區(qū)域功能就是為這個(gè)設(shè)計(jì)的。在批量識(shí)別頁(yè)的右側(cè)設(shè)置里進(jìn)入忽略區(qū)域編輯器按住右鍵在圖片上繪制多個(gè)矩形框把水印可能出現(xiàn)的位置全部框住識(shí)別時(shí)這些區(qū)域內(nèi)的文字就會(huì)被自動(dòng)排除。做學(xué)術(shù)論文批量轉(zhuǎn)換時(shí)用這個(gè)功能把統(tǒng)一的頁(yè)眉頁(yè)腳一次框掉輸出會(huì)干凈很多。這里有一個(gè)必須記住的機(jī)制只有完全處于矩形框內(nèi)部的整個(gè)文本塊才會(huì)被忽略而不是單個(gè)字符。所以畫(huà)框時(shí)寧可大一點(diǎn)把水印所有可能出現(xiàn)的位置都包住否則漏框一次結(jié)果里就混進(jìn)一行雜音。文檔識(shí)別掃描版PDF也能變成可搜索文本如果說(shuō)前面是熱身文檔識(shí)別就是Umi-OCR的壓軸功能。它支持pdf、xps、epub、mobi、fb2、cbz六種格式其中PDF掃描件是最典型的應(yīng)用場(chǎng)景。底層邏輯可以概括為三步解析 → 識(shí)別 → 重組。PDF先被解析引擎底層依賴(lài)PyMuPDF拆開(kāi)區(qū)分出本來(lái)就有的文本層和需要OCR的掃描圖片層掃描圖片交給本地OCR引擎逐頁(yè)識(shí)別最后按閱讀順序重新拼裝輸出成你指定的格式。具體到操作有兩個(gè)亮點(diǎn)值得展開(kāi)雙層可搜索PDF這是很多人的剛需。對(duì)掃描版PDF做OCR后輸出為底層是原圖、上層是透明文字的雙層PDF。外觀(guān)上跟原掃描件一模一樣但里面的文字可以搜索、復(fù)制、劃線(xiàn)。給公司做歷史合同歸檔、給學(xué)校做論文數(shù)字化這個(gè)功能都能直接頂上去。靈活的提取模式Umi-OCR會(huì)優(yōu)先嘗試提取PDF自帶的文本層速度快、零識(shí)別誤差只有當(dāng)遇到純掃描頁(yè)時(shí)才自動(dòng)切換到OCR。你還可以主動(dòng)選擇整頁(yè)強(qiáng)制OCR或反過(guò)來(lái)只提取原文本。v2.1.2版本起還支持輸出單層純文本PDF想要體積小、好編輯的文件時(shí)可以選它。文檔識(shí)別同樣支持忽略區(qū)域可按頁(yè)碼范圍設(shè)置用來(lái)排除掃描件的頁(yè)眉頁(yè)腳也能設(shè)置任務(wù)完成后的自動(dòng)關(guān)機(jī)。如果家里有一堆掃描版書(shū)要轉(zhuǎn)成可搜索存檔這個(gè)標(biāo)簽頁(yè)能幫你省下大量人工。三個(gè)關(guān)鍵配置語(yǔ)言、排版與性能多語(yǔ)言界面一套軟件多國(guó)面孔Umi-OCR的界面語(yǔ)言支持中文、繁體中文、英文、日文、俄語(yǔ)、葡萄牙語(yǔ)等多種語(yǔ)言由社區(qū)譯者協(xié)作維護(hù)版本更新還會(huì)持續(xù)新增。切換路徑是全局設(shè)置 → 語(yǔ)言/Language。順帶一提界面語(yǔ)言和識(shí)別語(yǔ)言庫(kù)是兩回事界面語(yǔ)言管按鈕菜單長(zhǎng)什么樣識(shí)別語(yǔ)言庫(kù)管OCR引擎認(rèn)哪種文字。識(shí)別語(yǔ)言可以在各標(biāo)簽頁(yè)的文字識(shí)別設(shè)置里單獨(dú)選擇或下載。比如你的界面用中文、但日常識(shí)別日文書(shū)籍二者完全可以搭配使用。排版方案怎么選給OCR結(jié)果排座位OCR引擎吐出的文字往往是散裝的誰(shuí)先誰(shuí)后要看排版解析怎么安排。Umi-OCR內(nèi)置了多套預(yù)設(shè)方案選對(duì)方案輸出的文本才符合閱讀習(xí)慣方案適用場(chǎng)景多欄-按自然段換行兩欄/三欄排版的論文、書(shū)籍自動(dòng)按段落斷行最常用多欄-總是換行每句獨(dú)立成行適合后續(xù)按行處理多欄-無(wú)換行強(qiáng)制整段合并成一行單欄-按自然段換行單欄文檔段落自然換行單欄-保留縮進(jìn)代碼截圖專(zhuān)用保留行首縮進(jìn)和行中空格不做處理OCR引擎原始輸出不做任何整理其中單欄-保留縮進(jìn)值得單獨(dú)表?yè)P(yáng)把代碼截圖扔進(jìn)去輸出能基本保持縮進(jìn)結(jié)構(gòu)配合截圖OCR簡(jiǎn)直是小程序員的福音。如果你不確定選哪個(gè)直接選多欄-按自然段換行就對(duì)了它能覆蓋大多數(shù)場(chǎng)景遇到特殊排版再回來(lái)逐個(gè)切換對(duì)比。性能微調(diào)大圖、內(nèi)存與渲染器三個(gè)常見(jiàn)性能問(wèn)題的應(yīng)對(duì)方法識(shí)別長(zhǎng)圖/大圖不完整去文字識(shí)別設(shè)置里調(diào)高限制圖像邊長(zhǎng)。默認(rèn)邊長(zhǎng)限制是為了平衡速度與內(nèi)存遇到像素特別大的長(zhǎng)截圖適當(dāng)調(diào)高數(shù)值即可。內(nèi)存占用偏高如果用的是PaddleOCR插件v2.1.4版本起默認(rèn)內(nèi)存占用被限制在系統(tǒng)總內(nèi)存的一半以?xún)?nèi)想進(jìn)一步壓內(nèi)存可以在插件配置里調(diào)低線(xiàn)程數(shù)。截屏閃爍或界面錯(cuò)位這是顯卡渲染兼容問(wèn)題去全局設(shè)置 → 界面和外觀(guān) → 渲染器切換渲染方案或直接關(guān)閉硬件加速通常能解決。新手避坑清單8個(gè)高頻問(wèn)題的標(biāo)準(zhǔn)答案把最常見(jiàn)的報(bào)錯(cuò)和誤區(qū)集中成一份清單遇到問(wèn)題直接對(duì)號(hào)入座忽略區(qū)域畫(huà)了卻沒(méi)效果檢查矩形框是否夠大只有整個(gè)文本塊完全在框內(nèi)才會(huì)被忽略再確認(rèn)是否保存了忽略區(qū)域配置。長(zhǎng)圖識(shí)別結(jié)果缺胳膊少腿調(diào)高限制圖像邊長(zhǎng)而不是盲目放大原圖——過(guò)度放大會(huì)增加噪聲反而降低準(zhǔn)確率。截圖時(shí)界面閃爍、錯(cuò)位切渲染器或關(guān)硬件加速見(jiàn)上文。命令行指令沒(méi)反應(yīng)Umi-OCR依賴(lài)本地HTTP服務(wù)進(jìn)行進(jìn)程間通信請(qǐng)確認(rèn)全局設(shè)置里HTTP服務(wù)已開(kāi)啟默認(rèn)開(kāi)啟且僅監(jiān)聽(tīng)本地環(huán)回不經(jīng)過(guò)物理網(wǎng)卡數(shù)據(jù)不會(huì)外泄。批量任務(wù)想中途休息v2.1.2起支持暫停任務(wù)只要軟件不退出待機(jī)/休眠后可以繼續(xù)跑。代碼截圖排版全亂了切到單欄-保留縮進(jìn)。多欄論文輸出順序串行切到多欄-按自然段換行。文件夾里有幾萬(wàn)個(gè)文件加載很卡v2.1.5優(yōu)化了異步加載機(jī)制遇到超大文件夾可以稍等加載完成再操作預(yù)覽界面會(huì)顯示加載進(jìn)度。延伸探索命令行、HTTP接口與更多玩法對(duì)普通用戶(hù)來(lái)說(shuō)圖形界面已經(jīng)夠用但如果你想把它嵌入自己的工作流Umi-OCR還提供兩條程序化通道。命令行模式入口就是主程序本身。幾個(gè)常用姿勢(shì)# 截屏識(shí)別結(jié)果直接進(jìn)剪貼板 umi-ocr --screenshot --clip # 識(shí)別指定圖片結(jié)果輸出到文件 umi-ocr --path D:/掃描件.png --output result.txt # 識(shí)別整個(gè)文件夾含子目錄 umi-ocr --path D:/scans -- all_result.txt # 生成二維碼 umi-ocr --qrcode_create 你好Umi-OCR D:/qrcode.png 256配合快捷鍵工具如HotkeysCMD還能實(shí)現(xiàn)按一個(gè)鍵自動(dòng)截指定屏幕區(qū)域并識(shí)別的騷操作。指令的具體參數(shù)和簡(jiǎn)寫(xiě)規(guī)則見(jiàn)項(xiàng)目?jī)?nèi)docs/README_CLI.md命令行手冊(cè)。HTTP接口Umi-OCR啟動(dòng)后本地HTTP服務(wù)提供OCR、文檔識(shí)別、二維碼等接口接口文檔在docs/http/api_doc.md。開(kāi)發(fā)者可以用幾十行代碼把它封裝成局域網(wǎng)內(nèi)的小工具或者接入自己的自動(dòng)化流程實(shí)現(xiàn)上傳圖片→返回JSON識(shí)別結(jié)果。引擎與插件生態(tài)軟件默認(rèn)內(nèi)置Rapid-OCR引擎兼容性好與PaddleOCR引擎速度快一些在全局設(shè)置里可以隨時(shí)切換。如果你想折騰項(xiàng)目還有獨(dú)立的插件庫(kù)支持?jǐn)U展更多OCR引擎。另外公式識(shí)別等功能也已在開(kāi)發(fā)路線(xiàn)圖上屬于遠(yuǎn)期計(jì)劃可以保持關(guān)注。版本更新別錯(cuò)過(guò)項(xiàng)目的CHANGE_LOG.md記錄了每個(gè)版本的演進(jìn)——v2.1.0加入文檔識(shí)別、v2.1.2支持單層純文本PDF與任務(wù)暫停、v2.1.3登陸Linux并支持Docker部署、v2.1.5修復(fù)了PDF頁(yè)面旋轉(zhuǎn)導(dǎo)致的文本錯(cuò)位問(wèn)題。如果你手頭有旋轉(zhuǎn)過(guò)方向的掃描件一定要用最新版。小結(jié)把整篇文章壓縮成三句話(huà)Umi-OCR是一款免費(fèi)、開(kāi)源、離線(xiàn)運(yùn)行的OCR工具裝好就能用截圖、批量、文檔識(shí)別三大功能覆蓋了從日常摘抄到批量歸檔的絕大多數(shù)場(chǎng)景遇到問(wèn)題別慌忽略區(qū)域、排版方案、渲染器這幾個(gè)旋鈕能解決大部分麻煩。下次再收到掃描版PDF或者一堆帶水印的圖片時(shí)打開(kāi)Umi-OCR你會(huì)發(fā)現(xiàn)自己已經(jīng)不再需要在線(xiàn)工具和手動(dòng)抄錄了?！久赓M(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開(kāi)源、免費(fèi)的離線(xiàn)OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁(yè)眉頁(yè)腳掃描/生成二維碼。內(nèi)置多國(guó)語(yǔ)言庫(kù)。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考