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

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-OCRUmi-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.exeLinux 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AltC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AltV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--scHTTP 接口提供图片 OCRBase64 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。下一步可以做什么把docs/README_CLI.md里的命令行指令过一遍挑一条--screenshot --clip类的试跑熟悉无界面调用在全局设置里开启 HTTP 服务后用 docs/http/api_ocr.md 里的 Base64 识别接口发一个测试请求验证接口可用跑完一个真实的批量任务后对照 CHANGE_LOG.md 了解各版本的改动遇到问题可以直接到项目 issue 区反馈。【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