企业官网建设流程全解析

本地离线OCR快速上手指南：免费开源 Umi-OCR 让截图、批量图片与扫描版PDF全部变成可编辑文字

【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

先把结论放在最前面，方便你快速判断这篇文章值不值得读下去：Umi-OCR 是一款免费、开源、完全离线的文字识别软件。它把截屏识别、批量图片文字提取、PDF 文档识别、二维码生成/扫描和多国语言支持统统装进一个本地程序里，不联网、不注册、不上传，解压就能用。下面的内容不堆术语，只按你日常最容易遇到的几个问题，一节一节讲清楚。

先别急着装：把最近的"搬字"经历盘一遍

说个真实场景。上个月我帮朋友整理考研复习资料，几十份扫描版讲义、手机拍的书页、群聊里发的课件截图堆了满满一个文件夹。想搜一下"罗尔定理到底出现在哪一页"，结果文件夹里全是图片和扫描 PDF，Ctrl+F 按下去，屏幕只回我一行字：找不到。没办法，只好一页页翻、一段段手打引用，一个晚上过去，眼睛酸了，目录才整理到一半。

如果你也经历过类似的"搬字"时刻——比如复制不了文字的合同、截图里想引用的一句话、一堆待归档的老照片扫描件——那 Umi-OCR 大概率就是你要找的那把"本地文字剪刀"。它的核心逻辑只有一句话：所有文字识别都在你自己的电脑上完成，图片和文档不离开硬盘。

下面我用问答式带你把这款本地离线OCR过一遍，一共六问六答加一个彩蛋，每个问题都对应一类真实需求：

1. 不是技术党，这软件装起来难不难？
2. 屏幕上的文字，怎么最快抓下来？
3. 攒了几百张图片，能不能一口气处理完？
4. 扫描版 PDF 复制不了，怎么救？
5. 识别出来的文字乱序、带水印，怎么调教？
6. 界面语言和性能，还有哪些值得调？

问题一：离线OCR软件解压即用，三分钟快速上手

先回答最让人发怵的问题：Umi-OCR 是绿色软件，不需要安装，这也是它最省心的地方。你拿到手的只是一个压缩包，全程只需要三步：

1. 下载：从项目发布页获取.7z压缩包；如果电脑没装压缩软件，就选自解压包，双击自己就能解开。
2. 解压：放到任意目录，比如D:/Tools/Umi-OCR。唯一的小建议是路径里别带中文和空格，能省掉不少莫名其妙的兼容问题。
3. 启动：Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh。

第一次启动，软件会自动读取系统语言把界面切成对应语言。整个程序主体像浏览器的标签栏，由截图OCR、批量OCR、文档识别、二维码、全局设置等标签页组成，想用哪个点哪个，常用的还能锁住防止误关。

顺带提醒一句：如果启动后闪退，先检查杀毒软件的白名单。因为程序内置了本地 OCR 引擎和运行库，部分杀软会误报，把软件目录加进白名单能省去后面很多烦恼。

问题二：截图OCR识别文字，一秒把屏幕上看到的字抓下来

日常最高频的需求，就是看到一段字想立刻复制。切到"截图OCR"标签页，按下快捷键唤起截图框，划出目标区域，识别结果瞬间出现在右侧记录栏，整个过程两秒都不到。

这个标签页里有三个很实用的小细节：

• 不用截图也能识别：在聊天窗口里复制一张图片，回到 Umi-OCR 直接 Ctrl+V 粘贴，它照样帮你把文字抠出来。
• 结果可以二次编辑：右侧记录栏里的文字能直接改错，还能划选多条记录合并复制，识别完顺手就整理成了你想要的格式。
• 竖排文字不用怕：排版解析会自动处理横排和从右到左的竖排文本，只要 OCR 引擎本身支持竖排即可。

截图识别算是开胃菜，真正体现效率的还在后面。

问题三：批量图片文字提取，几百张图一口气处理完

遇到几十上百张截图、扫描件、相册照片，一张张截屏就太亏了。切到"批量OCR"标签页，把图片直接拖进窗口，支持jpg、png、webp、bmp、tif、tiff等常见格式，一次拖几百张也没有数量上限。

点下"开始任务"，右侧会逐张显示每张图片的耗时、置信度和识别结果。任务跑完，可以按需输出成txt、jsonl、md、csv四种格式——其中 csv 用 Excel 直接就能打开，做资料归档很方便。如果你有深夜挂机的习惯，它还支持任务完成后自动关机或待机：睡前扔进去几百张图，醒来直接拿结果，一个字都不用你盯着。

问题四：扫描版PDF转可搜索文档，三步实现全文可复制

如果说前面是热身，文档识别就是 Umi-OCR 的压轴功能。它支持pdf、xps、epub、mobi、fb2、cbz六种格式，其中扫描版 PDF 是最典型的应用场景。

底层逻辑可以概括成三步：解析 → 识别 → 重组。PDF 先被解析引擎拆开，区分出"本来就带文字层的页面"和"只有扫描图片的页面"；扫描图片交给本地 OCR 引擎逐页识别；最后按阅读顺序重新拼装，输出成你指定的格式。有两个亮点值得展开：

• 双层可搜索 PDF：这是很多人的刚需。对扫描版 PDF 做 OCR 后，输出为"底层是原图、上层是透明文字"的双层 PDF。外观和原扫描件一模一样，但里面的文字可以搜索、复制、划线。给公司做合同归档、给学校做论文数字化，这个功能都能直接顶上。
• 灵活的提取模式：程序会优先提取 PDF 自带的文本层（速度快、零识别误差），只有遇到纯扫描页才自动切换 OCR。你也可以主动选择整页强制 OCR，或者反过来只提取原文本；新版还支持输出单层纯文本 PDF，想要体积小、好编辑的文件时选它最合适。

文档识别同样支持忽略区域（可按页码范围设置），用来排除扫描件的页眉页脚。家里要是有一堆扫描版书想转成可搜索存档，这个标签页能帮你省下大量人工。

问题五：给OCR识别结果"排座位"，顺便让水印自动隐身

OCR 引擎吐出来的文字往往是"散装"的，谁先谁后取决于排版解析怎么安排。Umi-OCR 内置了多套预设方案，选对方案，输出的文本才符合阅读习惯：

其中"单栏-保留缩进"值得单独表扬：把代码截图扔进去，输出能基本保持缩进结构，配合截图 OCR 简直是小程序员的福音。如果你不确定选哪个，直接选**"多栏-按自然段换行"**就对了，它能覆盖大多数场景。

另一个高频痛点是图片角落的水印、LOGO、页眉页脚，每次都会混进结果里。在批量识别页的忽略区域编辑器里，按住右键在图上绘制矩形框，把水印可能出现的位置全部框住，识别时这些区域内的文字就会被自动排除。这里有个必须记住的机制：只有完全处于矩形框内部的整个文本块才会被忽略，而不是单个字符。所以画框时宁可大一点，把水印所有可能出现的位置都包住，否则漏一次，结果里就混进一行杂音。

问题六：界面语言、识别语言与性能的配置方法

多语言界面：一套软件，多国面孔

界面语言支持中文、繁体中文、英文、日文、俄语、葡萄牙语等多种，由社区译者协作维护。切换路径是：全局设置 → 语言/Language。

这里要分清两件事：界面语言和识别语言库是两码事。界面语言管按钮菜单长什么样，识别语言库管 OCR 引擎认哪种文字，后者可以在各标签页的"文字识别"设置里单独选择或下载。比如界面用中文、日常却识别日文书籍，二者完全可以搭配使用。

性能微调：长图、内存与渲染器

三个常见性能问题的应对方法：

• 识别长图/大图不完整：去"文字识别"设置里调高限制图像边长。默认边长限制是为了平衡速度与内存，遇到像素特别大的长截图，适当调高即可。
• 内存占用偏高：如果用的是 PaddleOCR 插件，新版起默认内存占用被限制在系统总内存的一半以内，想进一步压内存可以在插件配置里调低线程数。
• 截屏闪烁或界面错位：这是显卡渲染兼容问题，去全局设置 → 界面和外观 → 渲染器，切换渲染方案或直接关闭硬件加速，通常能解决。

彩蛋：让这台"文字打印机"自动打工

对普通用户来说，图形界面已经够用；但如果你想把它嵌进自己的工作流，Umi-OCR 还留了两条"程序化通道"。

命令行模式，入口就是主程序本身，几个常用姿势：

• umi-ocr --screenshot --clip：截屏识别，结果直接进剪贴板；
• umi-ocr --path "扫描件.png" --output result.txt：识别指定图片并输出到文件；
• umi-ocr --path "D:/scans" --> all_result.txt：识别整个文件夹（含子目录）。

配合快捷键工具，还能实现"按一个键自动截指定区域并识别"的骚操作。指令的完整参数和简写规则见项目内的 docs/README_CLI.md。

HTTP 接口：程序启动后，本地 HTTP 服务提供 OCR、文档识别、二维码等接口，接口文档在 docs/http/api_doc.md。开发者可以用几十行代码把它封装成小工具，实现"上传图片 → 返回 JSON 识别结果"的自动化流程。

引擎与版本演进也值得一提：软件默认内置 Rapid-OCR 引擎（兼容性好）与 PaddleOCR 引擎（速度快一些），在全局设置里随时可以切换。版本更新日志记录在 CHANGE_LOG.md——v2.1.2 加入单层纯文本 PDF 与任务暂停，v2.1.3 登陆 Linux 并支持 Docker 部署，v2.1.5 修复了 PDF 页面旋转导致的文本错位问题。如果你手头有旋转过方向的扫描件，一定要用最新版。

写在最后：把"复制不了"从你的字典里删掉

回到开头那个整理复习资料的夜晚。如果当时我手里有 Umi-OCR，故事会变成这样：扫描版讲义拖进文档识别，几分钟后变成全文可搜索的双层 PDF；手机拍的书页扔进批量 OCR，导出成 csv 表格；群里那张看不清的课件截图，直接粘贴进截图 OCR，引用文字秒到手。一晚上能做完的事，压缩成了十几分钟。

总结成三句话：Umi-OCR 免费、开源、离线运行，解压就能用；截屏、批量、文档识别三大功能覆盖了从日常摘抄到批量归档的绝大多数场景；遇到问题别慌，排版方案、忽略区域、渲染器这几个旋钮能解决大部分麻烦。

下次再收到扫描版文件或一堆带水印的图片时，打开它，你会发现自己已经不再需要在线工具和手动抄录了。

【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