企业官网建设流程全解析

图片里的文字复制不出来？Umi-OCR 离线识别工具，截图、批量、PDF 一篇搞定

【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

每天都有无数人卡在同一个坎上：图片里的字明明看得见，却复制不出来。网页上的 OCR（文字识别）工具不是要登录，就是限量限大小，敏感资料还得先传到别人服务器。这篇 Umi-OCR 离线识别软件使用指南，就是为被这事折磨的你准备的——读完照着做，截图、批量、PDF 全都能自己搞定。

一句话先给结论：Umi-OCR 是一款免费、开源、完全离线的 OCR 文字识别软件。它不需要注册账号，不需要联网，解压就能用；截图识别、批量图片、PDF 文档、二维码扫描与生成全部内置，还自带多国语言识别库。你可以把它理解成一位住在你电脑里的"文字速记员"——随叫随到、口风严密，图片和文档从头到尾不离开你的硬盘。

两分钟开箱：解压就算装完，真的不用安装

Umi-OCR 是纯绿色软件，上手只需要三步：

1. 下载：去项目发布页拿.7z压缩包；电脑没装解压软件就选.7z.exe自解压包，双击自己解开。
2. 解压：解压到任意目录（比如D:/Tools/Umi-OCR），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：双击Umi-OCR.exe（Windows），Linux 用户运行umi-ocr.sh即可。

第一次启动，软件会自动读取系统语言并把界面切成对应语言；想手动切换，随时去全局设置里改。

程序主体是一排标签页——截图OCR、批量OCR、文档识别、二维码、全局设置，用法和浏览器标签栏一样。常用页面右上角有个"锁定"按钮，点了就再也不会误关。

小提醒：启动前，最好把软件目录加进杀毒软件白名单。因为内置了本地 OCR 引擎和运行库，个别杀软会误报，加个白名单能省掉很多"为什么突然闪退"的烦恼。

三大高频任务：截图、批量、PDF，各有各的省事姿势

与其背功能列表，不如直接看这三个最常用的场景。它们覆盖了从日常摘抄到批量归档的绝大多数需求。

任务一：屏幕上的字，划一下就进剪贴板

切到"截图OCR"标签页，按下快捷键唤起截图框，划出目标区域，识别结果立刻出现在右侧记录栏里。

几个顺手的小习惯：

• 图片不用"先保存再打开"：在聊天窗口复制一张图，回到 Umi-OCR 直接粘贴就能识别。
• 结果当场可改：右侧记录栏的文字能直接编辑，还能划选多条一起复制，识别完顺手就能整理成想要的格式。
• 竖排也不怕：排版解析会自动处理横排和竖排（从右到左）的文字，只要当前识别库支持竖排即可。

任务二：上百张图，一次全喂进去

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，没有数量上限，一次拖几百张也行。

点下"开始任务"，右侧会逐张显示耗时、置信度和识别内容。跑完可以输出成txt、jsonl、md、csv（Excel 能直接打开）四种格式。想挂机？设置"任务完成后自动关机/待机"，睡前丢进去几百张，醒来直接收结果。中途要休息也没关系，v2.1.2 起支持暂停任务，只要软件不退出，待机回来还能继续跑。

加分项：让水印、页眉页脚自动"隐身"

批量识别有个高频痛点：图片角落的水印、LOGO、页眉页脚总是混进结果，还得人工删。在批量页右侧设置里进入"忽略区域"编辑器，按住右键在图上画出多个矩形框，把这些位置框住，识别时框内文字就会被自动排除。

这里有个必须记牢的机制：只有完全落在框里的整个文本块才会被忽略，单个字符可不会。所以画框宁可大一点，把所有可能出现水印的位置都包住，否则漏框一次，结果里就多一行杂音。

任务三：扫描版 PDF，变回"能搜能复制"的文档

文档识别是压轴戏，支持pdf、xps、epub、mobi、fb2、cbz六种格式，最典型的用法就是把扫描版 PDF 变成可搜索文本。它的工作逻辑可以概括为三步：解析 → 识别 → 重组。PDF 先被拆开，区分出"本来就带文本层"和"需要 OCR 的扫描图片层"；扫描层交给本地引擎逐页识别；最后按阅读顺序重新拼装，输出成你指定的格式。

两个亮点值得展开：

• 双层可搜索 PDF：OCR 后输出"底层原图、上层透明文字"的双层 PDF。外观和原扫描件一模一样，但文字可以搜索、复制、划线。历史合同归档、论文数字化，这个功能能直接顶上去。
• 灵活的提取策略：软件会优先提取 PDF 自带的文本层（速度快、零识别误差），遇到纯扫描页才自动切到 OCR。你也可以主动选整页强制 OCR，或反过来只提取原文。v2.1.2 起还能输出单层纯文本 PDF，想要体积小、好编辑的文件就选它。

文档识别同样支持忽略区域（可按页码范围设置），用来排掉扫描件的页眉页脚；也能设置任务完成后自动关机。

三个旋钮：语言、排版、性能，按需拧

界面语言 vs 识别语言库：两码事

界面语言支持中文、繁体中文、英文、日文、俄语、葡萄牙语等，在"全局设置 → 语言/Language"里切换。

但注意，界面语言和识别语言库是两回事：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，后者在各标签页的"文字识别"设置里单独选择或下载。界面用中文、日常识别日文书，完全可以搭配着来。

排版方案：给识别结果"排座位"

OCR 引擎吐出的字是"散装"的，谁先谁后要靠排版解析来管。内置的预设方案不少，挑对了才省事：

其中"单栏-保留缩进"值得单独表扬：把代码截图丢进去，输出能基本保持缩进结构，配合截图 OCR 一起用，堪称程序员小帮手。

性能：大图、内存、闪烁各有一招

• 长图识别不完整：到"文字识别"设置里调高限制图像边长。默认限制是为了平衡速度与内存，遇到像素特别大的长截图，适当调高数值就行，但别盲目放大原图——过度放大会增加噪点，反而降低准确率。
• 内存占用偏高：PaddleOCR 插件从 v2.1.4 起默认把内存占用限制在系统总内存的一半以内；还想再省，去插件配置里调低线程数。
• 截屏闪烁、界面错位：多半是显卡渲染兼容问题。去"全局设置 → 界面和外观 → 渲染器"换个渲染方案，或直接关掉硬件加速，通常能解决。

新手避坑：8 个高频疑问，对号入座

把最常见的报错和误区整理成一张诊断表，遇到问题直接找原因：

进阶玩法：命令行、HTTP 接口与引擎生态

对普通用户来说，图形界面已经够用；但想把它嵌进自己的工作流，还有两条"程序化通道"。

命令行模式，入口就是主程序本身：

# 截屏识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 识别指定图片，结果写到文件 umi-ocr --path "D:/扫描件.png" --output result.txt # 识别整个文件夹（含子目录），--> 是 --output 的简写 umi-ocr --path "D:/scans" --> result.txt # 生成二维码 umi-ocr --qrcode_create "你好，Umi-OCR" "D:/qrcode.png" 256

所有指令都支持用前几个字母简写，比如--screenshot写成--sc。配合 HotkeysCMD 之类的快捷键工具，还能实现"按一个键就自动截固定屏幕区域并识别"的骚操作。完整参数说明见命令行手册 docs/README_CLI.md。

HTTP 接口：启动后，本地 HTTP 服务会提供 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，或接入自己的自动化流程，实现"上传图片 → 返回 JSON 识别结果"。

引擎与插件生态：软件默认内置 Rapid-OCR（兼容性好）和 PaddleOCR（速度稍快）两套引擎，全局设置里随时切换；项目还有独立的插件库，可以扩展更多 OCR 引擎。公式识别等功能则列在开发路线图上，属于远期计划，可以保持关注。

版本别落后：CHANGE_LOG.md记录了每个版本的演进——v2.1.0 加入文档识别，v2.1.2 支持单层纯文本 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

三句话总结：Umi-OCR 免费、开源、离线运行，装好就能用；截图、批量、PDF 三大场景，从日常摘抄到批量归档全都覆盖；遇到问题别慌，忽略区域、排版方案、渲染器这几个旋钮能解决大部分麻烦。

下次再收到扫描版合同、带水印的图片，或是一堆等着整理的截图时，打开 Umi-OCR——你会发现，自己已经不需要在线工具，也不用再逐字手打了。

【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