企业官网建设流程全解析

Umi-OCR 本地 OCR 实操：从单张识别到批量跑 40 页扫描

【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

下午三点，桌上摊着 40 页扫描合同，老板要下班前改完签字页。逐字手敲不现实。把图片文件夹拖进 Umi-OCR，点一下「开始任务」，批量 OCR 全程在本地跑，40 张 PNG 大约 6 分钟变成一份能编辑的 txt。这篇讲的就是我用了两周的真实流程，只说有用的。

📦 它到底能做什么

Umi-OCR 是一款免费开源的桌面 OCR 软件，识别模型跑在你自己的机器上，图片不离开机器。它提供两个主要入口：截图 OCR 和批量 OCR。前者负责从屏幕上抠一段文字或一段代码，后者负责一次性处理一整个文件夹的图片。内置 Rapid-OCR 和 Paddle-OCR 两套引擎，还带多语言识别库，覆盖简体中文、繁体中文、英文、日文等。PDF 文档识别、二维码和条形码的读取与生成也有。下图是一次典型的截图识别：左栏是代码图片，右栏是对应的文本，复制就能用。

🛠️ 从打开到出结果：批量识别一个文件夹的完整闭环

选一个最典型的场景：把文件夹里所有图片批量识别。整个闭环分四步。

第一步，拿到工具。从项目 Releases 页下载最新压缩包，解压到一个目录，双击 Umi-OCR.exe 就能运行。没有安装环节，也不依赖系统环境，整个文件夹拷走就能用。

第二步，基本设置。首次打开，去「全局设置」页看一眼：界面语言跟随系统，也可以手动切换；主题选浅色或深色；再确认一下 OCR 引擎。

第三步，执行任务。打开批量 OCR 页，点「选择图片」加入文件夹，或者直接把图片拖进列表。在右侧设置里确定保存目录和输出文件类型，然后按下「开始任务」。顶部进度条显示总体进度，列表里能看到每张图的耗时和置信度。

第四步，拿到输出。任务结束后，结果按你选的格式写成文件（txt、jsonl、md、csv），右侧记录栏保留每张图片的文字，右键可以复制单条或全选，方便抽查。想把这步放进脚本，命令行一句话就够：

umi-ocr --path "D:/contract_scan"

传入文件夹路径，它会把里面所有图片识别完，也可以再加--clip之类的输出参数。

⚠️ 批量 OCR 的三个常见坑，怎么绕过去

水印和页眉混进结果：用忽略区域

一批带公司 logo 或水印的图片，识别结果里总会混进水印文字。打开批量页右侧设置里的忽略区域编辑器，按住鼠标右键画矩形，框内文字在任务中不输出。两个实际要点：框画大一点，把水印可能出现的位置整个包进去；忽略的单位是整个文本块，不是单个字符，框得随意了把正文一行包进去，那一行会整个被跳过。

输出格式怎么选

默认 txt 够人读，一张图一个文件。结果要喂给脚本，选 JSONL，一行一张图的结果和置信度，jq 或 pandas 都好解析。要进 Excel 核对就选 csv。用图片直接拼文档的话，md 合适。

排版顺序怎么保对

识别引擎输出的是一个个「文本块 + 坐标」，最终阅读顺序由「排版解析」方案拼出来。双栏论文选多栏-按自然段换行，左右两栏的段落不会串；代码截图选单栏-保留缩进，源码的缩进和空行原样保留。日常单栏文字用默认方案就行，不用动它。

⚖️ 跟云端 OCR 服务放在一起看

云端 OCR 服务是成熟选项：传文件、拿结果，弹性好、不用自己维护。代价是图片要过网，通常按次计费，文件敏感度也有讲究。Umi-OCR 的长处正好相反：模型本地推理，不联网、不按张收费、数量不设限，内网和涉密场景里能用。代价是速度受本机 CPU 限制，首次调用加载模型，略慢。一句话分法：少量、一次性、高并发的需求适合云端，日常办公和处理敏感文档，本地更省心。

👥 谁适合用，谁可以跳过

如果你经常处理扫描件、截图、代码图片，或者一次要处理几百张图，这就是为你准备的工具。多语言团队也可以放心，界面内置简体中文、繁体中文、英文、日文等，一键切换。

每月只识别个三五张图的，可以跳过，系统截图加手工修正足够。对复杂表格或手写字的精度要求极高的，本地和云端一样，纯 OCR 都需要人工复核。

下一步：打开项目 Releases 页，下载最新压缩包，解压，把一个文件夹拖进去试。跑完一批 40 张图，这篇文章里的功能你就都摸到了。更多命令行参数和服务配置，见仓库里的命令行手册与HTTP 接口手册。

【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