免费离线文字识别神器Umi-OCR：从安装到自动化，一篇玩明白-二趣网

免费离线文字识别神器Umi-OCR：从安装到自动化，一篇玩明白

【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

Umi-OCR 是一款开源、完全免费的离线文字识别软件，无需联网即可完成截图识别、批量图片转文字、PDF 文档提取与二维码扫码，是"图片转文字工具"里少见的全能选手。它解压即用、内置多国语言识别库，特别适合注重隐私又想省钱的普通用户，一篇文章带你从零上手到进阶自动化。

你有没有经历过这样的时刻：网页上的文字明明在眼前，却怎么都复制不出来，只能对着屏幕一个字一个字手敲？几百张扫描件堆在桌上，光是整理文字就能耗掉一下午？图片里的代码段想抄下来，复制过来却缩进全乱、格式全丢？Umi-OCR 就是为了解决这类"看得见却拿不走"的文字而生，而且它完全离线运行，你的图片不会上传到任何服务器。

第一步：下载解压，3 分钟完成第一次识别

Umi-OCR 的安装可能是你见过的软件里最简单的——因为它根本不需要安装。

从项目发布页下载最新版的压缩包（.7z格式，也有免装压缩软件的.exe自解压版）。
把压缩包解压到一个纯英文路径下，比如D:\Umi-OCR。
双击文件夹里的Umi-OCR.exe，程序即刻启动。
进入"截图OCR"标签页，按下你设置好的截图快捷键，用鼠标框选屏幕上的任意文字区域。
识别结果会出现在右侧的记录栏里，选中直接复制即可。

💡 提示：软件完全免安装，不写注册表，想"卸载"时直接删掉整个文件夹就行。第一次启动时，它还会根据你电脑的系统语言自动切换界面语言。

这一套流程走下来通常不超过 3 分钟，你已经完成了人生第一次离线 OCR。接下来，我们看看如何让识别结果真正"好用"。

第二步：让识别结果"能读"——排版解析与代码识别

很多 OCR 工具能认出文字，但输出的顺序和换行一团糟：多栏排版的文章被读成"左一句右一句"，代码缩进全被抹平。Umi-OCR 在截图识别页内置了**文本后处理（排版解析）**功能，专门解决这个问题。

截图识别页面，左侧是原图，右侧是识别结果，支持划选复制

打开"文本后处理"下拉框，你可以选择不同的排版解析方案：

多栏-按自然段换行：适合大部分场景，自动识别多栏布局，按自然段换行。
多栏-总是换行 / 无换行：每句都换行，或强制合并成一行。
单栏-保留缩进：保留行首缩进和行中空格，专为代码截图设计。
不做处理：返回 OCR 引擎的原始输出。

对程序员来说，"单栏-保留缩进"简直是大救星。遇到没法复制的代码截图，框选识别后直接得到带缩进的原始代码，中文注释和特殊符号也能保留下来。

左侧是原始代码截图，右侧是识别结果，缩进与结构完整还原

实用技巧：截图页还支持直接把剪贴板里的图片粘贴进来识别（Ctrl+V 即可）；识别记录可以多选合并复制；如果觉得识别结果需要微调，右侧记录栏支持直接编辑文字。另外，公式识别功能也已经排上开发日程，数学公式截图同样可以期待。

第三步：批量 OCR，几百张图片一次搞定

如果说截图 OCR 是"单兵作战"，那批量 OCR 就是"集团军作战"。在"批量OCR"标签页里，你可以一次性拖入几百张图片，软件会自动排队识别，还能实时显示每张图的耗时和置信度。

批量识别页面，支持多图队列、进度跟踪与结果预览

支持的输入格式有jpg、png、webp、bmp、tif等常见图片类型；识别结果的导出则非常灵活，支持txt、jsonl、md、csv(Excel)四种格式，既能拿到纯文本，也能拿到带坐标的结构化数据，方便做二次处理。

这里有两个功能特别值得一说：

忽略区域：如果你的图片角落常年挂着水印或 LOGO，可以在右侧设置里进入忽略区域编辑器，用鼠标框出几个矩形，任务中这些区域内的文字会被自动跳过，识别结果干净不少。处理页眉页脚时同样好用。
任务完成自动关机/待机：晚上挂机跑几百张图，跑完自动休眠，第二天直接收结果。

💡 提示：如果遇到像素超大的长图、大图识别异常，可以在"页面的设置 → 文字识别 → 限制图像边长"里调高数值。

第四步：把 PDF 变成可搜索文本，顺手扫个二维码

批量页解决图片，文档识别页则专攻电子书和扫描件。Umi-OCR 的文档识别支持pdf、xps、epub、mobi、fb2、cbz等格式，可以从扫描件中提取文字，更厉害的是能输出双层可搜索 PDF——即你看到的是原版扫描影像，但可以像普通文档一样选中、搜索、复制里面的文字。文献党的福音，谁用谁知道。

二维码功能同样集成在标签页里，且一页两用：

扫码：截图、粘贴或拖入图片，即可读取其中的二维码、条形码，支持一图多码，兼容 19 种协议（QRCode、Code128、PDF417、DataMatrix 等）。
生成码：输入任意文本，一键生成二维码图片，还能调整纠错等级和尺寸，做资料分享、信息交换都很顺手。

第五步：接入自动化工作流——命令行与 HTTP 接口

如果你嫌点鼠标太慢，Umi-OCR 还提供了完整的外部调用能力：命令行和 HTTP 接口。这让它从一个图形软件，变成了可以被脚本、被其他程序调用的 OCR 引擎。

命令行的入口就是主程序本身，常见的玩法有：

# 截屏识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 识别指定图片或整个文件夹 umi-ocr --path "D:/图片目录" # 识别剪贴板里的图片 umi-ocr --clipboard # 识别二维码 / 生成二维码 umi-ocr --qrcode_read "D:/code.png" umi-ocr --qrcode_create "你好" "D:/out.png"

配合 Windows 的任务计划程序或第三方热键工具，你甚至可以做到"按一个键就自动截屏识别"。

HTTP 接口默认监听本地 1224 端口（仅本地回环，不经过物理网卡，数据不出本机），提供图片 OCR、PDF 识别、二维码等 REST 接口，返回 JSON 格式结果。你可以在自己的小程序、Python 脚本里直接 POST 图片过去拿文字，详细的参数说明见HTTP接口手册，命令行完整用法见命令行手册。

避坑清单：这些小事能帮你少走弯路

务必用英文路径安装：中文路径可能引发个别引擎组件异常，这是老玩家总结出来的第一条经验。
界面闪烁或错位？在"全局设置 → 界面和外观 → 渲染器"里切换渲染方案，或直接关闭硬件加速。
批量任务别贪多：虽然支持数百张图片排队，但建议分批处理，方便中途检查识别质量。
关闭软件前记得断开 HTTP 连接：如果有程序还挂着 HTTP 连接，可能导致软件关闭不彻底，等待连接断开或进任务管理器结束进程即可。
命令行不弹窗：如果不想让命令行任务弹出主窗口，记得在"截图OCR"页关闭相关选项。
语言不满意？在"全局设置 → 语言"里手动切换，中、英、日、韩、俄等界面语言随你选，识别语言库同样内置了多国模型。

总结：从"看得见"到"拿得走"

回看整条体验路径：从第一次截图识别的新奇，到排版解析让结果可读，再到批量处理解放双手，最后通过命令行与 HTTP 接口把 OCR 能力嵌入自己的工作流——Umi-OCR 的每一层能力都踩在"让文字真正属于你"这个点上。它免费、开源、离线运行，功能还在持续迭代（完整的更新历史见更新日志）。

如果你也有过对着图片文字干瞪眼的时刻，现在就去下载体验吧。下一次遇到"复制不了"的网页、堆积如山的扫描件，你会庆幸自己手里有了这把顺手的工具。🚀

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析