Umi-OCR 離線 OCR 實(shí)踐指南從下載到首次識(shí)別4 步處理批量圖片與 PDF【免費(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開源、免費(fèi)的離線OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁眉頁腳掃描/生成二維碼。內(nèi)置多國(guó)語言庫。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCRUmi-OCR 是一款免費(fèi)、開源、完全離線的 OCR 文字識(shí)別工具截圖識(shí)別、批量圖片識(shí)別、掃描版 PDF 轉(zhuǎn)文本、二維碼掃描與生成全部在本機(jī)完成。不聯(lián)網(wǎng)、不注冊(cè)、不上傳圖片識(shí)別次數(shù)不設(shè)上限。如果你經(jīng)常截圖取字或者有一批圖片、一整本掃描 PDF 要處理這篇文章的完整流程大約 10 分鐘可以走通。第一次出結(jié)果從下載到首次截圖識(shí)別主界面由截圖OCR、批量OCR、文檔識(shí)別、二維碼、全局設(shè)置幾個(gè)標(biāo)簽頁組成右上角可鎖定標(biāo)簽頁防止誤關(guān)。按下面 4 步走拿發(fā)布包。到項(xiàng)目的 Release 頁下載.7z壓縮包沒有解壓軟件就選.7z.exe自解壓包雙擊即可解開。需要源碼時(shí)執(zhí)行g(shù)it clone https://gitcode.com/GitHub_Trending/um/Umi-OCR。解壓到純英文路徑。軟件無需安裝解壓即用。建議放D:\Tools\Umi-OCR這類目錄路徑里避開中文和空格。提示軟件內(nèi)置 OCR 引擎和運(yùn)行庫部分殺軟會(huì)誤報(bào)先把目錄加入白名單再啟動(dòng)。啟動(dòng)。Windows 雙擊Umi-OCR.exeLinux 自 v2.1.3 起支持運(yùn)行umi-ocr.sh。首次啟動(dòng)按系統(tǒng)語言自動(dòng)切換界面要改界面語言進(jìn)全局設(shè)置→語言/Language支持簡(jiǎn)中、繁中、英文、日文、俄語、葡萄牙語等。跑第一個(gè)任務(wù)。打開截圖OCR標(biāo)簽頁按快捷鍵喚起截圖框劃出屏幕上的文字區(qū)域識(shí)別結(jié)果立刻出現(xiàn)在右側(cè)記錄欄。按Esc可隨時(shí)取消截圖。把量提起來從一張截圖到一整本 PDF識(shí)別的量從單張擴(kuò)到整批、整本標(biāo)簽頁和設(shè)置各自對(duì)應(yīng)下面是按規(guī)模遞進(jìn)的三種用法。當(dāng)你要處理單張截圖或一張復(fù)制來的圖片。截圖只是取圖的方式之一在別處復(fù)制一張圖片比如聊天窗口里的圖切回 Umi-OCR 直接粘貼效果相同。記錄欄里的文字支持直接編輯劃選多條記錄可一次復(fù)制。另外兩個(gè)順手的功能二維碼標(biāo)簽頁支持截圖、粘貼、拖入圖片三種方式掃碼一張圖里多個(gè)碼一次讀出覆蓋 QRCode、EAN13、Code128 等 19 種碼制生成方向可選碼制和糾錯(cuò)等級(jí)把文本直接輸出成二維碼圖片。當(dāng)你要處理幾百?gòu)垐D片。切到批量OCR標(biāo)簽頁把圖片直接拖進(jìn)窗口沒有數(shù)量上限。項(xiàng)目支持范圍輸入格式j(luò)pg、jpe、jpeg、jfif、png、webp、bmp、tif、tiff輸出格式txt、jsonl、md、csv可直接用 Excel 打開長(zhǎng)任務(wù)任務(wù)完成后自動(dòng)關(guān)機(jī)/待機(jī)v2.1.2 起支持暫停任務(wù)不退出軟件時(shí)待機(jī)/休眠后可恢復(fù)右側(cè)面板逐張顯示耗時(shí)、置信度和識(shí)別結(jié)果跑完按上表選輸出格式。圖片角落的水印、LOGO 會(huì)混進(jìn)結(jié)果處理方式批量頁右側(cè)設(shè)置里打開忽略區(qū)域編輯器按住右鍵在圖片上繪制多個(gè)矩形框。機(jī)制記死一條——只有整個(gè)文本塊完全落在框內(nèi)才忽略按單個(gè)字符不算所以框要畫得足夠大把水印所有可能落位包住。當(dāng)你要處理一整本文檔。v2.1.0 起文檔識(shí)別標(biāo)簽頁支持pdf、xps、epub、mobi、fb2、cbz掃描版 PDF 是典型場(chǎng)景。處理邏輯是先挑現(xiàn)成的再補(bǔ)缺的解析器區(qū)分 PDF 自帶的文本層和掃描圖片層自帶文本的頁面直接提取只有純掃描頁才交給本地 OCR 引擎也可以反向操作整頁強(qiáng)制 OCR或只提取原文本。兩種成品輸出雙層可搜索 PDF底層保留原圖上層疊加透明文字層外觀與掃描件一致但可搜索、可復(fù)制適合合同歸檔、論文數(shù)字化。單層純文本 PDFv2.1.2 起文件更小、方便后續(xù)編輯只要文字的話選它。文檔識(shí)別同樣支持忽略區(qū)域v2.1.1 起可指定頁碼范圍把統(tǒng)一位置的頁眉頁腳一次性排除也支持任務(wù)完成后自動(dòng)關(guān)機(jī)/待機(jī)。一整柜掃描舊書轉(zhuǎn)可搜索存檔這個(gè)標(biāo)簽頁是主力。識(shí)別不理想按順序排查質(zhì)量不滿意時(shí)別亂調(diào)參數(shù)按下面 3 個(gè)問題依次過一遍大部分問題定位到第三步就能解決。引擎選對(duì)了嗎判斷依據(jù)內(nèi)置兩套引擎切換入口在全局設(shè)置的 OCR 插件選項(xiàng)里。識(shí)別不準(zhǔn)、或干脆報(bào)錯(cuò)先切到Rapid-OCR它是兼容性好的一套。追求速度用PaddleOCRv2.1.4 起默認(rèn)把內(nèi)存占用限制在系統(tǒng)總內(nèi)存的一半以內(nèi)想再壓低就在插件配置里調(diào)低線程數(shù)。順帶分清兩個(gè)概念界面語言管菜單按鈕顯示什么文字識(shí)別語言庫管引擎認(rèn)哪種文字在各標(biāo)簽頁的文字識(shí)別設(shè)置里單獨(dú)選擇或下載。界面用中文、日常識(shí)別日文書籍這種組合完全成立。排版方案對(duì)了嗎判斷依據(jù)字都認(rèn)對(duì)了但行序混亂、段落粘連問題出在排版解析不在引擎。OCR 引擎吐出的是散裝文本塊排版解析器負(fù)責(zé)決定誰先誰后。內(nèi)置預(yù)設(shè)按這個(gè)決策路徑選兩欄/三欄的論文、書籍 →多欄-按自然段換行默認(rèn)后續(xù)要按行處理 →多欄-總是換行代碼截圖 →單欄-保留縮進(jìn)保留行首縮進(jìn)和行中空格拿不準(zhǔn) → 保持默認(rèn)所有方案都自動(dòng)處理橫排和豎排從右到左的排版。參數(shù)卡在哪對(duì)照現(xiàn)象定位參數(shù)現(xiàn)象調(diào)整位置做法長(zhǎng)截圖/大圖識(shí)別不完整頁面設(shè)置 → 文字識(shí)別 →限制圖像邊長(zhǎng)默認(rèn) 960調(diào)高到 2880、4320 或無限制不要靠放大原圖解決過度放大引入噪聲內(nèi)存占用偏高PaddleOCR 插件配置調(diào)低線程數(shù)截圖時(shí)屏幕閃爍、界面錯(cuò)位全局設(shè)置→界面和外觀→渲染器切換渲染方案或關(guān)閉硬件加速接進(jìn)你的自動(dòng)化流程兩條程序化通道命令行和本地 HTTP 接口。命令行入口就是主程序Umi-OCR.exeLinux 為umi-ocr所有指令支持前綴簡(jiǎn)寫--screenshot可寫成--sc。指令通過本地 HTTP 環(huán)回服務(wù)傳給后臺(tái)進(jìn)程該服務(wù)默認(rèn)開啟、僅監(jiān)聽本地環(huán)回、不經(jīng)過物理網(wǎng)卡軟件沒開或入口用錯(cuò)RUN_GUI.bat這類備用啟動(dòng)器不支持命令行指令就石沉大海。3 個(gè)最小可用示例umi-ocr --screenshot --clip截圖識(shí)別結(jié)果直接進(jìn)剪貼板。umi-ocr --path D:\scans -- all.txt遞歸識(shí)別整個(gè)文件夾含子目錄結(jié)果追加到all.txt--等價(jià)于--output_append--是覆蓋寫入。umi-ocr --qrcode_create https://example.com D:\qr.png 256生成 256×256 像素的二維碼圖片末尾數(shù)字也可分開指定寬、高。需要程序化收結(jié)果時(shí)走 HTTP 接口更穩(wěn)軟件運(yùn)行期間本地 HTTP 服務(wù)暴露 OCR、文檔識(shí)別、二維碼等接口默認(rèn)端口1224命令行受環(huán)境限制系統(tǒng)的管道重定向符、|可能失效。接口清單見 docs/http/README.md完整命令參數(shù)見 docs/README_CLI.md。常見問題命令行指令沒有任何反應(yīng)原因指令靠本地 HTTP 服務(wù)傳遞服務(wù)被關(guān)了或入口不是主程序RUN_GUI.bat備用啟動(dòng)器不支持命令行。 解決確認(rèn)全局設(shè)置里 HTTP 服務(wù)處于開啟狀態(tài)默認(rèn)開啟用Umi-OCR.exe作為入口重新執(zhí)行。忽略區(qū)域畫了水印文字還在結(jié)果里原因矩形框只包住了文本塊的一部分或配置沒保存。機(jī)制是整塊忽略包住一半等于沒包。 解決把框畫到完全包含整個(gè)文本塊確認(rèn)配置已保存后再跑任務(wù)。代碼截圖的縮進(jìn)全亂了原因默認(rèn)排版方案會(huì)合并空格。 解決排版解析方案切到單欄-保留縮進(jìn)縮進(jìn)和行中空格原樣保留。長(zhǎng)圖識(shí)別結(jié)果缺頭少尾原因限制圖像邊長(zhǎng)默認(rèn) 960邊長(zhǎng)超限的圖片被壓縮后才送進(jìn)引擎。 解決頁面設(shè)置 → 文字識(shí)別里調(diào)高該數(shù)值2880、4320 或無限制不要直接放大原圖。旋轉(zhuǎn)了方向的掃描件提取出的文字位置錯(cuò)位原因文檔識(shí)別提取 PDF 自帶文本層時(shí)早期版本沒有處理頁面旋轉(zhuǎn)。 解決v2.1.5 已修復(fù)升級(jí)到最新版再跑。拖入幾萬個(gè)文件的文件夾界面卡死原因超大文件夾同步加載占滿界面線程。 解決v2.1.5 起改為異步加載并顯示進(jìn)度等進(jìn)度跑完再操作加載期間不要連續(xù)提交任務(wù)。截圖時(shí)屏幕閃爍、界面錯(cuò)位原因顯卡加速渲染在你的機(jī)器上不兼容。 解決全局設(shè)置→界面和外觀→渲染器切換渲染方案或直接關(guān)閉硬件加速。下一步拿到最新版 v2.1.5完成一次截圖識(shí)別讓第一條結(jié)果落在記錄欄里。在批量OCR頁把常用水印位置的忽略區(qū)域畫好并保存之后整批圖片直接拖入。要自動(dòng)化的話先跑通umi-ocr --screenshot --clip這條命令確認(rèn)命令行通道可用再接 HTTP 接口封裝成自己的小服務(wù)?！久赓M(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開源、免費(fèi)的離線OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁眉頁腳掃描/生成二維碼。內(nèi)置多國(guó)語言庫。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考