Umi-OCR 新手使用指南：免费离线 OCR 工具搞定截图、批量与 PDF 取字

【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

Umi-OCR 是一款开源免费的离线 OCR 软件，帮你把截图、本地图片、PDF 里的文字提取出来。它解压即用、全程不联网，识别数据不出本机，一个程序覆盖截图、批量、文档、二维码四类任务，并内置多种语言识别库。

🚀 三步跑通：从解压到第一次取字

这一节带你走最短路径，拿到第一条识别结果。

1. 获取：下载发行版.7z压缩包或.7z.exe自解压包（后者无需装压缩软件）；开发者也可用git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR拉取源码。当前版本可在 CHANGE_LOG.md 中确认，目前为 v2.1.5。
2. 启动：解压后双击Umi-OCR.exe。这是绿色免安装程序，首次打开会按系统语言自动选择界面语言。
3. 出结果：切到"截图OCR"标签页，按默认快捷键Win+Alt+C（Linux 为Alt+C）唤起截图，Esc取消；框选屏幕区域后，文字进入右侧识别记录栏，可直接划选、编辑、复制多条记录。

标签页可按需开关，标签栏左上角可切换窗口置顶，右上角能锁定标签页防误关。

四类识别任务：按你要做的活儿找功能

主界面由标签页组成，每个标签页对应一类任务。以下按任务讲，不罗列菜单。

把屏幕任意区域的文字抓下来

适合随时从网页、软件界面里抠文字。

• 打开"截图OCR"页，按Win+Alt+C截图框选，结果进入右侧识别记录栏。
• 在别处复制图片后直接粘贴进来识别，默认快捷键Win+Alt+V。
• "文本后处理"里的排版解析方案决定输出顺序，可选多栏-按自然段换行、单栏-保留缩进等。
• 避坑：代码截图选单栏-保留缩进，能保住行首缩进和行中空格。

一次识别几百张本地图片

适合图片归档、成规模整理。

• 把图片或文件夹拖入批量页即可，没有数量上限。
• 选择输出格式：txt、jsonl、md、csv(Excel)。
• 输入支持jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff，与截图页一样支持文本后处理。
• 可勾选任务完成后自动关机/待机。
• 避坑：长图、大图识别不准时，先调高"页面的设置→文字识别→限制图像边长"，再开任务。

把扫描件变成可搜索的双层 PDF

适合纸质资料的数字化。

• 导入文档，对扫描件做 OCR，或提取原有文本。
• 输出双层可搜索PDF：保留原图并叠加可检索的文字层。
• 用"忽略区域"排除页眉页脚：按住右键绘制矩形框，框内文字会被排除。
• 支持任务完成后自动关机/休眠。
• 输入格式：pdf, xps, epub, mobi, fb2, cbz。
• 避坑：忽略区域按"整个文本块"生效，不是单个字符，矩形框要画得包住目标文字块。

读码取内容，也生成码图

适合扫码取信息、把文本做成二维码。

• 截图/粘贴/拖入图片读取其中的码，支持一图多码。
• 输入文本即可生成二维码图片，可手动指定图片宽高。
• 识别与生成都支持 19 种协议，包括QRCode、EAN13、DataMatrix、PDF417等。
• 生成时可调纠错等级（该参数仅适用于Aztec、PDF417、QRCode）。
• 避坑：要用到码图时直接保存生成的图片文件，不要对着屏幕再截图识别一次。

场景配方：四个照抄即用的组合

按你的实际需求挑一条，组合操作即可。

• 文献截图归档：论文截图统一拖进批量页，输出选md，便于归档引用；个别关键段落用截图页框选后直接复制进笔记。
• 纸质文档数字化：先扫描成 PDF，用文档识别输出双层可搜索 PDF，页眉页脚在忽略区域里框掉。
• 代码截图转文本：排版解析选单栏-保留缩进，识别结果粘回 IDE 仍是可读的缩进结构。
• 夜间挂批处理：批量或文档任务勾选"完成后自动关机/待机"，睡前挂上，起床看结果。

参数调优：只讲"限制图像边长"这一个开关

这一节只精讲最值得动手的参数。"限制图像边长"会把边长超过该值的图片压缩后再识别：值越低越快，值越高大图越准。注意它仅对 PaddleOCR 引擎生效，可选值为960（默认）、2880、4320、999999（无限制）。

几条一句话建议：

• 小图、普通截图保持默认960即可，不必调高。
• 长图、大图识别漏字，才考虑上调该值。
• 先在"全局设置"确认当前用的是 PaddleOCR 引擎，再调这个参数。
• 识别语言库按文档实际语言选，避免用错模型。
• 多栏文档排版乱，优先换排版解析方案，而不是动边长参数。

方案对比：离线本地工具怎么取舍

这一节把 Umi-OCR 与两类常见替代放一张表里。

需要离线、免费、数据不出本机时，Umi-OCR 是务实选择；已有账号且只偶尔识别单图的场景，在线服务也够用。

🔧 自动化与集成：命令行和 HTTP 接口

这一节给需要脚本化调用的你两条路径。命令行入口就是主程序Umi-OCR.exe（可简写umi-ocr），它依赖本地 HTTP 服务与后台进程通信，仅走本机回环（默认端口1224），不经物理网卡。常用写法：

umi-ocr --screenshot # 鼠标截屏识别 umi-ocr --screenshot screen=0 rect=100,200,400,300 # 指定屏幕与区域 umi-ocr --path "D:/文档" # 识别文件夹内全部图片 umi-ocr --screenshot --clip # 结果复制到剪贴板 umi-ocr --screenshot --output test.txt # 结果写入文件 umi-ocr --qrcode_read "D:/a.png" # 识别二维码

HTTP 接口要点：

• 服务默认开启，地址http://127.0.0.1:1224；全局设置页勾选"高级"后才显示相关选项，主机选"仅本地"即可。
• 先调/api/ocr/get_options查询当前可选参数，再组装请求；主要接口为/api/ocr（图片，Base64）、/api/doc（文档）、/api/qrcode（二维码）。
• 后端并发能力有限，建议串行调用。

完整参数见 命令行手册 与 HTTP 接口手册。

问题速查：六个高频卡点

• 识别结果顺序错乱→ 在"文本后处理"里更换排版解析方案，多栏文档选多栏-按自然段换行。
• 大图、长图识别漏字→ 页面设置→文字识别→把"限制图像边长"调高（2880/4320/999999）。
• 水印、页眉混进结果→ 批量页右栏进入"忽略区域"编辑器，按住右键画矩形，把目标文本块完整框住。
• 命令行或 HTTP 调不通→ 全局设置确认 HTTP 服务已开启（默认开启），主机选"仅本地"。
• 界面语言不是想要的→ 全局设置→语言/Language，手动切换。
• 快捷键没反应→ 截图OCR页设置里重新录制快捷键，确认没被其他软件占用。

Umi-OCR 适合偶尔抓文字的个人、批量处理扫描件的人，以及想把 OCR 接进工作流的开发者。现在就能做的第一步：解压发行包，双击Umi-OCR.exe，在截图OCR页按一次Win+Alt+C。

【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