企业官网建设流程全解析

Umi-OCR免费离线OCR：4个场景，文件不出本机

【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 是一款免费OCR工具，也是少数真正离线的离线OCR：识别全程在本机完成，文件不出机器，断网照常跑。它把屏幕取字、批量图片转文字、扫描PDF加文字层、二维码读写收进同一个窗口里。

为什么是它

• 离线安全：图片、文档都在本地过一遍内置模型，不经过任何服务器。给公司、诊所传文件有顾虑的人，用它最稳。
• 免安装：下载压缩包，解压即用，不写注册表、不装运行时。换电脑频繁的人，拷一份就能带走全部设置。
• 免费开源：不收费、无账号墙、不按字数计次，代码公开可查。想自己编译、改流程的开发者可以直接动源码。

5分钟跑起来 🏃

1. 下载发行包：.7z压缩包或.7z.exe自解压包。→ 看到压缩文件在本地落盘，自解压包连压缩软件都省了。
2. 解压到任意目录。→ 看到Umi-OCR.exe和一堆运行文件。
3. 双击Umi-OCR.exe启动；Linux 上跑umi-ocr.sh脚本。→ 主界面弹出，标签页一目了然。

首次打开时界面语言跟随系统。想换简中、繁中、英、日、俄、葡或深浅主题，进「全局设置」切一下就好。想自己构建，克隆仓库后按 README 说明操作。

论文里选不中的死文字 🖱️

PDF 阅读器里有些文字锁得死死的，右键选不中。

1. 打开「截图OCR」标签页。
2. 按页面里的快捷键在屏幕上框住那段话。
3. 看右侧识别记录栏，选中结果直接复制。

结果不理想时：调高图片对比度或转灰度，中英混排就选混合语言，还可以换内置的另一套引擎再跑一遍。

一夹发票扫描件进表格 📥

几十张 jpg 发票躺在文件夹里，文字要进表格，手敲不现实。

1. 打开「批量OCR」页，把整个文件夹拖进去。jpg、png、webp、bmp、tif 都能进，几百张照排。
2. 水印 LOGO 固定在同一个位置？按住右键在图上画矩形框住它，框内文字块整块跳过。
3. 勾选保存格式：txt、jsonl、md、csv 四选一，csv 可直接进 Excel。
4. 看左侧列表，每张图的耗时和状态都列得清清楚楚。

跑得很慢时：把「限制图像边长」调高，任务拆成几批排队，比硬扛一张超长图快。大任务跑完，还能勾选自动关机。

扫描PDF变可搜索 🔍

300 页扫描教材里 Ctrl+F 一点就扑空——因为它本质是一摞图片。

1. 打开「文档识别」标签页，把 PDF 拖进去。
2. 有固定页眉页脚，先框进忽略区域再开跑。
3. 任务完成，导出结果。

拿到的是一份双层可搜索PDF：原扫描图完整保留为图像层，版式、插图原样不动；OCR 把每页文字转成一层透明文本叠在图上。Ctrl+F 命中的是文字层，能定位到第几页，整段复制也没问题。PDF 之外，XPS、EPUB、MOBI、FB2、CBZ 也支持。

文字层由内置的 RapidOCR、PaddleOCR 两套离线模型生成，不联网。

不想开界面 ⌨️

命令行入口就是主程序本身。把整个文件夹识别进一个文件：

umi-ocr --path "D:/images" --output "D:/result.txt"

程序化调用走本地 HTTP 接口：图片识别、文档识别、二维码读写都有对应端点，只监听本机环回，不经过物理网卡。参数细节看 命令行手册 和 HTTP接口手册。

上手前，先知道边界

• 识别率吃输入质量：艺术字、潦草手写有上限，调参数救不了。
• 大文件、超长图吃内存：4GB 以下内存的机器，减小单批数量或调低「限制图像边长」。
• HTTP 接口对并发不友好，脚本里串行调用。
• 语言包覆盖中英日韩法德等常用语言，小语种内容建议选混合语言包。

Umi-OCR 把截图取字、批量转文字、扫描PDF加文字层、二维码读写收进同一个免费离线的本地工具，文件从头到尾没离开过你的机器。更多细节看 README，有问题去项目社区提 Issue 就行。

【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