Umi-OCR 离线OCR使用指南：4个场景跑通截图、批量图片与PDF识别-创锋一号

Umi-OCR 离线OCR使用指南：4个场景跑通截图、批量图片与PDF识别

【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 离线OCR是一款免费、开源的本地文字识别工具：框屏截图取字、整夹图片批量转文字、扫描版PDF转成可搜索文档，全程不联网、图片不上传。下面按4个真实场景把它跑起来，最后给出接入自动化脚本的命令与接口。

Umi-OCR 离线OCR主界面：左侧预览栏可直接划选文字，右侧记录栏按时间保存每次识别结果

解压即用：离线OCR工具怎么装

发布包是.7z压缩包（或.7z.exe自解压包），支持 Windows 7 x64 和 Linux x64，没有安装器。

把发布包解压到顺手的位置，解压出的目录就是全部文件。
Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh。主窗口弹出后，界面语言跟随系统设置。
打开"截图OCR"标签页，在该页设置里确认截图快捷键（可随时改键），框选一块文字区域，按Esc可取消。
识别完成后，左侧预览栏直接划选复制，或点右侧对应记录，文字进剪贴板。

想换界面语言、主题，或加桌面快捷方式、开机自启，去"全局设置"标签页操作。

临时取字：框选屏幕上的代码，复制时保留缩进

如果你的目标是代码截图，先把右侧设置里的排版解析切到单栏-保留缩进。原因：OCR 引擎只负责认字，文字块按什么顺序拼回去由排版解析方案决定；默认的"多栏-按自然段换行"面向普通文档，套在代码上会把缩进拍平。

做法：

在"截图OCR"页框选代码区域。
右侧"设置"面板中，排版解析选单栏-保留缩进。
识别完成后点这条记录复制。

验证方法：把结果贴进 IDE 或 Markdown 编辑器，缩进层级与原图一致、没有多余空格，就通过了。

Umi-OCR 离线OCR的截图OCR页面：右侧设置可切换排版解析方案，左侧预览栏支持划选文字

记录面板还允许划选多条记录批量复制，右键可以复制、删除单条或清空全部：

识别记录面板：右键菜单可复制单条记录、删除或清空全部记录

发票与扫描图整夹转文字：几百张图片一次出Excel

手里有整文件夹的扫描单据或照片时，走"批量OCR"标签页：点"选择图片"或直接把文件夹拖进去，几百张一次导入，没有数量上限。

输入图片格式：jpg / jpe / jpeg / jfif / png / webp / bmp / tif / tiff
输出格式勾选：txt / jsonl / md / csv (Excel)
点"开始任务"后，左侧列表逐张显示耗时与置信度，任务结束得到每个文件对应的输出

验证方法：抽 3 张图对比预览和输出文本，置信度（0~1）低于0.8的几张重点人工核对。

两个高频问题：

水印怎么整体剔除：每张图固定位置有水印或 LOGO 时，从右侧设置进入忽略区域编辑器，按住右键画矩形框住它。只有完整落在框内的文本块会被丢弃，框画得稍微大一点更安全。
大图小字认错：到"设置 → 文字识别 → 限制图像边长"调高数值。默认960会先把大图压缩，小字容易糊，改2880或4320。

批量OCR页面：左侧是待识别图片列表（含耗时、置信度），右侧是识别记录

扫描版PDF转双层可搜索文档：原图不变，文字可搜

扫描件转可搜索文档，打开"文档识别"标签页（v2.1.4 及以上），把文档拖进去。支持格式：pdf / xps / epub / mobi / fb2 / cbz，同样可设忽略区域排除页眉页脚。

产物是双层可搜索PDF：原图在底下，识别出的文字藏在上层，能搜能选，版面不损失。验证方法：打开生成的 PDF 按Ctrl+F搜一个只出现在正文里的词，能直接跳到对应页，说明文字层写对了。

自动化接入：一行命令或HTTP接口把识别挂进流水线

想把 Umi-OCR 放进定时任务、打包脚本或自己的 Web 服务，有命令行和 HTTP 两个口子，都依赖软件内的 HTTP 服务。

先到"全局设置"确认 HTTP 服务已允许，主机保持"仅本地"，默认端口1224。
命令行走法（umi-ocr是Umi-OCR.exe的简写），最常用的三条：

umi-ocr --screenshot --clip umi-ocr --path "D:/docs" --output "结果.txt" umi-ocr --qrcode_read "D:/code.png"

HTTP 走法：先GET http://127.0.0.1:1224/api/ocr/get_options查参数定义，再POST http://127.0.0.1:1224/api/ocr提交 base64 图片。请求体是 JSON，base64字段放图片编码，options字段放语言模型、排版解析等选项；文档识别、二维码各有成套接口。

验证方法：命令行任务跑完，文字出现在剪贴板或你指定的文件里；浏览器打开get_options能看到 JSON 参数定义。如果没反应，多半是 HTTP 服务没开，回"全局设置"查一下。

另有一个约定：命令行任务沿用"截图OCR"标签页的参数设定。不希望任务时弹出主窗口，就在那个标签页里关掉对应选项。

全局设置页：可切换语言与主题、添加桌面快捷方式与开机自启，并查看 HTTP 服务开关

参数与故障速查

常用参数

参数	默认值	何时改	为什么改
排版解析	多栏-按自然段换行	识别代码截图时	换"单栏-保留缩进"，保留缩进与行内空格
限制图像边长	960	大图小字识别不准时	调高到 2880 或 4320，避免图片先被压缩
语言/模型库	简体中文	内容为纯英文、纯代码时	换`models/config_en.txt`，减少怪字符
OCR引擎插件	Rapid-OCR（自带）	精度或速度不满足时	在全局设置里切换，日常使用保持默认即可
HTTP服务	开启，仅本地，端口 1224	命令行/接口无响应时	确认已允许且主机为"仅本地"

界面改动会自动存进UmiOCR-data/.settings（ini 格式），也可以手动改，改完执行umi-ocr --reload重新加载。

问题排查

现象	原因	处理
识别顺序错乱、读不通	排版解析方案与图片排版不匹配	换方案；代码选"单栏-保留缩进"
大图里的小字认错	边长限制 960 先压缩了图片	"限制图像边长"调到 2880 以上
水印、LOGO 文字混进结果	水印里的文本块被一起识别	批量页忽略区域把水印整块框住
命令行 / HTTP 没反应	HTTP 服务没开	全局设置里允许 HTTP 服务，主机选"仅本地"

下一步去哪儿

命令行手册：范围截图、粘贴图片、二维码与输出重定向的完整指令
HTTP接口手册：图片识别、文档识别、二维码接口的完整参数
更新日志：各版本功能变化

Python 源码在UmiOCR-data/py_src/目录里，想弄清识别任务怎么调度的话，可以直接翻。

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