三种把 DSH 搬到手机的方案，差的不是功能而是中间那台服务器
2026/10/24 8:14:42
免费离线 OCR 工具 Umi-OCR 使用指南：3 步完成截图与批量文字识别
【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
截图里的文字点不动，扫描件 Ctrl+F 搜不到内容，把文件传到云端 OCR 服务又不放心？Umi-OCR 是一款免费、离线运行的文字识别软件：截图、图片、PDF 全部在本地完成识别，不联网、不注册、不限文件数量。
📋 功能总览：Umi-OCR 能做什么
| 功能 | 能解决什么 | 适合谁 |
|---|---|---|
| 截图 OCR | 框选屏幕任意区域，直接提取其中的文字 | 办公人员、学生日常摘录 |
| 批量 OCR | 一次导入整个文件夹的图片，转成可检索文本，不限数量 | 需要整理照片、扫描件的批量处理场景 |
| 文档识别 | 从 PDF 扫描件中提取文字，可输出双层可搜索 PDF | 处理扫描版 PDF、电子书的用户 |
| 忽略区域 | 画框排除水印、页眉页脚，让结果更干净 | 带固定水印的扫描件 |
| 二维码 | 扫描或生成二维码图片，支持一图多码 | 需要核对、制作二维码的场景 |
| 命令行 / HTTP 接口 | 把识别能力接入脚本和外部程序 | 开发者、自动化流程 |
🚀 快速上手：获取、启动并完成第一次截图识别
- 获取程序：执行
git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR取得源码包，解压其中自带的发布压缩包；也可以直接从项目发布页下载压缩包后解压。解压即用，没有安装器。 - 启动软件：Windows 上双击
Umi-OCR.exe，Linux 上运行根目录的umi-ocr.sh。主窗口打开后，默认显示"截图 OCR""批量 OCR"等标签页，可自由添加或关闭。 - 完成第一次截图识别：进入"截图 OCR"页，点击左上角截图图标，用鼠标框选含文字的区域。识别结果会出现在右侧记录栏，可以编辑、划选复制或保存。
📷 场景实战：把一个文件夹的照片批量转成文本
以"把一摞教材页面照片转成可检索文本"为例，走完整流程。
准备：把约 20 张图片放进同一个文件夹即可。支持 jpg、png、webp、bmp、tif 等格式，不需要统一尺寸和分辨率，导入也没有数量上限。
操作：
- 打开"批量 OCR"页，在左侧列表区点击"选择图片"，添加整个文件夹或多张散图。
- 在右侧设置面板选择识别语言库与保存格式，txt、jsonl、md、csv（Excel）均可。
- 点击"开始任务"。进度条显示总体进度，左侧列表逐张标记耗时与状态。
产出：右侧记录栏逐张输出文字，可直接查看和复制，也可以设置自动保存为文件。如果扫描件上有固定位置的水印，先在"忽略区域"编辑器里画矩形框把水印完全包住，框内的文字就不会进入结果。如果原件是扫描 PDF，改用"文档识别"页，可生成保留原图、同时附加文字层的双层可搜索 PDF。
⚙️ 调优识别效果：常用参数与排错清单
不同内容需要不同的参数，先用下表快速对照：
| 识别对象 | 关键参数 | 推荐设置 |
|---|---|---|
| 普通文档、截图 | 排版解析方案 | 多栏-按自然段换行 |
| 代码截图 | 排版解析方案 | 单栏-保留缩进 |
| 大图、长图 | 限制图像边长 | 调高数值，避免大图被压缩 |
| 带水印、页眉页脚 | 忽略区域 | 画矩形框完全包住水印 |
排错清单：
- 结果错乱时，先确认图片清晰度——提高画质通常比调参数更有效。
- 大图识别不出文字，多半是被默认的边长限制压缩了，到"页面的设置 → 文字识别 → 限制图像边长"调高数值。
- 中英混排内容，为任务选择对应的识别语言库，引擎输出会更准确。
- 界面出现截屏闪烁或 UI 错位时，到"全局设置 → 界面和外观"切换渲染器，或关闭硬件加速。
🔌 进阶能力：命令行、HTTP 接口与引擎切换
命令行调用：主程序可直接在命令行执行。umi-ocr --screenshot唤起截图识别；umi-ocr --path "路径" --output result.txt识别指定图片并把结果写入文件，方便接入自动化脚本。完整指令清单见 CLI 文档。
HTTP 接口：软件默认开启 HTTP 服务，外部程序上传图片或文档即可拿到结构化 JSON 识别结果，文档识别、二维码识别与生成也都有对应接口，详见 HTTP 接口手册。
引擎切换：界面内通过插件可在 RapidOCR 与 PaddleOCR 两种离线引擎之间切换，按硬件和速度需求选用。
多语言界面：提供简中、繁中、英语、日语、俄语等 10 余种语言，首次启动按系统语言自动切换，之后在"全局设置 → 语言/Language"手动修改即可。
各版本的具体改动，可继续查阅 更新日志。
🖥️ 平台与格式边界
- 系统：支持 Windows 7 x64 与 Linux x64；Linux 下直接运行根目录
umi-ocr.sh启动。 - 图片格式：jpg、jpe、jpeg、jfif、png、webp、bmp、tif、tiff。
- 文档格式：pdf、xps、epub、mobi、fb2、cbz。
- 数量限制：批量图片导入没有数量上限，任务完成后可设置自动关机或待机。
- 联网要求：识别全程本地离线完成，图片不离开设备；命令行依赖本地环回的 HTTP 通信，不经过物理网卡。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考