Umi-OCR

官网介绍

Umi-OCR是一款由开发者hiroi-sora开发的开源、免费、可批量处理的离线OCR（光学字符识别）软件。该项目采用MIT许可证，所有代码完全开源，用户可自由使用和修改。软件适用于Windows7 x64及Linux x64操作系统，无需安装，解压即可运行，完全离线工作，无需网络连接。Umi-OCR内置高效率的离线OCR引擎，支持PaddleOCR-json和RapidOCR-json两种引擎，并包含多种语言识别库，提供灵活的命令行和HTTP接口供外部调用。项目在GitHub上获得了超过41.1k星标和4.1k分支，显示出其在开源社区的广泛认可和受欢迎程度。

核心功能特点

截图OCR

用户可通过快捷键快速唤起截图功能，直接识别屏幕任意区域的文字内容。左侧图片预览栏支持鼠标划选复制，右侧识别记录栏可编辑文字并支持划选多个记录复制。同时支持将外部复制的图片粘贴到软件中进行识别，提供便捷的即时文字提取解决方案。

批量OCR处理

支持批量导入本地图片进行识别，支持jpg、jpe、jpeg、jfif、png、webp、bmp、tif、tiff等多种图片格式。可一次性导入数百张图片进行处理，无数量限制，并支持任务完成后自动关机/待机功能。识别结果可保存为txt、jsonl、md、csv(Excel)等多种格式，满足不同场景需求。

文档识别

支持对PDF、xps、epub、mobi、fb2、cbz等多种文档格式进行识别。能够对扫描件进行OCR处理，或直接提取原有文本内容，并可输出为双层可搜索PDF。该功能特别适用于将不可编辑的扫描文档转换为可搜索、可编辑的文本内容，极大提高文档处理效率。

二维码功能

集成了完整的二维码处理功能，支持扫码和生成二维码。扫码功能可通过截图、粘贴或拖入本地图片的方式读取其中的二维码和条形码，支持一图多码识别，兼容19种不同编码协议。生成功能允许用户输入文本生成二维码图片，并可调整纠错等级等参数。

忽略区域

提供独特的忽略区域功能，允许用户在识别前划定矩形区域，排除图片中不想要的文字内容，如水印、页眉页脚、LOGO等干扰元素。用户只需按住右键绘制矩形框，处于忽略区域内的整个文本块将在识别过程中被自动排除，提高识别准确性。

排版解析

内置智能排版解析功能，能够识别不同排版格式并按正确顺序输出文字。提供多种预设排版方案，包括多栏排版按自然段换行、多栏总是换行、单栏保留缩进等模式，同时支持横排和竖排（从右到左）文字的正确识别与排版，使输出文本更符合阅读习惯。

公式识别

支持数学公式识别功能，能够从图片中识别数学公式并输出相应内容。该功能特别适合学生、教师和研究人员使用，可快速将图片中的公式转换为可编辑文本，方便学习和研究工作。

应用场景

• 办公文档处理：快速将扫描的PDF文件转换为可编辑、可搜索的文本内容，提高文档处理效率
• 学术研究：识别论文、文献中的公式和文字内容，方便引用和编辑学术资料
• 数据提取：从截图、图片表格中提取数据信息，减少手动输入工作量
• 内容去重：排除图片中的水印、LOGO等干扰元素，提取纯净文本内容
• 多语言资料处理：利用内置多国语言库，处理不同语言的图片和文档内容
• 二维码管理：扫描各类二维码获取信息或生成自定义二维码用于信息分享
• 批量图片处理：对大量图片进行文字提取，适用于图片库整理、内容审核等场景
• 隐私保护场景：完全离线运行，确保敏感信息处理过程不经过网络，保护数据安全

优势

Umi-OCR的核心优势在于其完全离线的工作模式，无需网络连接即可完成所有识别任务，既保护了用户隐私，又可在无网络环境下使用。作为开源软件，它提供完全免费的使用体验，无任何功能限制或隐藏费用。软件采用绿色便携设计，解压即可使用，无需安装过程，不会在系统中留下冗余文件。支持Windows和Linux双平台，满足不同用户的系统需求。内置多种高效OCR引擎，可根据需求灵活切换，兼顾识别速度和准确性。丰富的功能集成为用户提供一站式文字识别解决方案，从截图识别到批量处理，从文档转换到二维码生成，满足多样化使用需求。

价值总结

Umi-OCR为用户提供了一款功能全面、操作简便、完全免费的离线OCR解决方案，有效降低了文字识别的技术门槛和使用成本。通过智能化的识别技术和人性化的操作设计，帮助用户快速将图片、扫描件等非文本内容转换为可编辑、可搜索的文本形式，显著提高工作效率。其开源特性确保了软件的透明度和可定制性，用户可根据自身需求进行功能扩展或优化。无论是个人用户日常使用，还是企业办公场景，Umi-OCR都能提供高效、安全、可靠的文字识别服务，为信息处理和知识管理带来实质性价值提升。

用户体验与优势

Umi-OCR注重用户体验，采用直观的标签页式界面设计，用户可根据需求快速切换不同功能模块。软件支持多国语言界面，首次启动时会根据系统设置自动切换语言，也可手动调整为繁中、英语、日语等多种语言。提供多种界面主题选择，包括多个亮色和暗色主题，适应不同使用环境和个人偏好。用户可自定义界面文字大小和字体，提升视觉舒适度。软件启动速度快，识别响应迅速，并提供加载动画反馈操作状态。丰富的快捷键支持和系统托盘菜单功能，进一步提升了操作便捷性。对于高级用户，还提供命令行和HTTP接口，支持外部程序调用，扩展了软件的使用场景。

技术优势

Umi-OCR在技术层面采用了灵活的架构设计，支持插件扩展机制，可通过安装不同插件实现功能扩展。内置高效的离线OCR引擎，包括PaddleOCR-json和RapidOCR-json两种引擎选择，兼顾识别准确性和处理速度。软件采用PyStand定制版运行环境框架，确保跨平台兼容性和稳定性。提供完善的命令行和HTTP接口，支持外部程序集成和自动化工作流。项目结构清晰，代码组织合理，便于维护和扩展。支持硬件加速渲染，同时提供多种渲染方案选择，适应不同硬件配置。软件本地化翻译基于Weblate平台进行协作，确保多语言界面的质量和一致性。针对不同平台特点进行了优化，在保证功能完整的同时，确保了在Windows7及Linux系统上的稳定运行。