5 分钟跑通 Umi-OCR：免费离线文字识别的完整上手路径

5 分钟跑通 Umi-OCR免费离线文字识别的完整上手路径【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做开发或常处理文档的人可以把 Umi-OCR 当成随身的文字识别工具全程离线图片不出本机截图取字、整文件夹批量识别、扫描 PDF 转双层 PDF 都能做。按下面的步骤走一遍你至少能独立跑通一次截图识别再顺手把结果接进自己的脚本。 第一次上手从解压到拿到第一段识别文本任务目标走完最小闭环看到程序弹出主窗口、框选一块区域后拿到可复制的识别文本。操作路径从发布渠道下载.7z压缩包也提供.7z.exe自解压包没有压缩软件也能直接解。支持 Windows 7 x64 与 Linux x64无需安装。解压到任意目录顶层就三样东西Umi-OCR.exeWindows 主程序、umi-ocr.shLinux 启动脚本、UmiOCR-data数据目录含.settings配置文件、py_srcPython 源码、plugins插件目录。双击Umi-OCR.exe。主窗口弹出界面语言首次启动跟随系统想换语言或主题去全局设置标签页改所有改动自动写入UmiOCR-data/.settings。切到截图 OCR标签页。这一页就是取字工作台左侧是图片预览栏右侧是设置 / 记录面板。按该页设置的截图快捷键屏幕变暗并出现选框框住一块文字后松开鼠标随时按Esc取消。识别完成后右侧记录面板多出一条带时间戳的文本左侧预览栏同时显示带文字层的结果图。怎么算成功单击那条记录文本即被复制CtrlV能粘出内容预览栏里的文字也能用鼠标直接划选。翻车高发点点Umi-OCR.exe没有反应多数是缺少运行库。改用官方发布包里的自解压版本它会把运行库一并带上。快捷键按了没反应快捷键可能与其他软件冲突进该页设置重新录制一组组合键。想要开机自启或桌面快捷方式到全局设置里一键添加省得每次翻目录。⚡ 三个高频场景的实操做法代码截图按原缩进取出再贴进 IDE任务目标让代码截图的缩进层级和行内空格原样进入剪贴板。操作路径截图 OCR标签页框选代码区域。右侧设置面板把排版解析从默认的多栏-按自然段换行改为单栏-保留缩进。识别完成后选中这条记录复制。怎么算成功贴进 IDE 或 Markdown 编辑器缩进层级与原图一致行内空格没有多余也没有缺失。翻车高发点缩进被拍平成一行行散句原因是默认排版方案面向普通文档设计它只负责按自然段拼接不管代码结构。切到单栏-保留缩进即可引擎认字和排版解析拼字块是两道工序后者选错结果就不对味。记录想改几个字再复制先在记录栏编辑文本再复制也可以划选多条记录一次性复制右键菜单支持删除单条、清空全部。一个文件夹的图片批量出文本任务目标几百张扫描图、票据照片一次导入每张对应一份结果文件。操作路径切到批量 OCR标签页点选择图片或直接把文件夹拖进去。支持jpg / jpe / jpeg / jfif / png / webp / bmp / tif / tiff数量没有上限。输出格式勾选txt / jsonl / md / csv (Excel)每张图对应一份同名输出。图片上有固定位置的水印或 LOGO进右侧设置的忽略区域编辑器按住右键画矩形框住水印位置框尽量画大、画全。大图小字多的素材到设置 → 文字识别 → 限制图像边长调高数值默认960可选2880、4320、999999无限制。点开始任务左侧列表逐张滚出耗时和置信度0~1跑完即得全部结果。怎么算成功随机抽 3 张左侧预览与右侧记录逐字对得上置信度低于0.8的几张重点人工核对。翻车高发点大图里小字认错默认边长960会先压缩大图再识别小字直接糊掉。把数值调高即可代价是速度变慢。水印、LOGO 的文字混进结果忽略区域按整块文本丢弃只有完全落在框内的文本块才被扔掉横跨框边的文字仍保留所以框要画大、画全别卡着水印边缘画。扫描版 PDF 转双层可搜索文档任务目标扫描件既能搜能选版面一点不损失。操作路径切到文档识别标签页v2.1.4 及以上版本支持拖入pdf / xps / epub / mobi / fb2 / cbz文档。有页眉页脚干扰时同样用忽略区域把固定区域框掉。开始任务等待产物输出。怎么算成功打开生成的双层 PDF原图在底层、识别文字在顶层按CtrlF搜一个只出现在正文的词能直接跳到对应页。翻车高发点产物搜不到字检查识别语言是否匹配文档语言中文扫描件配简体中文模型。批量任务想跑完自动关机任务设置里有完成后自动关机/待机开关夜间挂任务用得上。把识别能力接进脚本命令行与本地 HTTP 两个口子任务目标在定时任务、打包脚本或自建服务里调用离线识别不碰界面。操作路径进全局设置确认 HTTP 服务已勾选默认开启主机保持仅本地默认端口1224。命令行直接用umi-ocr是Umi-OCR.exe的简写完整清单见 命令行手册umi-ocr --screenshot --clip umi-ocr --path D:/docs --output 结果.txt umi-ocr --qrcode_read D:/code.pngHTTP 接口两步走先GET http://127.0.0.1:1224/api/ocr/get_options拿到全部参数定义再POST http://127.0.0.1:1224/api/ocr请求体是 JSON——base64字段放图片编码options字段放语言/模型库、排版解析等选项。完整参数表见 图片识别接口文档文档识别的上传、查询、下载流程在 HTTP 接口手册。怎么算成功命令行跑完文本出现在剪贴板或你指定的文件里浏览器访问get_options能看到 JSON 参数定义。两步都通接口即就绪。翻车高发点命令行和 HTTP 都没反应九成是全局设置里 HTTP 服务没开勾上即可。跑命令行任务时主窗口被弹出来很碍事截屏、粘贴、路径类指令沿用截图 OCR标签页的参数设定在那个标签页把弹出主窗口选项关掉。高频调用偶发ECONNREFUSED后端并发能力有限重试一次即可不要并发轰炸。 常用参数速查参数默认值建议值为什么这么调排版解析多栏-按自然段换行代码截图改单栏-保留缩进普通文档保持默认引擎只认字缩进和阅读顺序全靠它拼限制图像边长960大图小字调 2880 或 4320默认值先压缩大图小字容易糊语言/模型库简体中文纯英文、纯代码换models/config_en.txt中文模型认纯英文容易出怪字符OCR 引擎插件Rapid-OCR自带保持默认不够用再切换自带引擎兼容性好、够快省去折腾HTTP 端口1224保持默认脚本里写死这个地址最省事批量输出格式txt要进表格勾csv (Excel)要带排版勾md后处理成本最低的一种 结果不对时按症状排查症状原因解法识别顺序错乱、读不通默认排版解析方案不适合这张图的排版换排版解析方案代码截图选单栏-保留缩进大图里小字认错默认边长限制 960 先把图片压缩了限制图像边长调到 2880 以上水印、LOGO 文字混进结果水印位置的文本块被一起识别批量页/文档识别页画忽略区域把水印整块框住命令行 / HTTP 无响应本地 HTTP 服务没开全局设置里允许 HTTP 服务主机选仅本地高频调用偶发连接被拒后端对并发支持差请求间隔拉开失败重试一次Umi-OCR 就是一个放在本地的文字识别工具箱免费、离线截图取字、批量图片、扫描 PDF 三件事一套程序做完。想深入自动化命令行手册 和 HTTP 接口手册 是完整参考。【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