Umi-OCR 免费离线OCR软件实战：从一摞纸质资料到可编辑文字，我只用了三分钟

【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

深夜十一点，你盯着办公桌上那二十页刚打印出来的技术文档——不是电子版，是纸质的。要么一个字一个字敲进电脑，要么掏出手机拍照再手动整理。两年前的我选了后者，结果那晚我花了四个小时。

直到我遇到Umi-OCR，一款完全免费、开源、离线运行的 OCR 软件。从那以后，"图片里的文字复制不出来"这件事，从我的人生里消失了。今天这篇文章，就把我从安装到玩透它的完整路径走给你看。

一句话看懂：Umi-OCR 到底解决什么问题

如果你在办公、学习或写代码时经常遇到下面任一场景，它就是为你准备的：

• 网页、软件界面、PDF 里的文字无法复制，只能截图
• 一堆扫描件、照片里的文字需要变成可编辑文档
• 想识别图片里的二维码，或者批量生成二维码
• 手上有几百张图片要转文字，不想一张张手动处理

Umi-OCR 是一款免费、开源的离线 OCR 软件，自带离线识别引擎和多种语言库，解压即用、无需联网、不传任何数据到云端。截图识别、批量识别、PDF 文档识别、二维码扫码与生成，全都能干。和多数需要联网的在线 OCR 工具相比，它最大的不同是：数据不出本机，速度还不输在线服务。

首战速通：3 步完成第一次文字识别

先别急着研究所有功能，我们把最短路径走通，让你三分钟内获得第一次正反馈。

第一步：下载并解压

从项目仓库获取压缩包（Windows 版为.7z格式），解压到纯英文路径，例如D:\Umi-OCR。注意不要放在带中文或空格过长的目录里，避免潜在的兼容性问题。

第二步：启动软件

无需安装。解压后直接双击Umi-OCR.exe即可运行，第一次启动会自动按你系统的语言设置切换界面语言。想手动切换的话，到全局设置→语言/Language里选即可。

第三步：截图识别

打开「截图OCR」标签页，按下默认快捷键Ctrl+Shift+S，用鼠标框选屏幕上任意想识别的区域，松开后文字自动提取并显示在右侧记录栏，复制即可使用。

截图识别是日常最高频的功能，框选、识别、复制三步一气呵成

看到识别结果出来的那一刻，恭喜你，已经正式上手了。

进阶玩法：4 个多数人不知道的高效技巧

基础功能会用之后，下面这几个能力才是 Umi-OCR 真正拉开差距的地方。

技巧一：用"排版解析方案"解决多栏和代码截图

同样是识别，为什么有人复制出来是乱序的，有人复制出来直接能粘贴进文档？

关键在于「截图OCR」设置里的文本后处理 - 排版解析方案。它决定识别出的文字块按什么顺序、什么方式拼接：

• 多栏-按自然段换行：适合大部分网页、论文等双栏或多栏排版
• 单栏-保留缩进：专门用于解析代码截图，保留行首缩进和行中空格
• 不做处理：OCR 引擎的原始输出

如果你经常把代码截图转成文本，选单栏-保留缩进，缩进和空格会原样保留，粘贴进编辑器里直接能用。

代码截图识别配合"保留缩进"方案，还原度接近原生代码

技巧二：用"忽略区域"排掉水印和页眉页脚

批量识别扫描件时，最烦人的不是文字本身，而是图片角落的水印、LOGO、页眉页脚。它们会混进识别结果里，还得手工清理。

「批量OCR」标签页右侧设置里可以进入忽略区域编辑器，按住右键在图片上画出矩形框，把这些区域圈起来。任务执行时，完全落在框内的文本块会被直接丢弃，水印识别问题从此一劳永逸。

技巧三：二维码不仅能扫，还能批量生成

「二维码」标签页支持截图、粘贴、拖入图片识别其中的二维码和条形码，一张图多个码也能一次读出，支持 Aztec、QRCode、PDF417 等 19 种协议。

反过来，输入任意文本就能生成二维码图片，还能自定义宽高和纠错等级。生成 Wi-Fi 分享码、名片信息，都不用再求助于在线网站了。

技巧四：扫描版 PDF 一键变成可搜索文档

这是被很多人忽略的重头戏。在「文档识别」标签页拖入 PDF 扫描件，选择输出为双层可搜索 PDF——识别出的文字会被写入 PDF 底层，上层保留原图。结果就是：原本只能肉眼阅读的扫描件，现在可以全文搜索、复制、选中高亮。

支持pdf, xps, epub, mobi, fb2, cbz格式，同样可以设置忽略区域排除页眉页脚，还可以在任务完成后自动关机或休眠。

实战演练：把一整本纸质笔记搬进电脑

理论讲完了，走一遍完整的真实流程。假设你要把一本 30 页的纸质笔记变成电子版：

1. 拍照：用手机把每一页拍下来，导入电脑放进一个文件夹
2. 批量导入：打开「批量OCR」标签页，点「选择图片」或直接把整个文件夹拖进去，支持jpg, png, webp, bmp, tif等常见格式
3. 忽略水印：如果照片角落有手指、阴影或水印，先进入忽略区域编辑器框选掉
4. 设置输出：在右侧设置里选择输出格式——需要整理成文章选md，需要统计分析选csv，最通用的是txt
5. 开始任务：点击「开始任务」，进度条实时显示处理状态，几百张图片没有数量上限，全部跑完还能自动待机

批量识别支持一次导入数百张图片，逐个显示识别结果与置信度

任务跑完后，识别记录可以直接复制，也可以按设定格式保存到指定目录。纸质笔记变成可搜索的电子文本，整个过程不用联网，隐私完全在自己手里。

避坑指南：新手最容易踩的 5 个坑

另外一个小提醒：软件窗口右上角可以锁定标签页，防止日常使用中误触关闭；标签栏左上角可以切换窗口置顶，边看资料边识别时非常顺手。

生态延伸：命令行和 HTTP 接口能做什么

Umi-OCR 远不止一个图形界面。它内置了完整的命令行和 HTTP 接口，让你可以把文字识别能力嵌进自己的工作流。

命令行调用：主程序Umi-OCR.exe本身就是命令行入口（需保证 HTTP 服务开启，默认开启）。

# 鼠标截屏并直接复制结果到剪贴板 umi-ocr --screenshot --clip # 指定截取范围并输出到文件 umi-ocr --screenshot screen=0 rect=50,100,300,200 --output "test.txt" # 识别指定图片或整个文件夹 umi-ocr --path "D:/img1.png" "D:/image/test" # 从文本生成二维码图片 umi-ocr --qrcode_create "https://example.com" "D:/输出图片.jpeg" 256 256

所有指令都支持简写，比如--screenshot可以简写为--sc，Linux 用户也可以用umi-ocr.sh脚本。

HTTP 接口：软件默认在http://127.0.0.1:1224提供本地接口。发一个 POST 请求带上 base64 图片，就能拿到 JSON 格式的识别结果：

import json, requests url = "http://127.0.0.1:1224/api/ocr" data = { "base64": "图片的base64编码字符串", "options": {"data.format": "text"} } response = requests.post(url, data=json.dumps(data), headers={"Content-Type": "application/json"}) print(json.loads(response.text))

接口还支持 PDF 文档识别、二维码识别/生成、参数动态查询。想深入了解，可以翻阅项目的命令行手册与 HTTP 接口文档：命令行手册位于docs/README_CLI.md，HTTP 接口手册位于docs/http/README.md。

对开发者来说，这些接口意味着你可以用 Python、JavaScript 甚至任意语言，把 Umi-OCR 变成项目里的"文字识别引擎"。想从源码开始研究或二次开发，也可以用git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR拉取整个项目。

从现在开始，让图片里的文字"随取随用"

回头看这篇文章，我们其实只做了一件事：把一个"截图后手动抄写"的麻烦，替换成一个三秒出结果的快捷键。

• 截图识别：Ctrl+Shift+S框选即识别，日常查资料最快
• 批量处理：几百张图片或一整本扫描版 PDF，挂机跑完即可
• 排版与忽略区域：让结果符合阅读习惯，水印干扰归零
• 命令行与接口：把识别能力接入自己的脚本和工作流

这款免费离线 OCR 软件不需要注册、不需要联网、不需要付费，现在就可以下载来试试。建议你今天就做一件事：随手截一张经常要抄写的网页截图，按下Ctrl+Shift+S，你会立刻明白什么叫"再也回不去手动抄写了"。

【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