Umi-OCR离线文字识别工具完全指南
资源概览
| 项目 | 内容 |
|---|---|
| 资源名称 | Umi-OCR |
| 版本 | v2.1.5 |
| 开源协议 | MIT（可商用、可二次分发、可修改） |
| 适用平台 | Windows 7 x64 及以上、Linux x64（暂不支持 macOS） |
| 体积 | Rapid 引擎版 98.6MB，Paddle 引擎版 128.1MB |
| 项目主页 | https://github.com/hiroi-sora/Umi-OCR |
| 官方直链 | https://github.com/hiroi-sora/Umi-OCR/releases/download/v2.1.5/Umi-OCR_Rapid_v2.1.5.7z.exe |
Umi-OCR 是 GitHub 上获得 4.7 万 star 的开源 OCR 项目，累计下载量超过 57 万次。它的核心价值在于三点同时成立：识别准确率可达商用水平、完全免费无任何付费墙、所有文字识别在本地完成不经过任何服务器。
这一点对处理合同、证件、内部技术文档的场景尤其重要。市面上大量在线 OCR 服务虽然免费额度可用，但图片会被上传到第三方服务器，存在数据泄露风险；而 Umi-OCR 断网也能正常工作。
核心功能亮点
截图识别，快捷键唤起。 默认快捷键 Win+Alt+C 框选屏幕任意区域即可识别文字，Win+Alt+V 可直接粘贴剪贴板中的图片进行识别。识别结果会保留排版顺序，支持中英文混排。
批量识别，无数量上限。 一次可导入数百张图片（jpg/jpeg/png/webp/bmp/tif 等格式），输出支持 txt、jsonl、md、csv 四格式。任务完成后可设置自动关机或待机，适合夜间批量处理归档扫描件。
忽略区域，过滤水印。 批量识别页右栏内置忽略区域编辑器，按住右键绘制矩形框，框内的整个文本块会被排除在结果之外。这个功能对处理带页眉页脚、带机构水印的扫描件非常实用，避免水印文字污染识别结果。
扫描PDF转双层可搜索PDF。 文档识别支持 pdf、xps、epub、mobi、fb2、cbz 格式，可提取原有文本层，也可对纯扫描件做 OCR 后输出双层 PDF——保持原图外观的同时，文字可以选中、复制和全文检索。
命令行与HTTP接口。 除了图形界面，Umi-OCR 提供完整的命令行手册和 HTTP 接口手册，可以被自动化脚本、爬虫、工单系统集成调用。
双引擎可选。 内置 PaddleOCR 和 RapidOCR 两套离线引擎，可在设置中一键切换。Paddle 引擎速度稍快但占用较高，不兼容奔腾、赛扬、凌动等老旧 CPU；Rapid 引擎速度略慢但内存占用低、兼容性好。
适用场景
| 场景 | 说明 |
|---|---|
| 合同/证件信息提取 | 涉密文件不便上传云端，本地识别规避合规风险 |
| 技术文档归档 | 批量把历史扫描版技术手册转成可搜索 PDF |
| 代码截图转文本 | 排版解析方案中的「单栏-保留缩进」可保留行首缩进和行中空格 |
| 水印文档清洗 | 用忽略区域排除机构水印、页眉页脚 |
| 自动化流水线 | 通过 HTTP 接口把 OCR 能力接入内部系统 |
| 老旧设备复用 | Rapid 引擎兼容性好，可在低配机器上运行 |
下载与安装
官方下载渠道（三个，均为长期维护）：
GitHub Releases：https://github.com/hiroi-sora/Umi-OCR/releases/latest
SourceForge：https://sourceforge.net/projects/umi-ocr
蓝奏云（国内免注册不限速）：https://hiroi-sora.lanzoul.com/s/umi-ocr
版本选择：
- Umi-OCR_Rapid_v2.1.5.7z.exe（98.6MB）——自带 Rapid 引擎，兼容性好，推荐低配机器
- Umi-OCR_Paddle_v2.1.5.7z.exe（128.1MB）——自带 Paddle 引擎，速度稍快，需要较高配置
安装步骤（Windows 绿色版，无需安装）：
第一步，下载 .7z.exe 自解压包。文件名以 .7z.exe 结尾的包是自解压程序，即使电脑没装压缩软件也能直接双击解压。
第二步，解压到任意目录（建议避开含中文和空格的路径，例如 D:\Tools\Umi-OCR）。
第三步，双击目录中的 Umi-OCR.exe 启动程序。程序会自动扫描系统语言并切换界面（支持简体中文、繁体中文、English、日本語等）。
第四步，在「全局设置」中添加快捷方式或设置开机自启。
Scoop 命令行安装（可选）：
scoop bucket add extras scoop install extras/umi-ocr # Rapid 引擎版，兼容性好 # 或 scoop install extras/umi-ocr-paddle # Paddle 引擎版，速度稍快
注意不要同时安装两个版本，快捷方式会被覆盖。可以先装一个，之后按需导入插件切换引擎。
Linux 安装： 下载 Umi-OCR_Linux_Paddle_2.1.5.tar.xz（264.5MB）解压后执行目录内的 umi-ocr.sh 启动脚本。
快速上手
场景一：截图识别单张图。 打开「截图OCR」标签页，按 Win+Alt+C 框选区域，识别结果立即出现在右侧记录栏，可直接编辑或复制。右侧支持划选多条记录批量复制。
场景二：批量处理扫描件。 打开「批量OCR」标签页，拖入全部图片。在右栏设置中：
1. 选择「文本后处理」为「多栏-按自然段换行」（适合大部分场景）
2. 若图片带水印，进入「忽略区域」编辑器绘制排除框
3. 设置输出格式为 txt 或 csv
4. 点击开始任务
场景三：HTTP 接口调用。 开启 HTTP 服务后，可以用脚本批量提交识别任务：
import requests, json
# 提交图片识别任务
url = "http://127.0.0.1:1224/api/ocr"
with open("screenshot.png", "rb") as f:
import base64
img_b64 = base64.b64encode(f.read()).decode()
payload = {
"base64": img_b64,
"options": {"data.format": "text"}
}
resp = requests.post(url, json=payload, timeout=60)
data = resp.json()
if data.get("code") == 100:
print(data["data"])
else:
print("识别失败:", data.get("data"))场景四：扫描版PDF提取文本。 打开「文档识别」标签页，拖入 PDF。若只需提取文本，选择输出 txt；若要生成可检索的扫描件，选择输出「双层可搜索PDF」，并可在设置中指定忽略区域排除页眉页脚。
同类资源对比
| 工具 | 授权协议 | 离线运行 | 批量识别 | 接口调用 | 平台支持 |
|---|---|---|---|---|---|
| Umi-OCR | MIT | 完全离线 | 支持，无上限 | 命令行 + HTTP | Windows 7+/Linux |
| Tesseract OCR | Apache-2.0 | 完全离线 | 需自行编码 | 命令行 + API | 全平台 |
| PaddleOCR | Apache-2.0 | 完全离线 | 需自行编码 | Python API | 全平台 |
| RapidOCR | Apache-2.0 | 完全离线 | 需自行编码 | Python/命令行 | 全平台 |
选型建议： Tesseract、PaddleOCR、RapidOCR 都是识别引擎库，需要写代码集成，适合开发者把 OCR 能力嵌入自己的程序；Umi-OCR 是把这些引擎包装成开箱即用的桌面软件，适合不写代码但需要批量处理文档的用户。两者的授权协议都是宽松开源协议，商用无限制。
注意事项
授权协议说明。 Umi-OCR 主仓库采用 MIT 协议，允许商用、修改、二次分发，只需保留原始版权声明。其内置的 PaddleOCR 与 RapidOCR 引擎分别为 Apache-2.0 协议，同样允许商用。软件本体不包含任何付费功能或试用限制。
系统要求。 Windows 版本要求 Windows 7 x64 及以上，不支持 32 位系统；Linux 版本要求 x64 架构。暂不支持 macOS，Mac 用户可考虑用 Homebrew 安装 Tesseract，或通过虚拟机运行 Windows 版。
已知限制。
- 数学公式识别目前是实验性功能，复杂公式的识别准确率有限
- 极端像素尺寸的超长图（如超过 20000px 的长截图）需要手动调高「限制图像边长」参数，否则可能识别不全
- 部分老旧 CPU（奔腾、赛扬、凌动系列）无法运行 Paddle 引擎，需改用 Rapid 引擎
- 界面在某些显卡驱动下可能出现截屏闪烁或 UI 错位，可在「界面和外观 → 渲染器」中切换渲染方案或关闭硬件加速
数据安全说明。 软件默认不联网，所有图片和 PDF 均在本地处理。如需完全隔离，可在防火墙中禁止 Umi-OCR.exe 出站连接，软件功能不受影响（仅"检查更新"不可用）。