前言

Umi-OCR 是一款免费，开源强大，可批量的离线OCR软件

OCR 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：github repo="hiroi-sora/Umi-OCR"

img

  • 免费：本项目所有代码开源，完全免费。
  • 方便：解压即用，离线运行，无需网络。
  • 高效：自带高效率的离线OCR引擎，内置多种语言识别库。
  • 灵活：支持命令行、HTTP接口等外部调用方式。
  • 功能：截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别

软件下载

下载发行包

利用 Scoop 安装

Scoop 是一款 Windows 下的命令行安装程序，可方便地管理应用。

安装 Scoop

  • 打开 PowerShell 终端。你可以通过按下 Win + X 键，然后选择“Windows PowerShell（管理员）”来以管理员权限运行 PowerShell。运行以下命令来下载并安装 Scoop：
Invoke-Expression (New-Object System.Net.WebClient).DownloadString('https://get.scoop.sh')
  • 安装完成后，通过以下命令验证 Scoop 是否安装成功：
scoop help

如果安装成功，你将会看到 Scoop 的帮助信息。

安装 Umi-OCR

  • 添加 extras 桶：
scoop bucket add extras
  • 可选1：安装 Umi-OCR（自带 Rapid-OCR 引擎，兼容性好）
scoop install extras/umi-ocr
  • 可选2：安装 Umi-OCR（自带 Paddle-OCR 引擎，速度稍快）
scoop install extras/umi-ocr-paddle
  • Tip：不要同时安装二者，快捷方式可能会被覆盖。但您可以额外导入 插件 ，随时切换不同OCR引擎。

使用说明

下载软件包解压后，双击 Umi-OCR.exe 即可启动程序。

界面语言

Umi-OCR 支持的界面多国语言。在第一次打开软件时，将会按照你的电脑的系统设置，自动切换语言。

如果需要手动切换语言，请参考下图，全局设置→语言/Language 。

1-标题-1.png

标签页

Umi-OCR v2 由一系列灵活好用的标签页组成。您可按照自己的喜好，打开需要的标签页。

标签栏左上角可以切换窗口置顶。右上角能够锁定标签页，以防止日常使用中误触关闭标签页。

截图OCR

2-截图-1.png

截图OCR：打开这一页后，就可以用快捷键唤起截图，识别图中的文字。

  • 左侧的图片预览栏，可直接用鼠标划选复制。
  • 右侧的识别记录栏，可以编辑文字，允许划选多个记录复制。
  • 也支持在别处复制图片，粘贴到Umi-OCR进行识别。

文本后处理

2-截图-2.png

关于 OCR文本后处理 - 排版解析方案： 可以整理OCR结果的排版和顺序，使文本更适合阅读和使用。

  • 多栏-按自然段换行：适合大部分情景，自动识别多栏布局，按自然段规则进行换行。
  • 多栏-总是换行：每段语句都进行换行。
  • 多栏-无换行：强制将所有语句合并到同一行。
  • 单栏-按自然段换行/总是换行/无换行：与上述类似，不过 不区分多栏布局。
  • 单栏-保留缩进：适用于解析代码截图，保留行首缩进和行中空格。
  • 不做处理：OCR引擎的原始输出，默认每段语句都进行换行。

上述方案，均能自动处理横排和竖排（从右到左）的排版。（竖排文字还需要OCR引擎本身支持）

批量OCR

3-批量-1.png

批量OCR：这一页用于批量导入本地图片进行识别。

  • 支持格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff。
  • 保存识别结果的支持格式：txt, jsonl, md, csv(Excel)。
  • 与截图OCR一样，支持文本后处理功能，整理OCR文本的排版和顺序。
  • 没有数量上限，可一次性导入几百张图片进行任务。
  • 支持任务完成后自动关机/待机。
  • 如果要识别像素超大的长图或大图，请调整：页面的设置→文字识别→限制图像边长→【调高数值】。
  • 拥有特殊功能 忽略区域 。

忽略区域

3-批量-2.png

关于 OCR文本后处理 - 忽略区域： 批量OCR中的一种特殊功能，适用于排除图片中的不想要的文字。

  • 在批量识别页的右栏设置中可进入忽略区域编辑器。
  • 如上方样例，图片顶部和右下角存在多个水印 / LOGO。如果批量识别这类图片，水印会对识别结果造成干扰。
  • 按住右键，绘制多个矩形框。这些区域内的文字将在任务中被忽略。
  • 请尽量将矩形框画得大一些，完全包裹住水印所有可能出现的位置。

文档识别

  • 支持格式：pdf, xps, epub, mobi, fb2, cbz。
  • 对扫描件进行OCR，或提取原有文本。可输出为 双层可搜索PDF 。
  • 支持设定 忽略区域 ，可用于排除页眉页脚的文字。
  • 可设置任务完成后 自动关机/休眠 。

二维码

4-二维码-1.png

扫码：

  • 截图/粘贴/拖入本地图片，读取其中的二维码、条形码。
  • 支持一图多码。
  • 支持19种协议

生成码：

  • 输入文本，生成二维码图片。
  • 支持19种协议和纠错等级等参数。

全局设置

全局设置：在这里可以调整软件的全局参数。常用功能如下：

  • 一键添加快捷方式或设置开机自启。
  • 更改界面语言。Umi支持繁中、英语、日语等语言。
  • 切换界面主题。Umi拥有多个亮/暗主题。
  • 调整界面文字的大小和字体。
  • 切换OCR插件。
  • 渲染器：软件界面默认支持显卡加速渲染。如果在你的机器上出现截屏闪烁、UI错位的情况，请调整界面和外观 → 渲染器 ，尝试切换到不同渲染方案，或关闭硬件加速。