免费离线OCR怎么用？3步跑通截图、批量、PDF文档识别

免费离线OCR怎么用？3步跑通截图、批量、PDF文档识别

【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

先讲一件我上周干过的蠢事。同事发来一份扫描版合同，我想引用其中一句条款，全选、复制——弹窗冷冷地提示"无法从此PDF复制文字"。我只好打开在线识别网站，结果文件超了大小限制、免费额度用完，更要命的是，这份敏感合同得先上传到别人的服务器。最后我装了Umi-OCR，一款免费、开源、完全离线的OCR文字识别软件，三分钟解决了这个痛点：图片和PDF全程留在本地硬盘，识别多少张、多大、多快，全由自己说了算。这篇指南就按我踩过的路重走一遍，你照着做就能立刻上手。

一、离线OCR到底赢在哪？一次对比说清楚

先别急着下载，花三十秒搞懂这个选择值不值。

在线OCR的典型流程是：上传图片 → 排队等待 → 限量识别 → 下载结果，中间还夹着"文件超限""免费次数用完"和"数据泄露"三个隐藏代价。而 Umi-OCR 把OCR引擎整个搬进了你的电脑，本地运行、本地计算，给你三个实打实的好处：

• 不限量：识别多少张都由你说了算，深夜挂机跑几百张图也不会被限流。
• 零泄露：图片和文档不离开硬盘，合同、论文、身份证件随便丢进去。
• 免安装：绿色软件，解压即用，连注册账号和联网激活都省了。

一句话总结它的定位：给Windows和Linux用户的一把"本地文字剪刀"，剪哪里、剪多少，全凭你。下面我们正式上路。

二、从下载到启动：全程只要3个动作

Umi-OCR 不需要安装，这是它最舒服的一点。拿到压缩包后，你只需要做三件事：

1. 下载：从项目发布页获取.7z压缩包或.7z.exe自解压包。如果电脑没装压缩软件，直接选自解压包，双击就能解开。
2. 解压：解压到任意目录，比如D:/Tools/Umi-OCR。这里有个小提醒——路径里别带中文和空格，可以减少一些莫名其妙的兼容问题。
3. 启动：Windows 双击Umi-OCR.exe，Linux 运行umi-ocr.sh。

第一次启动时，软件会自动读取你的系统语言，把界面切成对应语言。程序主体由多个标签页组成——截图OCR、批量OCR、文档识别、二维码、全局设置，就像浏览器的标签栏，想用哪个点哪个，右上角还能锁定标签防止误关。

还有一个容易被忽略的细节：启动前把软件目录加入杀毒软件白名单。因为内置了本地OCR引擎和运行库，部分杀软会误报，加个白名单能省去后续"为什么闪退"的烦恼。

三、截图OCR：屏幕上看见的字，1秒变可复制文本

日常最高频的场景，是看到一段文字想立刻复制。打开"截图OCR"标签页，按下快捷键唤起截图框，划出目标区域，识别结果立刻出现在右侧记录栏里。

看这张图：左侧是截图预览，右侧是识别记录，识别完直接划选复制，不用再经过任何中转。

几个很实用的小习惯，试过就回不去：

• 不用截图也能识别：在聊天窗口复制一张图片，回到 Umi-OCR 直接粘贴，它照样帮你识别。
• 结果能二次编辑：右侧记录栏里的文字可以直接改错，多条记录一起划选复制，识别完顺手就能整理成想要的格式。
• 竖排文字也不怕：排版解析会自动处理横排和竖排（从右到左）的文本，只要OCR引擎本身支持竖排即可。

四、批量OCR：几百张图一起扔进去，顺手干掉水印

截图识别只是开胃菜，真正体现效率的是"批量OCR"。遇到几十上百张截图、扫描件、相册照片，一张张截屏就太亏了。切到"批量OCR"标签页，把图片直接拖进窗口，支持jpg、png、webp、bmp、tif、tiff等常见格式，一次拖几百张也没有数量上限。

注意看右侧：每张图片的耗时、置信度和识别结果逐条列出，任务跑完可以按需导出。

点下"开始任务"，右侧会逐张显示耗时、置信度和结果。任务跑完后，能按需输出成txt、jsonl、md、csv（Excel可直接打开）四种格式。对于挂机场景，它还支持任务完成后自动关机或待机——睡前扔进去几百张图，醒来直接拿结果。v2.1.2 起还支持暂停任务，只要软件不退出，待机/休眠后可以接着跑。

这里重点讲一个高频痛点解法：忽略区域。批量图片角落的水印、LOGO、页眉页脚，每次都会混进识别结果里。在批量识别页右侧设置里进入忽略区域编辑器，按住右键在图片上绘制多个矩形框，把水印可能出现的位置全部框住，识别时这些区域内的文字就会被自动排除。

但有一个必须记住的机制：只有完全处于矩形框内部的整个文本块才会被忽略，而不是单个字符。所以画框时宁可大一点，把水印所有可能出现的位置都包住，否则漏框一次，结果里就混进一行杂音。

五、文档识别：把扫描版PDF变成可搜索的文本

如果说前面是热身，文档识别就是压轴功能。它支持pdf、xps、epub、mobi、fb2、cbz六种格式，扫描版PDF是最典型的应用场景。

底层逻辑可以概括为三步：解析 → 识别 → 重组。PDF先被拆开，区分出"本来就有的文本层"和"需要OCR的扫描图片层"；扫描图片交给本地OCR引擎逐页识别；最后按阅读顺序重新拼装输出。操作上有两个亮点值得展开：

• 双层可搜索PDF：对扫描版PDF做OCR后，输出"底层是原图、上层是透明文字"的双层PDF。外观跟原扫描件一模一样，但里面的文字可以搜索、复制、划线。给公司做历史合同归档、给学校做论文数字化，这个功能能直接顶上去。
• 灵活的提取模式：Umi-OCR会优先尝试提取PDF自带的文本层（速度快、零识别误差），只有遇到纯扫描页才自动切换OCR。你也可以主动选择整页强制OCR，或反过来只提取原文本。v2.1.2 起还能输出单层纯文本PDF，想要体积小、好编辑的文件就选它。

文档识别同样支持忽略区域（可按页码范围设置），用来排除扫描件的页眉页脚，也能设置任务完成后的自动关机。手头有一堆扫描版书要转成可搜索存档的话，这个标签页能省下大量人工。

六、新手最容易搞砸的4件事，一次性说清

把最常见的报错集中成一份清单，遇到问题直接对号入座：

1. 忽略区域画了却没效果？检查矩形框是否够大——只有整个文本块完全在框内才会被忽略；再确认是否保存了忽略区域配置。
2. 长图识别结果缺胳膊少腿？去"文字识别"设置里调高限制图像边长，而不是盲目放大原图——过度放大会增加噪声，反而降低准确率。
3. 截图时界面闪烁、错位？这是显卡渲染兼容问题。去"全局设置 → 界面和外观 → 渲染器"，切换渲染方案或直接关闭硬件加速，通常能解决。
4. 命令行指令没反应？Umi-OCR 依赖本地HTTP服务进行进程间通信，请确认全局设置里HTTP服务已开启（默认开启，且仅监听本地环回，不经过物理网卡，数据不会外泄）。

遇到界面闪烁或语言不对，答案都在这一页：渲染器开关、界面语言、主题切换，全在这里解决。

七、进阶玩法：命令行和HTTP接口，把OCR塞进你的工作流

对普通用户来说，图形界面已经够用；但如果你想把它嵌入自己的工作流，Umi-OCR 还提供两条"程序化通道"。

命令行模式，入口就是主程序本身。几个常用姿势：

# 截屏识别，结果直接进剪贴板 umi-ocr --screenshot --clip # 识别指定图片，结果输出到文件 umi-ocr --path "D:/扫描件.png" --output result.txt # 识别整个文件夹（含子目录） umi-ocr --path "D:/scans" "--> " all_result.txt # 生成二维码 umi-ocr --qrcode_create "你好，Umi-OCR" "D:/qrcode.png" 256

配合快捷键工具（如 HotkeysCMD），还能实现"按一个键自动截指定屏幕区域并识别"的骚操作。所有指令支持简写，比如--screenshot可以缩写成--sc。完整参数和简写规则见项目内的命令行手册：docs/README_CLI.md。

HTTP接口方面，Umi-OCR 启动后本地服务会提供OCR、文档识别、二维码等接口，接口文档在 docs/http/api_doc.md。开发者可以用几十行代码把它封装成自动化流程，实现"上传图片 → 返回JSON识别结果"，接口同样只在本地环回通信，不会外泄数据。

最后：记住这三句话就够了

Umi-OCR 是一款免费、开源、离线运行的OCR工具，解压即用；截图、批量、文档识别三大功能，覆盖了从日常摘抄到批量归档的绝大多数场景；遇到问题别慌，忽略区域、排版方案、渲染器这几个旋钮能解决大部分麻烦。下次再收到扫描版PDF或一堆带水印的图片时，打开它，你会发现自己已经不再需要在线工具和手动抄录了。

【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