Umi-OCR 批量识别指南：离线免费，一次导入几百张图片识别成文字

Umi-OCR 批量识别指南：离线免费，一次导入几百张图片识别成文字

【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

Umi-OCR 是一款免费、离线的 OCR 工具：截屏、批量图片导入、PDF 文档识别、二维码扫描都装在同一个软件里，全部识别过程在本地完成，不上传任何文件。如果你手头攒了一堆需要提取文字的图片，这篇指南带你把它跑起来。

💼 什么时候需要离线批量OCR

先对号入座，看看你是不是下面这三种情况之一。

• 档案室里的一沓扫描件。你把一批扫描文件转成了图片，想批量导出里面的文字，又不放心把合同、财务数据传到云端 OCR 服务。
• 代码截图进笔记。IDE 里的报错、终端里的日志，你想转成纯文本存进笔记软件，缩进结构还得保住。
• 几百张截图等处理。截图工具里堆了几百张带水印的截图，一张张手动识别不现实，需要排队一次性跑完。

Umi-OCR 的批量页没有数量上限，支持jpg、png、webp、bmp、tif等格式，还能给任务配"完成后自动关机"——夜里挂机识别，早上看结果。

⚡ 四步跑通批量识别流程

最短路径如下，全程不用配环境、不用装依赖。

1. 下载解压。拿到.7z压缩包后解压，双击Umi-OCR.exe启动（Windows）或umi-ocr.sh（Linux）。目的是得到一个解压即用的程序，不写注册表、不需要安装步骤。
2. 导入图片。打开"批量OCR"标签页，点"选择图片"，可多选文件或整个文件夹。目的是把待识别图片排进左侧任务列表。
3. 选语言和排版方案。在右侧"设置"里选识别语言，再从 OCR 文本后处理里挑一个排版解析方案。目的是让输出顺序、换行符合文档类型，这一步直接决定结果好不好用。
4. 开始任务并保存结果。点"开始任务"，进度条走完，识别文本按你选的格式（txt、md、jsonl、csv）存入指定目录，支持每张图一个文件或多图合并。

💡 不想点按钮的话，Umi-OCR 也能被命令行驱动，把上面的步骤写进脚本里。

📷 核心功能：四个标签页各管一事

截图OCR：识别完还能整理排版

按快捷键截一块屏幕，右侧立刻出识别记录。左侧预览栏支持划选复制，右侧记录栏可以编辑、合并复制多条记录；在别处复制图片，也能直接粘贴进来识别。

识别只是第一步，"文本后处理"的排版解析方案会按文档结构重新排序文字：

• 多栏 / 单栏 × 自然段换行 / 总是换行 / 无换行，共六种预设；
• 代码截图用"单栏-保留缩进"，行首空格原样保留；
• 以上方案都能自动处理横排和竖排（从右到左）的文字方向。

批量OCR：导入、排队、保存

批量页就是上面演示的流程：左侧列图片、耗时和状态，右侧看每张图的识别记录。除了格式齐全，它还有两个批量场景常用的设计——支持任务完成后自动关机或待机，以及下面的"忽略区域"。

⚠️ 注意：超长的长图默认会被压缩到边长上限以内再识别，像素超大的图记得先调高设置里的"限制图像边长"。

忽略区域：把水印从结果里抹掉

批量页设置里可以打开忽略区域编辑器：按住右键在预览图上画若干矩形框，框内出现的文字在整个任务中都会被跳过。

• 矩形框要画大一点，把水印可能出现的所有位置都包进去；
• 生效粒度是"整个文本块"，不是单个字符：框内的文本块全部忽略，框外保留。

文档识别：PDF 扫描件变可搜索 PDF

支持pdf、xps、epub、mobi、fb2、cbz六种格式。对扫描版 PDF 做 OCR，对已有文本层的 PDF 直接提取原文，最后能输出双层可搜索 PDF——上层是原图，下层是可复制搜索的文字。它同样支持忽略区域，排除页眉页脚很方便。

界面与调用方式

• 界面语言：跟随系统自动切换，也可在"全局设置 → 语言"里手动改，内置繁中、英文、日文、俄语等。
• 命令行 / HTTP 接口：识别单图、整目录、二维码读写都能被外部程序调用，适合做自动化流程，细节见命令行手册和HTTP接口手册。

🎯 场景实战：输入、参数、输出怎么配

技巧散着记容易忘，按场景打包成"输入 → 参数 → 输出"的组合，照抄就行。

学术论文 PDF，按自然段还原文档

• 输入：300DPI 扫描件导出的 PDF，或页面截图。
• 参数：文档识别；识别语言选中文；排版方案选"多栏-按自然段换行"；页眉页脚用忽略区域框掉。
• 输出：双层可搜索 PDF，段落和栏序与原文一致，方便复制和检索。

代码截图，缩进一个空格都不丢

• 输入：IDE 或终端截图。
• 参数：识别语言选英文；排版方案选"单栏-保留缩进"。
• 输出：带缩进的纯文本代码，直接粘回编辑器能跑。

超长截图，先调边长再识别

• 输入：几万像素高的整页长图。
• 参数：设置 → 文字识别 → "限制图像边长"调大数值。
• 输出：长图完整识别，不丢底部内容。

带水印的截图，画两个框就干净了

• 输入：四角带水印或 LOGO 的截图。
• 参数：批量页开启忽略区域编辑器，右键画矩形框包住水印区域。
• 输出：结果里没有水印文字，正文完整。

🧩 常见问题：现象、原因、解法

1. 批量任务跑得很慢。现象：一张图要几秒，几十个文件排到怀疑人生。 原因：离线引擎走的是 CPU 单线程处理，速度受硬件限制，这是离线方案换取不联网的代价。 解法：分批跑；任务排在空闲时段，并勾选完成后自动关机/待机；长任务交给命令行或HTTP接口后台执行，界面别盯着。

2. 大图识别后内容缺了、字也不全。现象：超长图只识别出一部分，或整行文字缺字。 原因：原图边长超过默认上限，被压缩后再送进引擎，细节丢了。 解法：在"设置 → 文字识别 → 限制图像边长"里调高数值再重跑。

3. 多栏文档的结果顺序是乱的。现象：左右两栏的文字被拼成了一行接一行的乱序段落。 原因：用的是"不做处理"或栏数不匹配的方案，原文顺序没被重排。 解法：按实际版式换方案——多栏排版选"多栏-按自然段换行"，普通文档选"单栏-按自然段换行"，换完立刻看记录页对比。

4. 竖排繁体文档识别不全。现象：从右往左排的繁体字，有的整列没被识别。 原因：识别语言库选的是简体中文，引擎本身不覆盖竖排繁体。 解法：识别语言改选繁体中文，配合排版解析方案的竖排方向自动处理。

写在最后

Umi-OCR 的价值很朴素：离线、免费、批量没有数量上限，截屏到 PDF 都在一个软件里。想继续深入，命令行手册和HTTP接口手册是入口。打开批量OCR标签页，先拿十个文件试一把，比读十篇教程都直接。

【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