支持截图 OCR、批量图片转文字、PDF 扫描件识别、二维码扫描。全程本地处理，数据绝不上传，Windows 7 / Linux 解压即用。
一款真正懂你需求的离线 OCR 工具，兼顾效率与隐私
按下快捷键唤起截图，框选屏幕任意区域，文字立刻呈现在记录栏中。支持直接粘贴剪贴板图片进行识别，左侧预览栏可用鼠标划选复制，右侧记录可编辑、批量复制，是日常提取网页、视频、聊天记录文字的最高效方式。[citation:6][citation:10]
一次性导入数百张图片，没有数量上限。支持 jpg、png、webp、bmp、tif 等常见格式，识别结果可导出为 txt、jsonl、md、csv（Excel 直接打开）。独有的“忽略区域”功能，可绘制矩形框自动排除水印、LOGO 和页眉页脚干扰。[citation:12]
直接将扫描版 PDF、XPS、EPUB、MOBI 等文档拖入软件，即可按页识别并输出可复制的文本。支持生成双层可搜索 PDF，保留原始图像外观的同时叠加文字层，归档合同、票据、古籍资料时比纯文本更实用。[citation:6][citation:10]
所有文字识别都在本地电脑完成，不需要联网，图片和文档永远不会离开你的设备。对于法律、医疗、财务等敏感行业，或者处理内部资料、个人证件时，这是在线 OCR API 无法比拟的安全优势。[citation:1][citation:10]
内置 100 多种语言的识别库，涵盖中、英、日、韩、俄、德、法等。支持多栏排版智能解析，可按自然段换行、处理竖排文字，识别出的文本基本无需二次整理即可使用。[citation:1][citation:10]
提供 Paddle（高精度，适合复杂文档）和 Rapid（速度快、体积小，适合低配机器）两个引擎版本。同时开放命令行和 HTTP 接口，开发者可将 OCR 能力无缝嵌入自动化流程、脚本或服务器端任务中。[citation:7][citation:10]
从截图识别到批量处理，从离线隐私到开发者接口，全面了解这款开源 OCR 工具
Umi-OCR 是一款专为“把图片里的文字变成可编辑文本”而设计的桌面工具。它基于 MIT 协议完全开源，在 GitHub 上已经积累了超过四万颗星标，是近年来最受中文用户欢迎的离线 OCR 方案之一。[citation:1][citation:10] 与许多在线识别服务不同，Umi-OCR 将 OCR 引擎直接内置在软件中，解压后双击即可运行，不需要安装 Python 环境，也不需要下载额外的识别模型。你可以在断网状态下完成截图识别、批量图片转文字、PDF 扫描件提取等全部操作，这对于处理内部资料、合同扫描件、个人证件等敏感内容尤为重要。
软件提供了两个引擎版本供用户按需选择：Paddle 版识别精度更高，模型体积约 128MB，适合处理复杂版面或对准确率要求较高的场景；Rapid 版处理速度更快、体积更小（约 97MB），对低配电脑更加友好。两者在功能上完全一致，仅底层识别引擎不同。[citation:1][citation:7]
截图识别是 Umi-OCR 使用频率最高的功能。打开“截图 OCR”标签页后，按下默认快捷键 Win+Alt+C（可在设置中自由修改），屏幕会进入截图状态，框选任意区域即可完成识别。识别结果会实时出现在右侧的记录栏中，你可以直接编辑、划选复制，也支持一次性选中多条记录批量复制。[citation:6] 左侧的图片预览栏同样支持鼠标划选，方便对照原文核对。如果你在网页、视频画面或聊天窗口中遇到无法选中的文字，用这个功能几秒钟就能提取出来。此外，你也可以直接从别处复制一张图片，在软件中粘贴识别，省去保存文件的步骤。
对于需要从大量图片中提取文字的工作，批量 OCR 能显著节省时间。将整个文件夹或数百张图片拖入批量识别页，点击开始任务，软件会逐张处理，没有数量上限。支持的图片格式包括 jpg、jpeg、png、webp、bmp、tif、tiff 等。 识别结果可以保存为 txt、jsonl、md 或 csv（Excel 可直接打开）格式，方便后续整理或导入数据库。
批量 OCR 中有一个非常实用的“忽略区域”功能。当你处理的图片带有固定位置的水印、LOGO 或页眉页脚时，可以在右侧设置中进入忽略区域编辑器，按住右键绘制矩形框将这些干扰区域圈出来。识别时，完全位于框内的文本块会被自动跳过，从而避免水印文字污染结果。处理影视截图、带品牌标识的文档或从网络收集的图片时，这个功能尤其省心。[citation:12]
Umi-OCR 的“批量文档”功能支持 PDF、XPS、EPUB、MOBI、FB2、CBZ 等格式。将扫描版 PDF 拖入后，软件会逐页识别其中的文字，输出可复制的文本内容。一个值得关注的细节是，它支持生成双层可搜索 PDF：原始扫描图像层保留不变，文字层叠加在下方，这样你既能看到原文件的真实外观，又能用搜索和复制功能操作其中的文字。对于归档扫描合同、票据、古籍或历史资料来说，这种格式比单纯的纯文本文件更实用。[citation:6][citation:10]
除了文字识别，Umi-OCR 还内置了二维码与条形码扫描模块。你可以通过截图、粘贴或拖入本地图片的方式，读取图片中的二维码和多种条形码信息，支持一图多码以及 19 种协议。[citation:7] 对于需要从海报、截图或文档截图中提取二维码链接的场景，不需要再额外安装扫码工具。
“离线”是 Umi-OCR 最核心的设计原则之一。软件的所有识别过程都在本地 CPU 上完成，不会将任何图片、文档或识别结果上传到服务器。这意味着你可以在没有网络连接的环境中正常使用全部功能，也无需担心敏感信息在传输过程中泄露。[citation:1] 对于经常处理客户资料、内部文件、个人证件或医疗记录的用户来说，这一点是选择工具时的重要考量。在线 OCR 服务虽然方便，但图片需要上传到第三方服务器，始终存在数据外流的风险，而 Umi-OCR 从根本上消除了这一顾虑。
Umi-OCR 内置了超过 100 种语言的识别库，覆盖中文、英文、日文、韩文、俄文、德文、法文以及大多数欧洲语言。[citation:1] 在排版处理方面，软件提供了多栏识别和自然段换行方案，能够自动判断页面是单栏还是多栏布局，并按段落规则合并文本，避免识别结果出现大量零碎断行。对于竖排文字（如古籍、部分日文资料），也有专门的处理选项。[citation:10] 识别完成后得到的文本，通常不需要太多手动整理就能直接使用。
Umi-OCR 不只是一个图形界面工具。它的程序目录中提供了 `umiocr.exe` 命令行入口，支持通过参数调用截图、识别本地图片、显示/隐藏窗口等操作。软件在运行状态下还会启动 HTTP 服务，开发者可以通过接口提交图片并获取 JSON 格式的识别结果。[citation:10] 这意味着你可以将 Umi-OCR 嵌入自动化脚本、批处理流程或服务器端任务中，例如定时处理某个文件夹中的扫描件、将识别结果写入数据库，或者为内部系统增加 OCR 能力，而不需要依赖任何外部 API。
Umi-OCR 支持 Windows 7 x64 及以上版本，以及 Linux x64（Debian 系）。Windows 用户下载 7z 或 zip 压缩包后解压，直接运行 `Umi-OCR.exe` 即可，无需安装。Linux 用户解压后双击 `umi-ocr.sh` 运行。[citation:1][citation:13] 软件占用磁盘空间约 200MB，在高端和低配电脑上都能流畅运行。如果你使用 Scoop 包管理器，也可以通过 `scoop install extras/umi-ocr`（或 `umi-ocr-paddle`）快速安装。[citation:10]
Umi-OCR 适合广泛的人群：学生和研究人员可以用它快速提取论文截图、扫描书籍中的文字；办公人员可以用它处理扫描合同、发票和报告，将纸质资料数字化；开发者可以用命令行和 HTTP 接口为项目增加 OCR 能力；对隐私敏感的用户则可以在完全断网的环境下处理证件、医疗记录或内部文件。无论是偶尔截一张图提取几行字，还是批量处理几百张图片，Umi-OCR 都能以极低的学习成本完成工作。