Umi-OCR 是什么？
Umi-OCR 是一款免费、开源、完全离线的 OCR 文字识别软件，专为 Windows 和 Linux 平台设计[citation:1][citation:7]。它能将截图、图片、扫描版 PDF 中的文字快速提取为可编辑、可搜索的文本，所有识别过程均在本地电脑完成，无需联网，不上传任何数据，从根本上保障了隐私安全[citation:4][citation:8]。
该项目在 GitHub 上已获得超过 41K Star，拥有 100+ 种语言识别能力，是目前开源 OCR 领域最受关注的项目之一[citation:1][citation:24]。无论是日常办公提取图片文字，还是批量处理文档扫描件，Umi-OCR 都能提供高效、稳定的文字识别解决方案。
核心功能特性
截图 OCR
使用快捷键即时捕获屏幕任意区域的文字，支持鼠标划选复制、多记录编辑，也可直接粘贴剪贴板图片进行识别[citation:3][citation:12]。
批量图片识别
一次导入数百张图片，无数量限制，支持 JPG/PNG/WebP/BMP/TIFF 等格式，识别结果可导出为 TXT/JSONL/MD/CSV[citation:4][citation:12]。
PDF 文档识别
支持扫描版 PDF、XPS、EPUB 等格式，可提取文本或生成双层可搜索 PDF，自动忽略页眉页脚[citation:12][citation:16]。
二维码/条码识别
支持识别图片中的二维码和 19 种条形码，支持一图多码，也可输入文本生成二维码图片[citation:1][citation:12]。
公式识别
将图片中的数学公式转换为 LaTeX 格式，方便学术写作和文档编辑[citation:1][citation:7]。
完全离线
所有识别在本地 CPU 完成，不需要网络连接，不依赖云端服务，敏感数据永不外传[citation:1][citation:8]。
为什么选择 Umi-OCR？
市面上的 OCR 工具大多分为两类：一类是在线 OCR 服务，需要上传图片到云端，存在隐私泄露风险且通常有使用次数限制；另一类是商业收费软件，功能齐全但价格不菲。Umi-OCR 填补了这两者之间的空白——它既免费开源，又完全离线运行，同时提供了不输商业软件的识别精度和功能完整度[citation:8]。
根据用户实测反馈，Umi-OCR 在中文场景下的识别准确率可达 98% 以上，对手写体、竖排文字、代码截图等特殊场景也有良好的适配能力[citation:8]。其独创的忽略区域功能可以精准排除水印和 UI 干扰，让识别结果更加干净[citation:33]。
Paddle 版 vs Rapid 版：如何选择？
Umi-OCR 提供两个引擎版本，功能完全一致，仅 OCR 引擎不同[citation:21][citation:23]：
| 对比项 | Paddle 引擎版 | Rapid 引擎版 |
|---|---|---|
| 安装包大小 | 约 128 MB | 约 97 MB |
| 识别速度 | 更快（支持 mkldnn 加速） | 稍慢但日常够用 |
| 内存占用 | 较高 | 较低 |
| CPU 兼容性 | 不兼容奔腾/赛扬/凌动 | 兼容性极好，支持老旧 CPU |
| 推荐场景 | 高配电脑，追求速度 | 低配电脑，追求稳定 |
建议：如果你的电脑是近五年内的主流配置（Intel 酷睿 i3 及以上或 AMD 锐龙系列），选择 Paddle 版可获得更快的识别体验；如果是较老的电脑或不确定兼容性，Rapid 版是更稳妥的选择[citation:4]。
详细使用教程
第一步：下载与解压
根据电脑配置选择合适的版本下载。下载完成后，使用 7-Zip 或系统自带工具解压压缩包。建议解压到非系统盘（如 D 盘），便于管理和备份[citation:4]。
第二步：启动软件
Umi-OCR 无需安装，进入解压后的文件夹，双击 Umi-OCR.exe 即可启动。首次启动时软件会根据系统语言自动切换界面语言[citation:12]。
第三步：截图识别（最常用）
打开「截图 OCR」标签页，按下默认快捷键 Win + Alt + C 唤起截图，框选需要识别的屏幕区域，文字会立即出现在右侧记录栏中，可直接编辑或复制[citation:4][citation:22]。
第四步：批量处理图片
切换到「批量 OCR」标签页，将图片或整个文件夹拖入窗口，点击「开始任务」，软件会自动逐张识别。识别完成后可在设置中指定输出目录，结果会保存为 TXT 等格式[citation:4][citation:12]。
第五步：PDF 转文字
在「批量文档」标签页中，将扫描版 PDF 拖入软件，Umi-OCR 会逐页识别文字内容，并支持输出为双层可搜索 PDF[citation:4][citation:16]。
Umi-OCR 适用场景
- 办公文档处理：从扫描合同、报告、发票中提取文字，快速归档检索[citation:8]。
- 学习资料整理：识别课件截图、教材扫描页、论文 PDF 中的公式和文本[citation:8]。
- 代码片段提取：使用「保留缩进」排版方案，从截图中还原代码格式[citation:3]。
- 截图文字提取：从视频截图、聊天记录、网页图片中快速复制文字[citation:4]。
- 水印干扰排除：批量识别带水印的图片时，用忽略区域功能过滤干扰文字[citation:33]。
常见问题解答
版本更新记录（近期）
Umi-OCR 持续保持活跃更新，以下是近期版本的重要改进[citation:20][citation:26]：
- v2.1.5：新增日志机制、双栏模式切换、Esc 隐藏窗口；优化图片异步加载，支持数万文件文件夹预览。
- v2.1.1：新增二维码生成与识别接口；修复 Win7 文档识别兼容问题。
- v2.1.0：重大更新——批量文档识别（PDF/EPUB/MOBI），全新排版解析引擎。
- v2.0.0：全新 v2 架构，标签页式界面，性能大幅提升。
关于版权与开源协议
Umi-OCR 采用 MIT 开源协议发布，允许用户自由使用、修改和分发软件，甚至可以进行商业化应用，无需支付任何费用[citation:1][citation:9]。项目源代码托管于 GitHub，所有代码公开透明，欢迎社区贡献和反馈。
Copyright © 2022-2025 Umi-OCR Project. All rights reserved. 本软件按“原样”提供，不提供任何明示或暗示的担保。