41k星標！這款爆紅文字識別工具大受歡迎，離線內網也可使用

最近有朋友再問，有沒有操作簡單效果又好的單位內網也可以用的OCR文字識別工具推薦一下，軟件格律詩 重點推薦一下 Umi-OCR 這款免費開源的文字識別工具，它在開源社區已經獲得了41k星標，可以想象多麼受到歡迎，想到現在很多識別工具動不動要聯網又或者是爲了AI大模型配置API，搞不好還得付費，OCR識別又不是經常使用的話，就顯得特別折騰，那麼你可以試試這個體積不大，功能還蠻全面的小鋼炮。

Umi-OCR 是一款完全免費、開源且無需聯網的本地 OCR（光學字符識別）軟件，適用於 Windows 和 Linux 系統。它能從截圖、本地圖片或 PDF文檔精準提取文字內容，並支持多國語言識別、排版還原、水印排除、二WeiMa等實用功能。所有處理均在用戶設備本地完成，不上傳任何數據，充分保障隱私安全。

pan.quark.cn/s/83cad040a7d1

他能幹什麼？

1. 完全離線運行，隱私無憂

內置高性能離線 OCR 引擎（支持 PaddleOCR 與 RapidOCR），無需連接互聯網即可完成全部識別任務。這意味着我們的截圖、文檔、身份證等敏感內容永遠不會離開本地設備，避免了雲端 OCR 服務可能帶來的隱私泄露風險，尤其適合處理含個人信息或機密資料的場景。

2. 多種輸入方式，覆蓋日常需求

截圖 OCR：按下快捷鍵即可截取屏幕任意區域，自動識別文字並顯示結果，支持重複上一次截圖；
批量 OCR：一次性導入數百張 JPG、PNG、BMP 等格式圖片，自動排隊識別，支持任務完成後自動關機或休眠；
PDF 文檔識別：可對掃描版 PDF 進行全文文字提取，或生成“雙層可搜索 PDF”（保留原圖+疊加可選文本層），便於歸檔與檢索。

3. 智能排版解析，輸出更易讀

OCR 原始結果常因段落錯亂、換行混亂而難以直接使用。Umi-OCR 提供多種文本後處理方案，自動優化排版：

“多欄-按自然段換行”：智能識別報紙、論文等多欄佈局，按語義分段；
“單欄-保留縮進”：適用於代碼截圖，保留空格與縮進格式；
“豎排識別”：支持從右向左的中文古籍或日文豎排文本（需引擎支持）；
用戶還可選擇“不做處理”，保留原始識別順序。

4. 忽略區域功能，精準排除干擾

在批量識別或 PDF 處理時，頁面常含有頁眉、頁腳、水印、LOGO 等無關內容。允許用戶手動繪製“忽略區域”矩形框，系統將自動過濾框內文字。例如，可設定每頁頂部 50 像素爲忽略區，批量去除統一水印，大幅提升識別準確率。

5. 內置二WeiMa識別與生成

SaoMa：支持從截圖、粘貼圖或本地文件中讀取 19 種碼制（包括 QR Code、DataMatrix、PDF417 等），一圖多碼也能識別；
生成：輸入文本即可生成自定義二WeiMa圖片，支持調整糾錯等級、尺寸與格式，方便日常分享鏈接或信息。

6. 靈活輸出與外部調用

識別結果可保存爲 TXT、JSONL、Markdown、CSV（兼容 Excel）等多種格式，滿足不同後續處理需求。同時，Umi-OCR 提供：

命令行接口：便於腳本自動化調用；
HTTP API：支持其他程序通過網絡請求提交任務（僅限本地迴環地址，默認不開放公網）；
插件機制允許用戶切換 OCR 引擎或擴展功能，兼顧兼容性與性能。

怎麼使用？

界面語言

支持的界面多國語言。在第一次打開軟件時，將會按照你的電腦的系統設置，自動切換語言。如果需要手動切換語言，請參考下圖，全局設置→語言/Language 。

標籤頁

Umi-OCR v2 由一系列靈活好用的標籤頁組成。您可按照自己的喜好，打開需要的標籤頁。標籤欄左上角可以切換窗口置頂。右上角能夠鎖定標籤頁，以防止日常使用中誤觸關閉標籤頁。

截圖OCR

打開這一頁後，就可以用快捷鍵喚起截圖，識別圖中的文字。

左側的圖片預覽欄，可直接用鼠標劃選複製。
右側的識別記錄欄，可以編輯文字，允許劃選多個記錄複製。
也支持在別處複製圖片，粘貼到Umi-OCR進行識別。
關於公式識別功能

文本後處理

可以整理OCR結果的排版和順序，使文本更適合閱讀和使用。預設方案：

多欄-按自然段換行：適合大部分情景，自動識別多欄佈局，按自然段規則進行換行。
多欄-總是換行：每段語句都進行換行。
多欄-無換行：強制將所有語句合併到同一行。
單欄-按自然段換行/總是換行/無換行：與上述類似，不過不區分多欄佈局。
單欄-保留縮進：適用於解析代碼截圖，保留行首縮進和行中空格。
不做處理：OCR引擎的原始輸出，默認每段語句都進行換行。

上述方案，均能自動處理橫排和豎排（從右到左）的排版。（豎排文字還需要OCR引擎本身支持）

批量OCR

這一頁用於批量導入本地圖片進行識別：

支持格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff。
保存識別結果的支持格式：txt, jsonl, md, csv(Excel)。
與截圖OCR一樣，支持文本後處理功能，整理OCR文本的排版和順序。
沒有數量上限，可一次性導入幾百張圖片進行任務。
支持任務完成後自動關機/待機。
如果要識別像素超大的長圖或大圖，請調整：頁面的設置→文字識別→限制圖像邊長→【調高數值】。
擁有特殊功能忽略區域。

忽略區域

批量OCR中的一種特殊功能，適用於排除圖片中的不想要的文字。

在批量識別頁的右欄設置中可進入忽略區域編輯器。
如上方樣例，圖片頂部和右下角存在多個水印 / LOGO。如果批量識別這類圖片，水印會對識別結果造成干擾。
按住右鍵，繪製多個矩形框。這些區域內的文字將在任務中被忽略。
請儘量將矩形框畫得大一些，完全包裹住水印所有可能出現的位置。
注意，只有處於忽略區域框內部的整個文本塊（而不是單個字符）會被忽略。如下圖所示，黃色邊框的深色矩形是一個忽略區域。那麼只有key_mouse纔會被忽略。pubsub_connector.py、pubsub_service.py 這兩個文本塊得以保留。

文檔識別

支持格式：pdf, xps, epub, mobi, fb2, cbz。
對掃描件進行OCR，或提取原有文本。可輸出爲雙層可搜索PDF 。
支持設定忽略區域，可用於排除頁眉頁腳的文字。
可設置任務完成後自動關機/休眠。

二WeiMa

掃碼：

截圖/粘貼/拖入本地圖片，讀取。
支持一圖多Ma。
支持19種協議，如下：Aztec，Codabar，Code128，Code39，Code93，DataBar，DataBarExpanded，DataMatrix，EAN13，EAN8，ITF，LinearCodes，MatrixCodes，MaxiCode，MicroQRCode，PDF417，QRCode，UPCA，UPCE

生成Ma：

輸入文本，生成二WeiMa圖片。
支持19種協議和糾錯等級等參數。

全局設置

在這裏可以調整軟件的全局參數。常用功能如下：

一鍵添加快捷方式或設置開機自啓。
更改界面語言。Umi支持繁中、英語、日語等語言。
切換界面主題。Umi擁有多個亮/暗主題。
調整界面文字的大小和字體。
切換OCR插件。
渲染器：軟件界面默認支持顯卡加速渲染。如果在你的機器上出現截屏閃爍、UI錯位的情況，請調整界面和外觀 → 渲染器，嘗試切換到不同渲染方案，或關閉硬件加速。

更新日誌

新增：日誌機制。在命令行中啓動 Umi-OCR 可查看實時日誌。指定級別以上
新增：大部分標籤頁能手動切換左右/上下雙欄模式。
新增：Esc鍵隱藏主窗口。
新增：調整二WeiMa生成相關參數後，自動刷新二WeiMa生成。
新增：命令行指令 --reload ，用於重新加載配置文件。
修復：文檔識別提取PDF自帶的文本內容時，未考慮頁面旋轉的影響。
修復：文檔識別生成單層PDF時，未寫入原PDF自帶的文本內容。
修復：OCR結果展示列表的一些顯示Bug和鼠標劃選Bug。
修復：調整標籤頁順序或刪除標籤頁後，未及時保存順序信息。
修復：HTTP接口 /api/doc/download 參數 ignore_blank 的錯誤。
修復：Linux版本截圖時，系統任務欄推移頂層窗口，導致截圖位置偏移。
修復：Linux版本截圖後，主窗口的位置與操作前不一致。
優化：圖片/文檔的異步加載機制。現在可以流暢地加載含有數萬個子文件的文件夾，且能預覽加載進度。
Windows 版本更新第三方依賴庫：PyMuPDF 1.24.11 ,fontTools 4.56.0 ,Pillow 10.4.0 ,psutil 10.4.0 ,pynput 1.8.0 ,zxing-cpp 2.3.0
新增UI語言：俄語 Русский