41k星标！这款爆红文字识别工具大受欢迎，离线内网也可使用

最近有朋友再问，有没有操作简单效果又好的单位内网也可以用的OCR文字识别工具推荐一下，软件格律诗 重点推荐一下 Umi-OCR 这款免费开源的文字识别工具，它在开源社区已经获得了41k星标，可以想象多么受到欢迎，想到现在很多识别工具动不动要联网又或者是为了AI大模型配置API，搞不好还得付费，OCR识别又不是经常使用的话，就显得特别折腾，那么你可以试试这个体积不大，功能还蛮全面的小钢炮。

Umi-OCR 是一款完全免费、开源且无需联网的本地 OCR（光学字符识别）软件，适用于 Windows 和 Linux 系统。它能从截图、本地图片或 PDF文档精准提取文字内容，并支持多国语言识别、排版还原、水印排除、二WeiMa等实用功能。所有处理均在用户设备本地完成，不上传任何数据，充分保障隐私安全。

pan.quark.cn/s/83cad040a7d1

他能干什么？

1. 完全离线运行，隐私无忧

内置高性能离线 OCR 引擎（支持 PaddleOCR 与 RapidOCR），无需连接互联网即可完成全部识别任务。这意味着我们的截图、文档、身份证等敏感内容永远不会离开本地设备，避免了云端 OCR 服务可能带来的隐私泄露风险，尤其适合处理含个人信息或机密资料的场景。

2. 多种输入方式，覆盖日常需求

截图 OCR：按下快捷键即可截取屏幕任意区域，自动识别文字并显示结果，支持重复上一次截图；
批量 OCR：一次性导入数百张 JPG、PNG、BMP 等格式图片，自动排队识别，支持任务完成后自动关机或休眠；
PDF 文档识别：可对扫描版 PDF 进行全文文字提取，或生成“双层可搜索 PDF”（保留原图+叠加可选文本层），便于归档与检索。

3. 智能排版解析，输出更易读

OCR 原始结果常因段落错乱、换行混乱而难以直接使用。Umi-OCR 提供多种文本后处理方案，自动优化排版：

“多栏-按自然段换行”：智能识别报纸、论文等多栏布局，按语义分段；
“单栏-保留缩进”：适用于代码截图，保留空格与缩进格式；
“竖排识别”：支持从右向左的中文古籍或日文竖排文本（需引擎支持）；
用户还可选择“不做处理”，保留原始识别顺序。

4. 忽略区域功能，精准排除干扰

在批量识别或 PDF 处理时，页面常含有页眉、页脚、水印、LOGO 等无关内容。允许用户手动绘制“忽略区域”矩形框，系统将自动过滤框内文字。例如，可设定每页顶部 50 像素为忽略区，批量去除统一水印，大幅提升识别准确率。

5. 内置二WeiMa识别与生成

SaoMa：支持从截图、粘贴图或本地文件中读取 19 种码制（包括 QR Code、DataMatrix、PDF417 等），一图多码也能识别；
生成：输入文本即可生成自定义二WeiMa图片，支持调整纠错等级、尺寸与格式，方便日常分享链接或信息。

6. 灵活输出与外部调用

识别结果可保存为 TXT、JSONL、Markdown、CSV（兼容 Excel）等多种格式，满足不同后续处理需求。同时，Umi-OCR 提供：

命令行接口：便于脚本自动化调用；
HTTP API：支持其他程序通过网络请求提交任务（仅限本地回环地址，默认不开放公网）；
插件机制允许用户切换 OCR 引擎或扩展功能，兼顾兼容性与性能。

怎么使用？

界面语言

支持的界面多国语言。在第一次打开软件时，将会按照你的电脑的系统设置，自动切换语言。如果需要手动切换语言，请参考下图，全局设置→语言/Language 。

标签页

Umi-OCR v2 由一系列灵活好用的标签页组成。您可按照自己的喜好，打开需要的标签页。标签栏左上角可以切换窗口置顶。右上角能够锁定标签页，以防止日常使用中误触关闭标签页。

截图OCR

打开这一页后，就可以用快捷键唤起截图，识别图中的文字。

左侧的图片预览栏，可直接用鼠标划选复制。
右侧的识别记录栏，可以编辑文字，允许划选多个记录复制。
也支持在别处复制图片，粘贴到Umi-OCR进行识别。
关于公式识别功能

文本后处理

可以整理OCR结果的排版和顺序，使文本更适合阅读和使用。预设方案：

多栏-按自然段换行：适合大部分情景，自动识别多栏布局，按自然段规则进行换行。
多栏-总是换行：每段语句都进行换行。
多栏-无换行：强制将所有语句合并到同一行。
单栏-按自然段换行/总是换行/无换行：与上述类似，不过不区分多栏布局。
单栏-保留缩进：适用于解析代码截图，保留行首缩进和行中空格。
不做处理：OCR引擎的原始输出，默认每段语句都进行换行。

上述方案，均能自动处理横排和竖排（从右到左）的排版。（竖排文字还需要OCR引擎本身支持）

批量OCR

这一页用于批量导入本地图片进行识别：

支持格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff。
保存识别结果的支持格式：txt, jsonl, md, csv(Excel)。
与截图OCR一样，支持文本后处理功能，整理OCR文本的排版和顺序。
没有数量上限，可一次性导入几百张图片进行任务。
支持任务完成后自动关机/待机。
如果要识别像素超大的长图或大图，请调整：页面的设置→文字识别→限制图像边长→【调高数值】。
拥有特殊功能忽略区域。

忽略区域

批量OCR中的一种特殊功能，适用于排除图片中的不想要的文字。

在批量识别页的右栏设置中可进入忽略区域编辑器。
如上方样例，图片顶部和右下角存在多个水印 / LOGO。如果批量识别这类图片，水印会对识别结果造成干扰。
按住右键，绘制多个矩形框。这些区域内的文字将在任务中被忽略。
请尽量将矩形框画得大一些，完全包裹住水印所有可能出现的位置。
注意，只有处于忽略区域框内部的整个文本块（而不是单个字符）会被忽略。如下图所示，黄色边框的深色矩形是一个忽略区域。那么只有key_mouse才会被忽略。pubsub_connector.py、pubsub_service.py 这两个文本块得以保留。

文档识别

支持格式：pdf, xps, epub, mobi, fb2, cbz。
对扫描件进行OCR，或提取原有文本。可输出为双层可搜索PDF 。
支持设定忽略区域，可用于排除页眉页脚的文字。
可设置任务完成后自动关机/休眠。

二WeiMa

扫码：

截图/粘贴/拖入本地图片，读取。
支持一图多Ma。
支持19种协议，如下：Aztec，Codabar，Code128，Code39，Code93，DataBar，DataBarExpanded，DataMatrix，EAN13，EAN8，ITF，LinearCodes，MatrixCodes，MaxiCode，MicroQRCode，PDF417，QRCode，UPCA，UPCE

生成Ma：

输入文本，生成二WeiMa图片。
支持19种协议和纠错等级等参数。

全局设置

在这里可以调整软件的全局参数。常用功能如下：

一键添加快捷方式或设置开机自启。
更改界面语言。Umi支持繁中、英语、日语等语言。
切换界面主题。Umi拥有多个亮/暗主题。
调整界面文字的大小和字体。
切换OCR插件。
渲染器：软件界面默认支持显卡加速渲染。如果在你的机器上出现截屏闪烁、UI错位的情况，请调整界面和外观 → 渲染器，尝试切换到不同渲染方案，或关闭硬件加速。

更新日志

新增：日志机制。在命令行中启动 Umi-OCR 可查看实时日志。指定级别以上
新增：大部分标签页能手动切换左右/上下双栏模式。
新增：Esc键隐藏主窗口。
新增：调整二WeiMa生成相关参数后，自动刷新二WeiMa生成。
新增：命令行指令 --reload ，用于重新加载配置文件。
修复：文档识别提取PDF自带的文本内容时，未考虑页面旋转的影响。
修复：文档识别生成单层PDF时，未写入原PDF自带的文本内容。
修复：OCR结果展示列表的一些显示Bug和鼠标划选Bug。
修复：调整标签页顺序或删除标签页后，未及时保存顺序信息。
修复：HTTP接口 /api/doc/download 参数 ignore_blank 的错误。
修复：Linux版本截图时，系统任务栏推移顶层窗口，导致截图位置偏移。
修复：Linux版本截图后，主窗口的位置与操作前不一致。
优化：图片/文档的异步加载机制。现在可以流畅地加载含有数万个子文件的文件夹，且能预览加载进度。
Windows 版本更新第三方依赖库：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语言：俄语 Русский