Umi-OCR 文字识别工具

免费,开源,可批量的离线OCR软件
适用于 Windows7 x64 及以上

  • 免费:本项目所有代码开源,完全免费。

  • 方便:解压即用,离线运行,无需网络。

  • 高效:自带高效率的离线OCR引擎,内置多种语言识别库。

  • 灵活:支持命令行、HTTP接口等外部调用方式。

  • 功能:截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别(测试中)

源码地址

https://github.com/hiroi-sora/Umi-OCR

下载发行版

以下发布链接均长期维护,提供最新软件版本。

• Scoop Installer(点击展开)

Scoop 是一款Windows下的命令行安装程序,可方便地管理多个应用。您可以先安装 Scoop ,再使用以下指令安装 Umi-OCR :

  • 添加 extras 桶:

scoop bucket add extras
  • (可选1)安装 Umi-OCR(自带 Rapid-OCR 引擎,兼容性好):

scoop install extras/umi-ocr
  • (可选2)安装 Umi-OCR(自带 Paddle-OCR 引擎,速度稍快):

scoop install extras/umi-ocr-paddle
  • 不要同时安装二者,快捷方式可能会被覆盖。但您可以额外导入 插件 ,随时切换不同OCR引擎。

开始使用

软件发布包下载为 .7z 压缩包或 .7z.exe 自解压包。自解压包可在没有安装压缩软件的电脑上,解压文件。

本软件无需安装。解压后,点击 Umi-OCR.exe 即可启动程序。

遇到任何问题,请提 Issue ,我会尽可能帮助你。

界面语言

Umi-OCR 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

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。

文本后处理

关于 OCR文本后处理 - 排版解析方案: 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

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

关于 OCR文本后处理 - 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。


文档识别

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 。


二维码

扫码:

  • 截图/粘贴/拖入本地图片,读取其中的二维码、条形码。

  • 支持一图多码。

  • 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

生成码:

  • 输入文本,生成二维码图片。

  • 支持19种协议和纠错等级等参数。


全局设置

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。