Umi-OCR[1] 是一款开源、免费的离线 OCR 软件。支持截屏/批量导入图片，PDF 文档识别，排除水印/页眉页脚，扫描/生成二维码。
适用于 Windows7 x64 及以上
近期热文
当 AI 遇上爬虫：让数据提取变得前所未有的简单！
超强 OCR 新秀：支持 90 多种语言，性能超越云服务！
2024 年最完整的 AI Agents 清单来了，涉及 13 个领域，上百个 Agents！
7.8K Star RAG 引擎：基于深度文档理解，最大程度降低幻觉、无限上下文快速完成 “大海捞针” 测试！
Umi-OCR 特点
免费：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（PaddleOCR-json[2]/RapidOCR-json[3]），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。
Umi-OCR 功能演示
截图 OCR
支持快捷键唤起截图，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
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。
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。
批量 OCR 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。
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。
忽略区域是批量 OCR 中的一种特殊功能，适用于排除图片中的不想要的文字。
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。
解析条形码/二维码
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 ztec, Codabar, Code128, Code39 和 Code93 等 19 种协议。
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。
https://github.com/hiroi-sora/Umi-OCR
往期文章
开源流式数字人来了：实现音视频同步对话，基本可达商用效果！
PDF 转 Markdown 神器，精准且快速：支持 90 多种语言 OCR，还支持提取表格、图片和公式！
自动化爬虫神器：把网页转成大模型所需数据，助力 AI 应用与大模型训练全面优化！
Text2SQL 效果不好？不要错过这个神器！自带 RAG、复杂数据集准确度高，还能自训练模型
3 款强大的开源低代码 LLM 编排工具，可视化定制专属 AI Agent 和 AI 工作流！
25.4K Star 低代码LLM编排工具：终于支持 Multi Agent，内置 5 大 Multi Agent 开箱即用！
欢迎您与我交流 AI 技术/工具
关注 AI 真好玩，带你玩转各类 AI 工具，掌控数字未来！
如果这篇文章对您有所帮助，请点赞、关注，并分享给您的朋友。感谢您的支持！
参考资料
[1]
Umi-OCR: https://github.com/hiroi-sora/Umi-OCR[2]
PaddleOCR-json: https://github.com/hiroi-sora/PaddleOCR-json[3]
RapidOCR-json: https://github.com/hiroi-sora/RapidOCR-json