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，JameCling 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、二维码扫描等实用功能。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。
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
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：
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。Umi-OCR 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. 内置二维码识别与生成
除文字识别外，Umi-OCR 还集成二维码模块：
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：
怎么使用？
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
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
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：调整二维码生成相关参数后，自动刷新二维码生成。
- 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
官网
https://github.com/hiroi-sora/Umi-OCR
