中文 • English

Umi-OCR 文字识别工具

• 全新升级：V2版本重构了绝大部分代码，提供焕然一新的界面和更强大的功能。
• 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：自带高效率离线OCR引擎。只要电脑性能足够，可以比在线OCR服务更快。
• 灵活：支持定制界面，支持命令行、HTTP接口等多种调用方式。

目录

• 截图识别
• 段落合并 - 优化不同文字排版
• 批量识别
• 忽略区域 - 排除截图水印处的文字
• 二维码 支持扫码或生成二维码图片
• 全局设置 添加更多PP-OCR支持的语言模型库！
• 命令行调用
• HTTP接口
• 构建项目

使用源码

开发者请务必阅读 构建项目 。

下载发行版

可选择以下方式下载：

• GitHub-Releases
• 蓝奏云

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。

段落合并

关于 OCR文本后处理 - 段落合并： 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： - 单行：合并同一行的文字，适合绝大部分情景。 - 多行-自然段：智能识别、合并属于同一段落的文字，适合绝大部分情景，如上图所示。 - 多行-代码段：尽可能还原原始排版的缩进与空格。适合识别代码片段，或需要保留空格的场景。 - 竖排：适合竖排排版。需要与同样支持竖排识别的模型库配合使用。

---

批量OCR

批量OCR：这一页支持批量导入本地图片并识别。 - 识别内容可以保存为 txt / jsonl / md / csv(Excel) 等多种格式。 - 支持文本后处理技术，能识别属于同一自然段的文字，并将其合并。还支持代码段、竖排文本等多种处理方案。 - 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。

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。

---

二维码

扫码： - 可截图/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。

---

调用接口：

• 命令行手册： README_CLI.md
• HTTP接口手册： README_HTTP.md

协助软件界面翻译

参见 dev-tools/i18n

开发计划

已完成的工作

- 标签页框架。 - OCR API控制器。 - OCR 任务控制器。 - 主题管理器，支持切换浅色/深色主题主题。 - 实现 **批量OCR**。 - 实现 **截图OCR**。 - 快捷键机制。 - 系统托盘菜单。 - 文本块后处理（排版优化）。 - 引擎内存清理。 - 软件界面多国语言。 - 命令行模式。 - Win7兼容。 - Excel（csv）输出格式。 - `Esc`中断截图操作 - 外置主题文件 - 字体切换 - 加载动画 - 忽略区域。 - 二维码识别。 - 批量识别页面的图片预览窗口。

近期开发计划

近期准备进行的工作，将会在 v2 头几个版本内逐步上线。

• [ ] PDF识别
• [ ] 图片翻译

远期计划

展开

这些是预想中的功能，在开发初期已预留好接口，将在远期慢慢实现。 但开发途中受限于实际情况，可能更改功能设计、新增及取消功能。 - 基于GPU的离线OCR。 - 离线翻译。 - 插件系统。 - 固定区域识别。 - 识别表格图片，输出为Excel。 - 根据系统的深/浅模式，自动切换主题。 - 历史记录系统。 - 兼容 MacOS / Ubuntu 等平台。

关于项目结构

各仓库：

• 主仓库 👈
• 插件库
• Win 运行库

工程结构：

** 后缀表示本仓库(主仓库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
└─ UmiOCR-data
   ├─ main.py **
   ├─ version.py **
   ├─ site-packages
   │  └─ python包
   ├─ runtime
   │  └─ python解释器
   ├─ qt_res **
   │  └─ 项目qt资源，包括图标和qml源码
   ├─ py_src **
   │  └─ 项目python源码
   ├─ plugins
   │  └─ 插件
   └─ i18n **
      └─ 翻译文件

支持的离线OCR引擎：

• PaddleOCR-json
• RapidOCR-json

运行环境框架：

• PyStand 定制版

构建项目

第零步：（可选）fork本项目

第一步：下载代码

以下三选一： - 将你fork的仓库拉到本地 - 下载本仓库zip源码包 - clone本仓库

后续步骤：

请跳转下列仓库，完成对应平台的开发/运行环境部署。

本项目也拥有非常简易的一键打包脚本，在下列仓库中查看。

• Windows
• 跨平台的支持筹备中

更新日志