Umi-OCR：多平台智能OCR工具全攻略

Umi-OCR是一款免费开源的多平台OCR工具，支持离线批量处理、截图识别和二维码解析等功能。作为轻量级桌面应用，它无需复杂配置即可快速部署，完美适配Windows和Linux系统，为用户提供高效准确的文字识别解决方案。

一、核心价值：为何选择Umi-OCR？

1. 三大核心功能解析

Umi-OCR凭借三大核心能力满足多样化场景需求：

• 智能截图OCR：实时框选屏幕区域，精准识别代码、文档等复杂格式文本
• 批量文件处理：支持多图片同时识别，自动生成可编辑文本文件
• 多语言识别引擎：内置PaddleOCR/RapidOCR识别引擎，支持中英日韩等20+语言

2. 与传统OCR工具的对比优势

特性	Umi-OCR	在线OCR服务	传统桌面OCR
网络依赖	完全离线	必须联网	部分需联网
处理速度	毫秒级响应	依赖网络状况	秒级响应
批量处理	无限文件数量	通常有限制	有限制
隐私保护	本地处理无上传	数据需上传服务器	本地处理

二、环境准备：3分钟快速上手

1. 两种安装方式任选

• 方式一：直接运行
  下载压缩包后解压，Windows用户双击Umi-OCR.exe，Linux用户终端执行./umi-ocr.sh

• 方式二：源码部署

  git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR
  cd Umi-OCR/UmiOCR-data
  pip install -r requirements.txt
  python main.py
  

💡 技巧：首次运行会自动创建用户配置目录，位于系统默认文档路径下的.umi-ocr文件夹

2. 启动后初始配置

1. 首次启动进入全局设置界面（如图）
2. 在"语言/Language"下拉菜单选择界面语言
3. 根据硬件配置调整识别引擎参数（低配电脑建议降低并发数）

三、功能探索：从基础到进阶

1. 三步完成截图OCR

1. 点击主界面"截图OCR"标签或使用快捷键Ctrl+Alt+O
2. 鼠标框选需要识别的屏幕区域（支持滚动截图）
3. 识别完成后点击"复制"按钮获取文本，或通过右键菜单进行编辑

⚠️ 注意：截图时按住Shift键可锁定比例，精准截取代码块等规则区域

2. 批量OCR处理全流程

1. 切换至"批量OCR"标签页
2. 点击"选择图片"按钮或直接拖放文件到列表区
3. 点击"开始任务"，进度条显示处理状态
4. 结果自动保存至原图片目录或指定文件夹

💡 高级技巧：在设置中勾选"段落合并"，可将识别结果自动整理为连贯文本

3. 多语言界面切换

Umi-OCR支持国际化(i18n)显示，通过以下步骤切换：

1. 打开"全局设置"
2. 在"语言/Language"下拉菜单选择目标语言
3. 重启应用生效

四、进阶技巧与常见问题

1. 提升识别准确率的三个技巧

• 图像预处理：对模糊图片，先使用"增强对比度"功能优化
• 语言模型选择：识别混合语言时，在设置中选择对应语言包
• 区域识别调整：复杂版面可手动框选重点区域单独识别

2. 常见问题解决

• ❓ 识别速度慢：在设置中降低"并发线程数"，或切换至"快速模式"
• ❓ 中文显示乱码：检查系统字体是否完整，建议安装微软雅黑等常用字体
• ❓ 批量处理中断：可能存在损坏图片，尝试分批处理排查问题文件

3. 扩展功能探索

• 命令行调用：支持通过CLI命令集成到自动化工作流，详情参见docs/argv.md
• HTTP接口：开启内置API服务，实现跨应用调用，文档位于docs/http/api_ocr.md
• 插件开发：通过dev-tools/plugins/目录扩展自定义功能

Umi-OCR持续迭代更新，建议定期查看CHANGE_LOG.md获取新特性说明。如有功能建议或bug反馈，欢迎参与项目贡献。