最近研究了一下开源的 OCR 工具 Umi-OCR，发现还挺有意思，顺手整理了一份笔记。
平时看图或者扫描版 PDF 里的文字选不中、无法复制，确实挺让人头疼的，很多在线工具还要收费或者限制次数。这个名为 Umi-OCR 的工具简单理解就是把你截图或者拖进来的图片，直接将里面的文字"抠"出来，变成可以复制和编辑的文本，也就是 OCR 识别。
它最吸引我的一点是完全离线且免费。整个识别过程都是直接在本地电脑上跑的，资料信息不需要上传到任何服务器。对于一些内部文件或者涉密资料来说，用起来安心很多。而且项目本身在 GitHub 上开源，没有会员限制，也没有水印。
Umi-OCR 适合用来做什么
如果你平时经常需要从截图里提取文字，或者要处理扫描件、批量整理图片资料，这个工具感觉会非常实用。
它内置了像 PaddleOCR 和 RapidOCR 这类主流的识别引擎，中文识别效果挺不错的，不管是手写体还是横排竖排都能认出来。我觉得比较有意思的是，它还挺聪明的，会自动帮你忽略掉图片里的一些水印、按钮图标或者页眉页脚，尽可能只留下干净的正文内容。
平时最常用的功能可能就是截图中的文字识别。打开软件后直接用快捷键（默认是 Win+Alt+C）框选区域，文字立刻就出来了。右侧面板还会给段落标记置信度评分，点一下就能复制，非常方便。另外也可以直接在软件里按 Ctrl+V 粘贴剪贴板里的图片来识别。
如果遇到几十上百张图片，或者扫描版的 PDF，可以切换到批量模式。直接把文件拖进去就能自动逐页跑，跑完可以导出 txt、Markdown 或者 jsonl 格式。如果是 PDF，它还可以生成一种“双层可搜索 PDF”，看着还是原来的扫描件，但里面的文字已经可以随意选中和搜索了，这个细节做得蛮用心。
安装和一些实用细节
安装方面非常省心，去 GitHub 直接搜索下载即可，项目地址：
Windows 有两个版本，其中，
Paddle 引擎插件版：性能好，速度快，占用率高，适合高配机器。不兼容奔腾、赛扬、凌动CPU；
Rapid 引擎插件版：速度稍慢，内存占用低，适合低配机器，兼容性好。
纯绿色软件，解压后双击 Umi-OCR.exe 就能直接开跑。
研究过程中也发现几个顺手的小技巧，比如：
可以在设置里框选“忽略区域”，这样识别网页截图或书籍拍照时，页码和广告条就不会混进结果里。
把设置里的开机自启和托盘最小化打开，平时让它待在任务栏右下角，需要的时候直接按快捷键叫出来。
它还自带了一个二维码识别和生成的工具，省去了另外开网页工具的麻烦。
对于有开发需求的朋友，软件还支持开启 HTTP 接口，可以直接把它当成一个本地的免费 OCR 服务来调用。
多语言方面，除了中英文，也支持日文和韩文等语言包切换。
要是遇到识别不太准的情况，除了确保原图清晰度之外，也可以去设置里切换一下识别引擎（比如 RapidOCR 和 PaddleOCR 换着用用看）。觉得批量识别速度慢的话，在性能允许的情况下把线程数调高一点也会有明显提升。