Umi-OCR 文字识别工具

• 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。
• 批量：可批量导入处理图片，结果保存到本地 txt / md / jsonl 多种格式文件。也可以即时截屏识别。
• 高效：采用 PaddleOCR-json C++ 识别引擎。只要电脑性能足够，通常比在线OCR服务更快。
• 精准：默认使用PPOCR-v3模型库。除了能准确辨认常规文字，对手写、方向不正、杂乱背景等情景也有不错的识别率。可设置忽略区域排除水印、设置文块后处理合并排版段落，得到规整的文本。

说明目录

• 简单上手 截图、批量识别~
• 排版优化 如何合并一个自然段内的文字？
• 忽略区域 如何排除截图水印处的文字？
• 多国语言 添加更多PP-OCR支持的语言模型库！
• 命令行调用 用命令行或第三方工具来调用Umi-OCR！
• 联动翻译软件 截图OCR后发送指定按键，触发翻译软件进行翻译
• 更多小技巧
• 问题排除 无法启动引擎 / 多屏幕截图异常 ？

下载

Win7/8 用户 及 凌动、赛扬、奔腾处理器用户：

兼容低版本Windows和无AVX指令集的CPU的新识别引擎正在测试阶段，详情见这儿 。

Win10/11 用户：

Github下载：Release v1.3.5

蓝奏云下载：https://hiroi-sora.lanzoul.com/s/umi-ocr

Umi-OCR 软件本体含 简体中文&英文 通用识别库。
配套 多国语言识别扩展包 可导入 繁中,英,日,韩,俄,德,法 识别库，请按需下载。

使用源代码

兼容性（Paddle引擎版本）

• 系统仅支持 Win10 x64 及以上版本。
• CPU必须具有AVX指令集。（凌动、安腾、赛扬和奔腾处理器可能不兼容）
• 若您的软硬件不符合以上条件，可使用 Rapid引擎版本 。

前言

关于忽略指定区域的特殊功能：

类似含水印的视频截图、含有UI/按钮的游戏截图等，往往只需要提取字幕区域的文本，而避免提取到水印和UI文本。本软件可设置忽略某些区域内的文字，来实现这一目的。

当有大量的影视和游戏截图需要整理归档，或者想翻找包含某一段台词/字幕的截图；将这些图片提取出文字、然后Ctrl+F是一个很有效的方法。这是开发本软件的初衷。

关于离线OCR引擎 PaddleOCR-json ：

对 PaddleOCR 2.6 cpu_avx_mkl C++ 的封装。效率高于Python版本PPOCR及部分Python编写的OCR引擎，通常比在线OCR服务更快(省去网络传输的时间)。支持更换Paddle官方模型（兼容v2和v3版本）或自己训练的模型，支持修改PPOCR各项参数。通过添加不同的语言模型，软件可识别多国语言。

简单上手

准备

下载压缩包并解压全部文件即可。

截图识别

点击截图按钮或自定义快捷键，唤起截图识别。

v1.3.4 还可以设置截图后生成一个预览窗口。预览窗口可以被钉在屏幕顶层，或调为半透明，方便对比查看。

粘贴图片到软件

在任何地方（如文件管理器，网页，微信）复制图片，软件上点击粘贴按钮或快捷键，自动识别。

批量识别本地图片文件

将图片或文件夹拖进软件，批量转换文字。也可以点击按钮打开浏览窗口导入。

识别结果将保存到本地。可选生成纯文本txt文件、带链接Markdown文件、原始信息jsonl文件等不同格式。可配置任务完成后执行关机/待机。

文本块后处理（排版优化）

OCR识别出的文本是按“块”划分的，通常一行文字分为一块，有时还会将一行误划分为多块，这给阅读带来了不便。文本块后处理就是对文本块进行再加工的过程，合并同一行或同一段落内的文字，按正确的顺序排序。

下图表示不同排版应该选用何种处理方案：

所有排版方案一览：

忽略区域功能

忽略区域是本软件特色功能，可用于排除图片中水印的干扰，让识别结果只留下所需的文本。

添加多国语言

进阶操作 & 小技巧

命令行调用

复制后发送按键 & 联动翻译软件

自定义计划任务

内存清理

添加到运行（Win+R快捷键）

问题排除

无法启动引擎

多屏幕截图不正常

未找到引擎组件

请将引擎组件 PaddleOCR-json 文件夹 放置于程序入口（main.py或exe）同目录下。

效率测试

开发说明

TODO

更新日志

点击版本号链接可前往对应备份分支。

v1.3.5 2023.6.20

• 新功能：复制识别结果后，可发送指定按键，以便联动唤起翻译器等工具。
• 新功能：命令行增加切换识别语言的指令。
• 修Bug：低配置机器上有概率误报OCR init timeout: 5s 。#154 , #156。
• 调整：默认停止任务30秒后释放一次内存。

v1.3.4 2023.4.26

• 新功能：截图预览窗口。
• 新功能：可用方向键微调截图框位置。
• 修Bug：拖入图片时有几率卡退主窗口 issue #126 。
• 优化了一些处理流程。

v1.3.3 2023.3.19

• 新功能：命令行模式。
• 新功能：识图完成的通知悬浮窗。
• 新功能：自动清理引擎内存。
• 修复了一些BUG，优化了一些UI表现。

v1.3.2 2022.12.1

• 新功能：创建开机启动项时，可选不显示主窗口。
• 新功能：OCR结果输出到每个图片同名的单独txt文件。
• 新功能：增加独立的设置语言窗口，可在多处点开，便于切换语言。
• 新功能：合并段落添加合并自然段-西文模式，可在英文段落换行时补充空格。
• 新功能：快捷识图可选自动清空面板，只显示本次识别结果，且隐藏时间信息。
• 修复了一些BUG。

v1.3.1 2022.11.4

• 修Bug：快捷键模块重写，引入pynput库，舍弃keyboard库，解决几率失效、录制不正确等Bug。
• 新功能：添加开机自启，桌面快捷方式，开始菜单快捷方式。
• 新功能：多开软件时提示。
• 新功能：截图时隐藏窗口。
• 调整UI：使用频率极低的设置项设为隐藏的高级选项。
• 优化：检查引擎组件是否存在。
• 优化：横排-合并多行-自然段 优化逻辑，支持0~2全角空格首行缩进。

v1.3.0 2022.9.29

• 新功能：框选截屏。
• 新功能：系统托盘图标。
• 新功能：引擎进程常驻。
• 新功能：文本块后处理模块。
• 新功能：自定义主输出栏字体。
• 新功能：设置窗口弹出模式（保持置顶）。
• 调整UI：自适应Win风格组件。
• 修正了Bug：系统语言兼容性问题 issue #16 。
• 修正了Bug：微信图片粘贴问题 issue #22 。
• 更新PaddleOCR-json模块至v1.2.1，提供剪贴板支持。快捷识图通过剪贴板中转，无需再保存临时文件到硬盘。

v1.2.6 2022.9.1

• 更新PaddleOCR-json模块至v1.2.0，提高识别速度、准确度。
• 调整UI：更方便地用下拉框切换识别语言。
• 调整UI：可以从主窗口任意位置/任意选项卡拖入图片。
• 修正了Bug：提高程序健壮性，增加启动子进程时的更多异常处理情况。
• 修正了Bug：彻底解决了对边缘过窄的图片，识别结果不准确的问题 issue #7 。
• 优化适配PP-OCRv3模型，彻底解决了v3版模型比v2慢、不准的问题 issue #4 。

v1.2.5 2022.7.22

• 新功能：计划任务。识图完成后执行自动关机等任务。
• 新功能：可选拖入文件夹时递归导入子文件夹中所有图片。
• 调整UI：添加一些配置文件的快捷入口。

v1.2.4 2022.6.4

• 新功能：可选识别剪贴板图片后自动复制识别的文本。
• 补充功能：快捷键调用剪贴板识图时，若程序窗口被最小化，则恢复前台状态并挪到最前位置。

v1.2.3 2022.5.31

• 新功能：读取剪贴板图片。配置全局快捷键调用该功能。

v1.2.2 2022.4.30

• 新功能：可选任务完成后自动打开输出文件或目录。

v1.2.1 2022.4.16

• 更新PaddleOCR-json模块至v1.1.1，修正了可能得到错误包围盒的漏洞。

v1.2.0 2022.4.8

• 可选生成图文链接.md文件，作为索引使用有更佳的观感。
• 修改设置面板的样式，改为滚动面板以容纳更多设置选项。
• 用户修改配置项后可自动保存。

v1.1.1 2022.3.30

• 修正了Bug：退出忽略区域窗口时，OCR子进程未关闭。

v1.1.0 2022.3.30

• 新功能：忽略区域窗口以虚线框 展示识别出的文字块。

v1.0.0 2022.3.28

• “梦开始的地方”

感谢

本项目核心引擎组件源自 PaddlePaddle/PaddleOCR：

Awesome multilingual OCR toolkits based on PaddlePaddle

本项目中所使用的库：

google/python-gflags

Python implementation of the Google commandline flags module.

moses-palmer/pynput

This library allows you to control and monitor input devices.

Infinidat/infi.systray

A Windows system tray icon with a right-click context menu.

Pwm

Pmw is a toolkit for building high-level compound widgets in Python using the Tkinter module.

Umi-系列图片处理软件

Umi-OCR 批量图片转文字软件 ◁

Umi-CUT 批量图片去黑边/裁剪/压缩软件