网页上的文字，鼠标一划就能选中复制。
可它只要变成一张图，就彻底没辙了。聊天记录里别人发的通知、随手截的会议纪要、扫描件里的合同条款、PDF 里整页的正文，想把这些弄成能编辑的文字，只有两条路。
要么对着屏幕一个字一个字敲回去，要么把图丢给某个在线识别网站。图一传上去，里面是什么，也就都交出去了。
Umi-OCR 干的就是这件事。整个过程都在你自己的机器上跑。
开源项目，MIT 协议，GitHub 4.7 万星。断网也能识别，图不出本机。Windows 版是绿色包，解压出来双击 Umi-OCR.exe 就启动，没有安装程序，不想用了把文件夹删掉就算卸载干净。
01 它一共能干五件事
截图识字，日常用得最多的一件。屏幕上看见什么字，框一下就能变成可编辑文本。
批量识字，一次把几百张图拖进去，跑完统一导出。
文档识别，PDF、epub、mobi 这类文件直接提取文字，也能生成能搜索的双层 PDF。
二维码，扫和生成都支持，覆盖 19 种码制。
排版整理，识别出来的文字顺序乱、换行乱，它有一整套后处理方案负责捋顺。
02 两个版本，别下错包
Windows 版分了两个包，功能一模一样，差别只在底层的 OCR 引擎。
| 版本 | 体积 | 特点 |
|---|---|---|
| Paddle 引擎版 | 128 MB | 速度快，CPU 占用高，适合配置好的机器 |
| Rapid 引擎版 | 98.5 MB | 慢一点，内存占用低，兼容性好 |
有一点得提前记住：Paddle 版不兼容凌动、赛扬、奔腾这几类 CPU 。老电脑、低功耗笔记本直接下 Rapid 版最稳，日常识别的速度完全够用。要是装了 Paddle 版，一跑识别就弹 0xc0000142 或者 OCR init fail，那就是 CPU 不认它，换 Rapid 版就行。
解压路径别带中文和空格，也别扔进 C:\Program Files 这种要管理员权限的目录。 D:\Tools\Umi-OCR 这种最省事。
嫌翻 GitHub 麻烦的话，我平时把常用工具每天检查更新到最新版本，安装包下载可以得到
03 截图识字：先给它配一个顺手的快捷键
刚打开的时候，进「设置」→「快捷键」，给「截图 OCR」指定一个组合键。默认那个容易和别的软件撞车，换成 F4 或者 Ctrl+Alt+O 这类不常用的更省心。
配好之后，不管你在哪个界面，按一下这个键就能框选。松开鼠标，文字直接出来。
结果分两栏。左边是原图，可以直接用鼠标划选复制；右边是识别出来的文字，能手动改，也能一次划好几条记录一起复制走。
还有个地方挺实用：在别处复制的图片，直接粘进 Umi-OCR 就能识别，不用先另存成文件。
识别完排版是乱的怎么办？右侧有「排版解析方案」可以挑：
- 多栏的文档选「多栏-按自然段换行」
- 截图代码选「单栏-保留缩进」，行首缩进和行中空格都留着
- 只想要一行连贯文字，选「多栏-无换行」
横排竖排它自己会判断。
04 几百张图一起跑，顺手把水印摘掉
手里攒了几十上百张图，一张张点太慢，切到「批量 OCR」页。
图片格式支持 jpg、png、webp、bmp、tif 这些常见的，一次导入几百张也没有数量限制。识别完能存成 txt、md、csv（Excel 能直接打开）或者 jsonl。跑完不想守着，还能设成任务结束后自动关机或待机。
这里有个功能值得单独说：忽略区域。
批量识别带水印的图，水印上的字会被一起认出来，混在结果里很烦。在批量识别页右栏进「忽略区域」编辑器，按住右键在图上画几个矩形框，框住水印和 LOGO 的位置，这些区域里的文字在整批任务中都会被跳过。
画框的时候尽量画大一点，把水印会出现在哪一带整个包住。判断的粒度是整块文字，不是单个字：落在框里的文本块会被丢掉，压在框边缘上的那半块就未必了。
05 PDF 和扫描件，能出双层可搜索 PDF
「文档识别」这一页管的是文件，不是图片。
支持 pdf、xps、epub、mobi、fb2、cbz。对扫描件它做的是 OCR，对本来就是文字版的 PDF 它就直接抽原文。两种都能输出成双层可搜索 PDF，看着跟原来的扫描页面没两样，但里面的字能选中、能搜索、能复制。
它同样带忽略区域，专门用来排掉页眉页脚那些每页都在的固定文字。
06 二维码和给开发者留的两条路
二维码这一页做两件事。扫：截图、粘贴或者拖入图片，读出里面的二维码、条形码，一张图里有好几个码也认得出来。生成：输入一段文字，直接出一张二维码图片，码制和纠错等级都能调。
剩下的两个入口是给会写脚本的人准备的：命令行和 HTTP 接口。装在服务器上、或者想挂进自己的自动化流程里，就不用点界面了，具体参数在仓库的 docs 目录下有两份手册。
07 三件最好提前知道的事
没有 macOS 版。 官方只发 Windows 7 x64 及以上、和 Linux x64 两种包。Mac 支持还躺在项目的「远期计划」待办清单里，没做出来。
公式识别还不算成熟。 项目说明里把「公式识别」列进了功能清单，但那个链接点进去是一个需求讨论帖，不是成品。真要用得装插件：插件库里有个 Pix2Text 插件，支持中英文、数学公式和混合排版，下载解压后放进 UmiOCR-data/plugins 目录。代价是插件体积不小，加载也慢。
超大长图要先改一个参数。 像素特别大的长图和大图，直接识别会被尺寸保护拦住，去页面设置里的「文字识别」→「限制图像边长」，把数值调高再跑。如果你的机器上出现截图闪烁、界面错位，去「全局设置」→「界面和外观」→「渲染器」换个渲染方案，或者干脆关掉硬件加速，多数是显卡加速在特定机型上出的问题。