Umi-OCR README

The project's README from github.com/hiroi-sora/Umi-OCR. As one markdown file: README.md.

中文 • English • 日本語

Umi-OCR

Umi-OCR 文字识别工具

Umi-OCR LICENSE forks stars forks 翻译状态

使用说明 • 下载地址 • 更新日志 • 提交Bug


免费,开源,可批量的离线OCR软件
适用于 Windows7 x64 、Linux x64

1-标题-1.png

1-标题-2.png

目录

使用源码

开发者请务必阅读 构建项目 。

下载发行版

以下发布链接均长期维护,提供稳定版本的下载。

•  Scoop Installer(点击展开)

Scoop 是一款Windows下的命令行安装程序,可方便地管理多个应用。您可以先安装 Scoop ,再使用以下指令安装 Umi-OCR :

  • 添加 extras 桶:
scoop bucket add extras
  • (可选1)安装 Umi-OCR(自带 Rapid-OCR 引擎,兼容性好):
scoop install extras/umi-ocr
  • (可选2)安装 Umi-OCR(自带 Paddle-OCR 引擎,速度稍快):
scoop install extras/umi-ocr-paddle
  • 不要同时安装二者,快捷方式可能会被覆盖。但您可以额外导入 插件 ,随时切换不同OCR引擎。

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 。

1-标题-1.png

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

2-截图-1.png

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。

文本后处理

2-截图-2.png

关于 OCR文本后处理 - 排版解析方案: 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:

上述方案,均能自动处理横排和竖排(从右到左)的排版。(竖排文字还需要OCR引擎本身支持)


批量OCR

3-批量-1.png

批量OCR:这一页用于批量导入本地图片进行识别。

忽略区域

3-批量-2.png

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。

忽略区域范围示例.png


文档识别

文档识别:


二维码

4-二维码-1.png

扫码:

Aztec,Codabar,Code128,Code39,Code93,DataBar,DataBarExpanded,DataMatrix,EAN13,EAN8,ITF,LinearCodes,MatrixCodes,MaxiCode,MicroQRCode,PDF417,QRCode,UPCA,UPCE

4-二维码-2.png

生成码:


全局设置

5-全局设置-1.png

全局设置:在这里可以调整软件的全局参数。常用功能如下:

调用接口:


关于项目结构

各仓库:

工程结构:

** 后缀表示本仓库(主仓库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
├─ umi-ocr.sh
└─ UmiOCR-data
   ├─ main.py **
   ├─ version.py **
   ├─ 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:

运行环境框架:

构建项目

请跳转下述仓库,完成对应平台的开发/运行环境部署。


软件本地化翻译:

本项目使用 Weblate 平台进行UI界面的本地化翻译协作。我们欢迎任何译者参与翻译工作,您可进入此链接 Weblate: Umi-OCR ,在线校对、补充现有语言,或添加新语言。

感谢以下译者,为 Umi-OCR 贡献了本地化翻译工作:

译者 贡献语言
bob English, 繁體中文, 日本語
Qingzheng Gao English, 繁體中文
Weng, Chia-Ling English, 繁體中文
linzow English, 繁體中文
Marcos i English, Português
Eric Guo English
steven0081 English
Brandon Cagle English
plum7x 繁體中文
hugoalh 繁體中文
Anarkiisto 繁體中文
ドコモ光 日本語
杨鹏 Português
Вячеслав Анатольевич Малышев Русский
Muhammadyusuf Kurbonov Русский
தமிழ்நேரம் தமிழ்

如果有信息错误或人员缺漏,请在 这个讨论 中回复。


赞助

Umi-OCR 项目主要由作者 hiroi-sora 用业余时间在开发和维护。如果您喜欢这款软件,欢迎赞助。

Star History

Star History Chart

更新日志

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。
  • PDF识别。
  • 调用本地图片浏览器打开图片。 #335
  • 重复上一次截图。 #357
  • 修Bug:文档识别在Windows7系统的兼容性问题。
  • HTTP/命令行接口添加二维码识别/生成功能。 (#423)
  • 二维码接口的文档。
  • Linux 平台移植。
  • HTTP 文档识别接口。
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。

  • 重构底层插件机制。

  • 在线 OCR API 插件。

  • 独立的数学公式识别插件。

  • “数学公式”标签页,提供独立的数学公式识别/Latex渲染。

  • 检查更新机制。

  • 排版解析之外的文本后处理模块(如保留数字、半全角字符转换、文本纠错)。

  • 关键接口函数添加事件触发方式。

  • 基于GPU的离线OCR。

  • 图片翻译

  • 离线翻译。

  • 固定区域识别。

  • 识别表格图片,输出为Excel。

  • 历史记录系统。

  • 兼容 MacOS / Ubuntu 等平台。

Umi-OCR (hiroi-sora/Umi-OCR)

batch-processing
Searching Database…

What is this?Umi-OCR is a free, open-source, offline OCR tool that extracts text from screenshots, batches of images, and PDF documents, and can also scan or generate QR codes.
Is this a desktop app, or just a command-line tool?It is mainly a desktop GUI app built with Qt/QML, but it also exposes a command-line mode and an HTTP interface for external calls.
How do I get it running?Download the .7z release archive (or self-extracting .7z.exe), extract it, and launch Umi-OCR.exe — no installer needed. Windows users can alternatively install it with Scoop.
Do I need to install an OCR engine or Python separately?No — it bundles its own offline OCR engines (PaddleOCR-json or RapidOCR-json) and includes multiple language models, so nothing extra needs to be installed.
Does it run on macOS?Not yet — official builds only cover Windows7 x64 and Linux x64; macOS/Ubuntu support is listed as a future development goal, not a current feature.
What file formats can batch OCR import and export?It can import common image formats like jpg, png, webp, bmp and tif/tiff, and export results as txt, jsonl, md, or csv (Excel).
Can it read or generate QR codes?Yes — it scans QR codes and barcodes across 19 protocols (QRCode, Code128, DataMatrix, EAN13, etc.) and can also generate QR code images from text.
What document formats can it process besides images?Besides scanned PDFs, it supports xps, epub, mobi, fb2 and cbz files, and can output a searchable two-layer PDF with the extracted text overlaid.
Can it exclude watermarks or headers/footers from recognition?Yes — the 'ignore area' editor lets you draw rectangles over watermark, header or footer zones, and any text block fully inside those boxes is skipped during recognition.
Creator
hiroi-sora
Size
274.8 MB
Stars
48K
Age
4y
Commits · 90 Days