OCR（光学字符识别）指让软件自动读出图片里的文字，把它们转成可以复制、编辑、搜索的文本。Umi-OCR 是一款免费开源的文字识别桌面软件，截图识别、批量图片识别、PDF 文字提取、二维码扫描与生成、公式识别都内置其中，安装后完全离线运行，图片不会上传到任何服务器。它在 GitHub 上已收获 47.3k Star，采用 MIT 协议授权，个人使用和商业使用都没有限制。
文字识别需求背后通常站着两类人：一类偶尔从截图里取几行字，另一类每天要处理扫描文档和成批的图片资料。Umi-OCR 对两类人都适用，而「批量」和「离线」这两个特性，让它在处理大量敏感资料时比在线工具更稳妥：识别全程不联网，内容不会离开你的电脑。
截图识别：快捷键唤起，框选即认
打开截图 OCR 标签页后，可以用快捷键唤起截图，框住屏幕上任意区域，其中的文字立刻被识别出来，显示在右侧记录栏里，支持直接划选复制。图片也可以从剪贴板粘贴进来识别。遇到数学公式时，可以调用公式识别功能，把公式图片转成可编辑的公式文本。
批量识别：几百张图片一次跑完
批量 OCR 标签页支持导入 jpg、png、webp、bmp、tif 等常见图片格式，没有数量上限，一次导入几百张图也能排队识别。识别结果可以保存为 txt、jsonl、md、csv 等格式，其中 csv 可以直接用 Excel 打开。任务结束后还可以设置自动关机或待机，适合挂机处理大批量扫描件。
批量识别里有一个「忽略区域」功能：先框住图片中不需要识别的区域（如水印、页眉页脚、Logo），这些位置会在任务中被跳过，避免无关文字混进结果。
PDF 与文档识别：扫描件变成可搜索文本
文档识别标签页支持 pdf、epub、mobi、fb2 等格式。对于扫描版 PDF，它可以先做 OCR 再输出「双层可搜索 PDF」：上层是原始影像，下层是识别出的文字层，文字因此可以被搜索和复制。对于本身已带文字层的电子书，则直接提取原文，不需要识别。
二维码与公式：内置的周边能力
Umi-OCR 还带二维码功能：能扫描截图或图片中的二维码、条形码（支持 19 种协议），也能输入文本生成二维码图片。公式识别面向经常处理数学文档的用户，把公式图片转换为可编辑的公式文本。
两个离线引擎可选
软件内置两套离线识别引擎，可以随时切换：Rapid-OCR 兼容性更好，Paddle-OCR 速度稍快。识别引擎完全在本地运行，这正是整个软件「离线可用」的基础。此外它还提供命令行和 HTTP 接口，开发者可以把识别能力接进自己的脚本或程序。
平台与版本现状
Umi-OCR 支持 Windows 7 x64 及以上与 Linux x64，解压即用、无需安装。最新稳定版为 v2.1.5（2025 年 3 月发布）。项目以 Python 为主、界面使用 QML（一种声明式界面描述语言），由作者 hiroi-sora 维护，配套有插件库和 Windows、Linux 运行库等子仓库，界面支持简体中文、英文、日语等多国语言。
适合谁用
- 注重隐私的用户：识别过程不联网，图片不出本机；
- 高频处理扫描件的办公人员：PDF 双层化、批量识别、完成后自动关机；
- 开发者：命令行与 HTTP 接口可以嵌入现有流程；
- 经费有限的个人或小团队：完全免费，无订阅与用量限制。
结论是：当文字识别需求涉及隐私、批量或成本时，本地离线工具是比在线 OCR 更合适的选择，而 Umi-OCR 是目前把「免费、离线、批量」三件事都做齐的代表性开源方案。