中文 • English
适用于 Windows7 x64 及以上
- 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。
- 高效：自带高效率离线OCR引擎。只要电脑性能足够，可以比在线OCR服务更快。
- 灵活：支持命令行、HTTP接口等多种调用方式。
- 功能：截图OCR / 批量OCR / 二维码 / 公式识别（测试中） / PDF识别（测试中）
- 截图识别
- 段落合并 - 优化不同文字排版
- 批量识别
- 忽略区域 - 排除截图水印处的文字
- 二维码 支持扫码或生成二维码图片
- 文档识别 从PDF扫描件中提取文本，或转为双层可搜索PDF
- 全局设置 添加更多PP-OCR支持的语言模型库！
- 命令行调用
- HTTP接口
- 构建项目
开发者请务必阅读 构建项目 。
可选择以下方式下载：
- GitHub https://github.com/hiroi-sora/Umi-OCR/releases/latest
- 蓝奏云 https://hiroi-sora.lanzoul.com/s/umi-ocr
- Source Forge https://sourceforge.net/projects/umi-ocr
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。
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 。
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：打开这一页后，就可以用快捷键唤起截图，识别图中的文字。
- 左侧的图片预览栏，可直接用鼠标划选复制。
- 右侧的识别记录栏，可以编辑文字，允许划选多个记录复制。
- 也支持在别处复制图片，粘贴到Umi-OCR进行识别。
关于 OCR文本后处理 - 段落合并： 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：
- 单行：合并同一行的文字，适合绝大部分情景。
- 多行-自然段：智能识别、合并属于同一段落的文字，适合绝大部分情景，如上图所示。
- 多行-代码段：尽可能还原原始排版的缩进与空格。适合识别代码片段，或需要保留空格的场景。
- 竖排：适合竖排排版。需要与同样支持竖排识别的模型库配合使用。
批量OCR：这一页支持批量导入本地图片并识别。
- 识别内容可以保存为 txt / jsonl / md / csv(Excel) 等多种格式。
- 支持
文本后处理技术，能识别属于同一自然段的文字，并将其合并。还支持代码段、竖排文本等多种处理方案。 - 没有数量上限，可一次性导入几百张图片进行任务。
- 支持任务完成后自动关机/待机。
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。
- 在批量识别页的右栏设置中可进入忽略区域编辑器。
- 如上方样例，图片顶部和右下角存在多个水印 / LOGO。如果批量识别这类图片，水印会对识别结果造成干扰。
- 按住右键，绘制多个矩形框。这些区域内的文字将在任务中被忽略。
- 请尽量将矩形框画得大一些，完全包裹住水印所有可能出现的位置。
扫码：
- 可截图/粘贴/拖入本地图片，读取其中的二维码、条形码。
- 支持一图多码。
- 支持19种协议，如下：
Aztec,Codabar,Code128,Code39,Code93,DataBar,DataBarExpanded,DataMatrix,EAN13,EAN8,ITF,LinearCodes,MatrixCodes,MaxiCode,MicroQRCode,PDF417,QRCode,UPCA,UPCE,
生成码：
- 输入文本，生成二维码图片。
- 支持19种协议和纠错等级等参数。
仅在 最新测试版 中支持。
文档识别：
- 支持导入
pdf, xps, epub, mobi, fb2, cbz格式的文件。 - 支持识别扫描件，转为文本文件（支持所有格式文档）或可搜索双层PDF（仅支持原文件为pdf格式）。
- 支持设定忽略区域，可排除页眉页脚的文字。
全局设置：在这里可以调整软件的全局参数。常用功能如下：
- 一键添加快捷方式或设置开机自启。
- 更改界面语言。Umi支持繁中、英 语、日语等语言。
- 切换界面主题。Umi拥有多个亮/暗主题。
- 调整界面文字的大小和字体。
- 切换OCR插件。
- 渲染器：软件界面默认支持显卡加速渲染。如果在你的机器上出现截屏闪烁、UI错位的情况，请调整
界面和外观→渲染器，尝试切换到不同渲染方案，或关闭硬件加速。
- 命令行手册： README_CLI.md
- HTTP接口手册： README_HTTP.md
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。
近期准备进行的工作，将会在 v2 头几个版本内逐步上线。
- PDF识别
- 图片翻译
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。
- 基于GPU的离线OCR。
- 离线翻译。
- 插件系统。
- 固定区域识别。
- 识别表格图片，输出为Excel。
- 根据系统的深/浅模式，自动切换主题。
- 历史记录系统。
- 兼容 MacOS / Ubuntu 等平台。
** 后缀表示本仓库(主仓库)包含的内容。
Umi-OCR
├─ Umi-OCR.exe
└─ UmiOCR-data
├─ main.py **
├─ version.py **
├─ site-packages
│ └─ python包
├─ runtime
│ └─ python解释器
├─ 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：
- PyStand 定制版
请参考 更新日志 开头的说明。
对于不同平台（虽然现在只有Windows），需要不同的运行环境。
- Windows
- 跨平台的支持筹备中
请跳转上述仓库，完成对应平台的开发/运行环境部署。
本项目也拥有非常简易的一键打包脚本，在以上仓库中查看。