PDF识别?我反而更常推荐这种“老式”离线工具

离线 + 免费 + 批量 + PDF，才是Umi-OCR到2026年仍然值得放进工具箱的理由。

它不是最新最强，但非常适合长期稳定地干活。

现在想从图片里提取几个字，微信、Windows截图工具、浏览器插件，甚至随便一个AI都能做。

但只要场景变成：几百张图片、几十份扫描PDF、内部文件不能上传、还想生成能搜索的PDF，事情就没那么简单了。

这也是我今天又把Umi-OCR翻出来的原因。

它的官方最新稳定版还是2025年3月发布的v2.1.5，一年多没发核心新版；但GitHub现在依然有大约47K Star。一个“更新不算勤”的OCR软件，为什么到2026年还有这么多人搜？

答案不是“它识别率天下第一”，而是它把几个非常实用的需求放在了一起：免费、开源、离线、批量、PDF OCR、无需账号。

Umi-OCR是一款开源的本地OCR工具。OCR就是“光学字符识别”，简单说，就是把图片里的字变成可以复制、搜索、编辑的文字。

它适合Windows x64和Linux x64。Windows版本基本属于绿色软件：下载压缩包，解压，运行Umi-OCR.exe即可，不需要注册账号，也不要求把文件上传到服务器。

它目前比较实用的功能包括：截图OCR、批量图片OCR、扫描PDF识别、双层可搜索PDF、二维码识别、排版整理、忽略水印区域，以及命令行和HTTP接口。

如果你只是偶尔识别一张截图，Umi-OCR未必比系统自带工具方便。

但如果你有大量文件要处理，它的优势就出来了。

很多在线OCR很好用，但逻辑都是一样的：上传文件，服务器识别，再返回结果。

对普通截图问题不大，但如果是合同、内部资料、业务扫描件、研究材料，很多人第一反应就是：我不想传。

Umi-OCR的识别可以完全在本机完成。

没有账号，没有每天多少次的额度，也没有“文件太大请开会员”。对隐私敏感和大量处理这两类用户，这一点非常重要。

Umi-OCR的批量OCR可以一次导入大量图片，支持jpg、png、webp、tif等常见格式，识别结果还能保存成txt、Markdown、CSV、JSONL。

这跟“截一张图、复制一下文字”不是一个量级的需求。

比如你手里有300张会议截图、历史扫描表单、书页照片，最麻烦的不是识别一张，而是重复300次操作。

批量任务才是Umi-OCR真正的效率点。

很多扫描版PDF看起来是PDF，实际上每一页都是图片。

你按Ctrl+F搜不到字，也没法直接复制。

Umi-OCR可以对扫描PDF做OCR，并生成双层可搜索PDF。视觉上还是原来的页面，但背后增加一层文字层。

对论文扫描件、档案、说明书和老资料特别实用。

批量识别最烦的东西是什么？

不是正文，而是每一页都重复出现的水印、Logo、页眉、页脚。

Umi-OCR可以提前框出“忽略区域”。后面批量跑的时候，这些固定位置的文字直接跳过。

如果你处理几十页、几百页材料，这个功能能少掉大量后期清洗工作。

这是新手最容易卡住的地方。

官方Windows版通常提供Rapid和Paddle两套包，软件功能基本一致，主要差别是OCR引擎。

如果你不知道怎么选，我建议先Rapid。

Rapid版占用相对低，兼容性更好，对老机器更友好。

Paddle版性能更积极，但资源占用也更高，而且官方明确提醒：部分奔腾、赛扬、凌动CPU可能出现OCR初始化失败。如果你遇到0xc0000142或者OCR init fail，第一件事不是重装系统，而是换Rapid版试试。

电脑配置较新、批量任务多，可以再尝试Paddle。

新手建议：先用Rapid跑通流程，再根据电脑配置和批量任务规模尝试Paddle。

第一次使用先从小批量任务开始，更容易判断引擎和版式是否合适。

优先去项目GitHub Releases，或者作者README列出的蓝奏云、SourceForge渠道。不要为了省两步去下载来源不明的“绿色精简版”“特别优化版”。下载后如果你比较在意安全，可以对照官方发布页给出的SHA256校验值。

或者点击【关注】，去文章末尾获取

Windows版本解压后运行Umi-OCR.exe。它是便携式工具，不需要传统安装流程。第一次打开可以先看全局设置，把界面语言、主题、OCR插件和截图快捷键调好。

打开“截图OCR”标签页，点击截图按钮，或者使用设置里的全局快捷键。框选屏幕区域后，它会把识别结果直接显示出来。如果识别的是代码截图，可以把文本后处理切到“单栏-保留缩进”，比普通段落模式更适合代码。

进入“批量OCR”，把一批图片拖进去。先选输出格式，再根据内容选择排版解析方式。如果图片都有固定水印，先设置“忽略区域”，再开始跑任务。

✦ 实用建议

超大任务别一口气全塞进去。2026年的用户反馈里，有万页级PDF任务后期停止响应的情况。几百页甚至上千页时，按文件或页数拆成多批，更稳。

打开“批量文档”相关功能，导入PDF。如果原PDF本身有文字，Umi-OCR可以提取；如果是扫描页，则进行OCR。输出时选择双层可搜索PDF，就能保留原页面，同时增加可搜索文字层。

复杂竖排、繁体、特殊版式要多检查几页。社区里已经有人反馈过文字层位置偏移、重叠的问题。

！目前最大的槽点

核心版本确实更新慢。官方最新稳定版v2.1.5发布于2025年3月。2026年已经有人在Issue里直接问“是不是不更新了”。

这不代表软件不能用，但如果你追求最新PaddleOCR能力，官方内置引擎并不是最前沿版本。

好消息是，Umi-OCR本身支持插件。2026年社区已经出现适配PP-OCR V5/V6的第三方插件，甚至有基于ncnn、支持Vulkan加速的方案。

但第三方插件要自己判断来源、兼容性和安全性，不建议新手看到“V6”就无脑覆盖原插件。

第二个问题：它不是现代AI文档理解工具。

如果你的目标是复杂表格还原、图表理解、公式转LaTeX、手写体、高难版面解析，今天的新一代OCR模型和AI文档工具会更强。

Umi-OCR的优势是“本地、免费、批量、够用”，不是所有OCR任务都最强。

第三个问题：没有官方macOS桌面版。

Mac用户如果只想开箱即用，这一点基本就能直接劝退。

我会推荐给四类人：

办公用户

日常要处理大量图片、扫描件。

隐私敏感用户

不希望把内部资料上传到在线OCR。

PDF重度用户

需要把扫描PDF变成可搜索PDF。

开发者

想通过HTTP接口、命令行把OCR接进自己脚本或Vibecoding项目。

Umi-OCR到2026年并不是“最新最强OCR”。

但它依然是我认为非常有代表性的一类软件：不要求登录、不制造额度焦虑、不强迫上传文件，把一个功能做成真正能长期使用的本地工具。

一年多没发核心新版，确实是它的问题；47K左右的GitHub Star和持续出现的新教程、新插件、新Issue，也说明它并没有失去用户。

如果你的需求是离线 + 免费 + 批量 + PDF，它仍然值得放进工具箱。

不是最炫的新工具，但很像一个能长期留在电脑里的可靠工具。

有用请关注：软件科技猿，回复：Umi-OCR，即可获取

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING