我要投稿
微信搜一搜，关注“哎呀AIYA”
在文本处理的过程中，图片和扫描件是无法绕开的数据类型，也是业界的处理难点，也是热点的优化方向。本篇文章将介绍一款相关的开源项目，该项目在github上拥有24.9k star，涨星飞快。它是一个OCR技术的集合体，能高效解决问题：
项目特点
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：自带高效率的离线OCR引擎，内置多种语言识别库。
灵活：支持命令行、HTTP接口等外部调用方式。
功能：截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别
安装使用
# 下载地址https://hiroi-sora.lanzoul.com/s/umi-ocr （国内推荐，免注册/无限速）https://github.com/hiroi-sora/Umi-OCR/releases/latest
模块举例
文档识别
文档识别：
支持格式：pdf, xps, epub, mobi, fb2, cbz。
对扫描件进行OCR，或提取原有文本。可输出为 双层可搜索PDF 。
支持设定 忽略区域 ，可用于排除页眉页脚的文字。
可设置任务完成后 自动关机/休眠 。
Umi-OCR的公司识别能力是基于Pix2Text实现的。Pix2Text 是一个开源OCR项目，能够识别既包含文字又包含数学公式的混合图片。
截图OCR
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 - 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：
多栏-按自然段换行：适合大部分情景，自动识别多栏布局，按自然段规则进行换行。
多栏-总是换行：每段语句都进行换行。
多栏-无换行：强制将所有语句合并到同一行。
单栏-按自然段换行/总是换行/无换行：与上述类似，不过 不区分多栏布局。
单栏-保留缩进：适用于解析代码截图，保留行首缩进和行中空格。
不做处理：OCR引擎的原始输出，默认每段语句都进行换行。
上述方案，均能自动处理横排和竖排（从右到左）的排版。
未完待续，项目仍在持续迭代和优化中，进一步的使用可参见：
https://github.com/hiroi-sora/Umi-OCR
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-06-14
开源破局，中国AI正在改写全球竞争格局！
2025-06-13
MinerU-利用专用LLM模型提取PDF内容的工具实测
2025-06-13
官宣|Milvus 2.6正式开源：内存减少 72%，速度比ES快4倍
2025-06-13
CoCo：全球首个“有记忆”的企业级AI Agent
2025-06-13
OpenAI 三连更：Team 上线 o3-pro、o3 额度翻倍、Projects 大升级！
2025-06-13
Manus免费版来了！两大核心更新功能实测
2025-06-13
[开源]RAGFlow: 基于深度文档理解的开源RAG引擎
2025-06-12
干货：手把手教你搭建自己的MCP Server
2025-03-19
2025-03-19
2025-03-17
2025-04-01
2025-04-01
2025-04-13
2025-04-29
2025-03-19
2025-03-23
2025-03-22
2025-06-10
2025-06-08
2025-05-28
2025-05-28
2025-05-26
2025-05-25
2025-05-23
2025-05-17
回到顶部
粤ICP备17114055号