OCR工具站

多数桌面 OCR 工具在缺 VC++ 运行库或系统版本过旧时会启动失败。先确认系统版本满足要求（Win 10 / 11 64 位对应新版，Win 7 要选旧版本线），再按提示安装 VC++ 运行库合集，装完重启软件即可。个别老机器显卡驱动过旧也会导致界面渲染异常，更新驱动后一般恢复。

Umi-OCR 是开源项目，安装包只发布在项目的 GitHub 发布页（releases），认准项目官方仓库即可。第三方下载站的包无法保证是否被二次打包，可能带捆绑或魔改，不建议使用。下载后可在项目页核对版本号与更新说明，与发布页一致再用。

取决于用途。偶尔识别几张截图，任何免费离线工具都够；要批量处理扫描件和 PDF，重点比批量队列、表格还原和输出格式三项；涉及敏感材料的，只在离线工具里选，别用网页版。免费离线工具在印刷体上与商业软件差距不大，主要差在售后和界面细腻度，多数个人用户感知不到。

先检查原图质量：分辨率过低、强烈倾斜、笔画粘连都会导致空白或乱码。把图片放大到文字清晰、纠正角度后重试。其次是语言设置，识别英文内容却挂在中文模型上会出乱码，切换对应语言模型再跑。批量任务里个别页乱码，通常是那几页本身是彩色底纹或印章遮挡，单独处理后合并。

电脑版的核心优势是批量与输出：能整文件夹排队、直接处理扫描 PDF、把表格还原成可编辑格式，这些是手机应用普遍不具备的。手机版胜在随手拍随手识别。如果你的材料本来就存在电脑里（扫描件、截图、PDF），直接用电脑版；只有零散的纸质件要临时录入，手机拍完识别更快。

扫描版 PDF 的每页都是图片，直接复制只会选中图形。用带 PDF 识别的 OCR 工具打开整份文档，批量识别后可输出纯文本或按页保存；需要保留排版结构的，选支持双层 PDF 输出的工具，识别后文字层叠在原页面下面，既能保持原样又能复制和检索。

可以，但要选支持表格还原的工具。识别时它会分析行列线，输出按行分列的结构化结果，直接粘贴进 Excel 就能对齐。没有表格还原能力的工具只会给一串按阅读顺序排列的文字，粘进表格全挤在一列里，返工量很大。拿到表格类截图，先小范围试一张确认结构正确再批量。

三个差别：一是隐私，在线版图片要上传到对方服务器，合同证件类材料不建议；二是批量，在线版普遍限单张或页数，超量要付费，离线版整文件夹随便跑；三是稳定性，在线服务可能改版、限流或关停，离线工具装在本地不受影响。反过来，在线版不用装软件、跨设备方便，临时应急用没问题。

批量任务本来就是挂机跑的，速度主要取决于 CPU 性能和图片分辨率。可以适当降低输出分辨率到可识别下限（一般 150~200 DPI 足够），关掉不必要的预处理项，以及避开同时跑视频渲染等其他重负载任务。跑几百页的量，下班挂机到第二天收结果是正常节奏。

用离线工具没有上传风险，识别发生在本地。要防的是别用在线网页版处理证件——图片会完整上传到对方服务器，留存多久、用来做什么你无法控制。另外识别只是把图上的字取出来，证件的真伪核验是另一回事，不要把 OCR 结果当作证件审核依据。

多数工具识别结果直接进剪贴板，切到文档粘贴即可；支持导出 txt / docx / xlsx 的，批量任务里设置好输出格式和目录，跑完按文件名对应取用。若粘贴后发现换行错乱，用文档软件的查找替换把硬换行统一清理一遍，比手动调快得多。

默认模型以简体横排为主要训练方向，繁体和竖排属于非常用排版。处理这类内容时先在设置里切换对应语言或排版模式；仍不理想的，把图片旋转成横排再识别，或者换支持竖排的识别引擎。古籍、手写竖排这类难度最高的材料，现阶段任何工具都需要大量人工校对。

离线 OCR 工具的设计就是断网可用，可以实测：断开网络后完整跑一次截图识别和批量识别，功能不受任何影响即为真离线。开源项目的代码是公开的，联网行为可被任何人审查，这也是选开源而非来路不明的破解工具的原因之一。

分版本线看。新版多数只支持 Win 10 及以上；开源项目通常保留旧版本线兼容 Win 7，在发布页的版本列表里往下找标注支持 Win 7 的最后一个版本即可。老电脑跑识别主要慢在模型加载，批量任务只是耗时更长，功能不受影响。内存不足 4G 的机器建议用便携版并减少同时处理的页数。

二维码识别多数工具已内置，扫码出文本很成熟；数学公式识别难度高，部分工具带实验性支持，简单公式可用，复杂多层公式识别后仍需在公式编辑器里校对。条形码、印章文字等冷门需求，先拿样张实测再决定是否纳入流程，不要默认工具都能做。

批量输出设置里选择「与源文件同名」并指定输出目录，跑完每张图对应一个同名文本文件。若还要区分子文件夹，选保持目录结构的选项。建议先小批量试跑确认命名规则生效，再放全量——几百张跑完发现命名错乱，重跑的成本很高。

开源离线工具的识别在本机完成，没有次数、页数和导出水印的限制，也不存在订阅或到期——这类限制是云识别服务的商业模式，本地识别没有服务器成本。要留意的是下载渠道：从项目发布页拿的是完整开源版，第三方下载站的魔改版可能加限制或捆绑，这也是坚持认发布页的原因。

便携版直接把整个文件夹拷到新电脑就能用，配置跟着文件夹走；安装版在新机器重装一次即可。识别过的结果已经保存在你导出的文档里，与软件无关。批量任务的参数建议截个图存档，重装时照着设一遍最不容易漏。

桌面离线工具本体加上识别模型一般在几百 MB 量级，留 1~2 GB 空间余量足够。CPU 有基本的多核能力、内存 4G 以上即可流畅处理常规批量；表格还原和 PDF 大文件处理时内存占用会高一些。核显即可，不需要独立显卡。

常见工具内置中英文，英文识别效果普遍很好；日韩俄德法等语种视工具的模型支持而定，切换语言模型后多数常用语种可用，小语种准确率参差。混合排版（中英混排）通常无需手动切换，模型会自动区分；纯小语种长文档建议先拿一页实测准确率再批量。