Umi-OCR 是一款「免费，开源，可批量的离线 OCR 软件」：截图识别、批量导入图片、PDF 文档识别、二维码扫描/生成、公式识别（测试），适用于 Windows 7 x64 与 Linux x64[2]。它由开发者 hiroi-sora（网名）一人主导开发维护，GitHub 实测 48,626 星、4,743 fork（2026-11-13 API）[1]，是中文社区公认的免费 OCR 标杆，也是案例墙中「零商业化开源工具」的最高水位样本。
按计划，后续更新维护工作将转到主仓库中进行……Umi-OCR 将是一个长期的项目，我会持续维护和更新。感谢大家的支持！
—— hiroi-sora，Umi-OCR_v2 备份仓库 README「仓库迁移说明」（2023-11），转引自 [8]| 维度 | Umi-OCR 的做法 | 说明 |
|---|---|---|
| 产品功能 | 截图 OCR / 批量 OCR / PDF 识别 / 二维码 / 公式识别 | 截图识别（SegmentFault 实测文记录默认快捷键 Win+Alt+C）、批量导入图片不限数量、PDF 扫描件提取文本或转双层可搜索 PDF；结果可导出 txt/md/jsonl/txt/Excel/CSV，支持排版解析与忽略区域（排除水印）[2][10] |
| 完全离线的隐私卖点 | 100% 本地运行，图片不上传任何服务器 | README 明确「离线运行，无需网络」[2]；第三方实测普遍将「完全离线、隐私性好」列为核心优势——「所有识别都在本地电脑上完成，不需要把图片上传到任何服务器」[10][14]；主流媒体选型文亦以「无需联网」推荐之[11] |
| PaddleOCR 模型集成 | 自编译 PaddleOCR-json C++ 引擎 + RapidOCR-json 双引擎可切换 | 引擎由作者将百度开源 PaddleOCR 用 C++ 编译为独立命令行程序（1,557★），默认 Paddle 引擎「速度稍快」，Scoop 包管理器按引擎分发包（umi-ocr-paddle / umi-ocr）[7][2]；实测文记录 Paddle 版性能高但 CPU 兼容性窄、Rapid 版内存占用低兼容性好，不兼容时换 Rapid 版解决报错[10] |
| 面向客群 | Windows 个人用户 · 批量文档处理者 · 隐私敏感人群 | 适配 Windows 7 x64 起的广泛机型（Linux x64 为后续支持），解压即用、无需注册登录，天然覆盖不会配置环境的普通用户；命令行/HTTP 接口面向开发者与自动化集成场景[2][10] |
| 解决痛点 | 商业 OCR 按页收费 · 在线工具的隐私顾虑 · 广告弹窗 | 在线 OCR「免费额度用完后会提示升级」、高频使用不经济[11]；Umi-OCR 凭「开源免费、离线运行、无广告弹窗」在同类工具（天若 OCR、PandaOCR、QQ 截图 OCR 等）中形成差异化，被列为同类首选[10][13] |
| 指标 | 数值 | 时点 | 信源 |
|---|---|---|---|
| GitHub 星标 | 48,626 | 2026-11-13 API 实测 | [1] |
| GitHub Fork / Open Issues / Watch | 4,743 / 370 / 229 | 2026-11-13 实测 | [1] |
| Releases 累计下载 | 650,104 次（31 个版本 assets 合计） | 2026-11-13 实测 | [3] |
| 单版本最高下载 | v2.1.5 单版本 343,767 次（占总量 52.9%） | 2025-03-25 发布 | [3] |
| 版本时间线 | v1.0.0（2022-03-28）→ v2.1.5（2025-03-26），共 31 个正式版本 | CHANGE_LOG 全量核对 | [6] |
| 代码维护节奏 | 最后一次功能提交 2025-05-31；最后提交（翻译）2025-11-20 | 2026-11-13 Commits API 实测 | [1] |
| Gitee 官方镜像 | 32★ / 13 fork（通道价值为主，非热度口径） | 2026-11 查询 | [5] |
| 引擎生态仓 | PaddleOCR-json 1,557★ · Umi-OCR_plugins 621★ · RapidOCR-json 362★ | 2026-11 查询 | [7][9] |
| 作者影响力 | GitHub 1,267 关注者 · 25 个公开仓库 | 2026-11-13 实测 | [4] |
将 Umi-OCR 放入案例墙「翻译/OCR 工具类开源项目」坐标系。对标数据均为案例墙既有核验值（详见案例墙 index.html 各条目信源），本案星标为本次 API 实测值：
| 对标项目 | 创业者 | 形态 | 商业模式 | 数据表现 | 数据口径 |
|---|---|---|---|---|---|
| Umi-OCR | hiroi-sora（网名） | 开源离线 OCR（截图/批量/PDF，Windows/Linux） | 完全免费离线（MIT），仅赞助 | GitHub 48,626★（2026-11-13 实测）+ Releases 下载 65 万+ | 本案实测 [1][3] |
| Bob | ripperhe（北京独立开发者） | macOS 划词翻译/截图 OCR | 免费版 + Pro ¥58 买断持续销售 | GitHub 9.7k★ | 案例墙既有核验值 |
| Easydict | tisfeng | macOS 词典翻译应用（支持离线 OCR） | 完全免费开源（GPL-3.0）+ 赞助 | GitHub 15.2k★（2026-11） | 案例墙既有核验值 |
| PDFMathTranslate（pdf2zh） | Byaidu | 保留排版的 PDF 学术文档 AI 全文双语翻译，CLI/GUI/Zotero 插件 | 开源 + 在线服务 pdf2zh.com | GitHub 38.3k★，入选 EMNLP 2025 Demo | 案例墙既有核验值 |
这组对标的看点是「零商业化」的两种形态与一个极致：Bob（9.7k★）以「免费版引流 + ¥58 买断」实现了工具类 OPC 少见的持续现金流；Easydict（15.2k★）以 GPL 分叉 + 彻底免费换取社区声望；pdf2zh（38.3k★）在开源之上叠了在线服务这一轻商业化通道；而 Umi-OCR（48.6k★）四者中星标最高，却是唯一连在线服务都不做的——不接云、不收费、不融资，把「完全免费离线」推到产品定位的最极致，反而成为中文 OCR 场景口口相传的事实标准。它证明了在数据敏感（合同、病历、扫描件）与断网场景里，「不联网」本身就是最强的产品差异化和最强的自传播机制[2][10]。代价见柒-7：零商业化没有为持续维护购买任何燃料。
| 维度 | 分析 | |
|---|---|---|
| 1. 产品功能（含 OCR 离线隐私优势） | 功能矩阵完整：截图 OCR（快捷键即截即识）、批量 OCR（不限量、多格式导出、忽略区域排除水印）、PDF 识别（提取文本/生成双层可搜索 PDF）、二维码扫描与生成、公式识别（测试）[2]。隐私是结构性优势而非营销话术：识别全程本地完成，图片不出电脑，实测文称「隐私性非常好」，云社区文章称「从源头上杜绝了数据泄露」[10][15]；对横排/竖排（含竖排繁体）的排版解析，有真实用户场景背书（「处理过一本扫描版的旧书，竖排繁体都识别出来了」）[11]。 | |
| 2. 面向客群 | 直接客群为 Windows 个人用户中的高频文字提取者（学生提取课件/文献、办公族处理扫描件、研究者处理旧书 PDF）[10][11]；间接客群为开发者——命令行与 HTTP 接口使 Umi-OCR 可被集成进自动化工作流与第三方工具[2]；引擎仓 PaddleOCR-json 以「JSON 输出、多语言 API」独立服务其他程序调用者[7]。macOS 用户不在覆盖范围（产品仅 Windows/Linux）[2]。 | |
| 3. 解决痛点 | ①价格痛点：商业 OCR 按页/按次收费、在线工具免费额度有限，Umi-OCR 完全免费且无数量限制[10][11]；②隐私痛点：敏感文件（合同、病历、内部文档）不敢上传在线 OCR——本地离线识别从根上消除该顾虑[10][15]；③环境痛点：解压即用、免安装免注册，中文用户还获得了免注册无限速的蓝奏云国内通道，绕开 GitHub 访问门槛[2]。 | |
| 4. 预估年化营收（推算，置信度 C） | 直接营收 ¥0，未检索到公开营收信息，不作推算 | 无付费版本、无内购、无广告、无在线服务收费，唯一收入通道为爱发电赞助，金额未公开[2]。其「回报结构」需换算为非货币资产：48.6k 星的行业声望、1,267 名 GitHub 关注者的个人品牌、以及引擎仓被外部程序调用的生态位[1][4][7]。本案是案例墙中「零商业化样本」的极端形态——不适用营收型 OPC 评价框架。 |
| 5. 融资进展 | 无融资记录、无公司主体信息公开[2]。非货币资源支持以开源社区协作形式出现：Weblate 平台上 16+ 名译者贡献了英语/繁中/日语/葡语/俄语/泰米尔语等界面翻译，Linux 运行环境、插件生态（Umi-OCR_plugins）由社区协作分摊[2][9]——开源项目的「融资」以人力与基础设施置换的形式完成。 | |
| 6. 市场评价 | 技术社区正评价密集且具体：SegmentFault 实测文称其在天若 OCR、PandaOCR、QQ 截图 OCR 等同类中「凭借开源免费、离线运行、无广告弹窗的优势……非常受欢迎」[10]；新浪财经选型文实测「竖排繁体都识别出来了，准确度让人意外」[11]；掘金、阿里云、腾讯云开发者社区均以「本地离线可用」「保障隐私安全」为题收录推荐[13][14][15]；HelloGitHub 官方收录（OCR 标签页）文案「完全免费的 OCR 软件，支持离线使用、截屏识别文字、批量导入图片」[12]。48.4k→48,626 的星标增长表明热度延续[1]。需注意：未检索到主流财经/科技媒体对其作者或商业故事的深度报道——零商业化项目天然缺乏「商业叙事」的媒体可见性，其声望几乎全部沉淀在开发者社区内部。 | |
| 7. 开源维护可持续性（零商业化模式的可持续维护问题） | 本案最值得警示的维度。承诺与现实的落差：2023-11 作者承诺「Umi-OCR 将是一个长期的项目」[8]，2024-2025 上半年兑现稳定发版（v2.1.1→v2.1.5）；但 Commits API 显示 2025-05-31 后功能提交停摆，仅剩 Weblate 翻译自动更新（最后提交 2025-11-20），最新 release 停在 2025-03-26，370 个 open issue 未消化[1]。README 自述「主要由作者用业余时间开发和维护」[2]——零商业化意味着维护投入没有任何现金流补偿，可持续性完全押注个人热情。对冲机制有三：MIT 协议允许任何人分叉[1]；插件机制允许第三方引擎接入（作者名下即有 tesseractOCR/chineseocr 插件仓）[9]；存量资产自持——离线软件不依赖服务端，即使停止更新，已发布的 v2.1.5 仍可长期使用（单版本 34.4 万下载）[3]。这是离线软件与在线 SaaS 在「维护停摆风险」上的本质差异。 |
本深度报告共引用 16 条信源，按文中首次出现顺序连续编号。上标颜色与文末徽章同色同义：绿 = 已核验（≥2 独立信源交叉），蓝 = 多源印证（单一权威信源可回溯），黄 = 部分映证（自述/转述/单一社区信源）。