28
6 月
Umi-OCR：免费开源的离线 OCR 识别工具，截图即识别，无需联网
Umi-OCR 是一款免费、开源、离线的文字识别桌面软件。无需联网、无需安装、解压即用。支持截图识别、批量图片识别、PDF 文档识别、二维码生成/扫描，内置多国语言识别库，适用于 Windows 7+ 和 Linux x 64。
核心功能
- 📸 截图 OCR：快捷键唤起截图 → 自动识别文字 → 直接复制或编辑
- 📚 批量 OCR：一次性导入几百张图片，支持多种格式
- 📄 PDF 识别：直接识别 PDF 文档中的文字内容
- 🚫 忽略区域：排除水印、页眉页脚区域，识别更精准
- 📝 排版解析：自动识别多栏/单栏排版，支持竖排文字
- 🔣 公式识别：支持数学公式 OCR 识别
- 📱 二维码：扫描和生成二维码
- 🌐 多语言界面：自动跟随系统语言，支持中英日等
安装与使用
推荐下载：蓝奏云（国内推荐免注册不限速）、Scoop（scoop install extras/umi-ocr）、GitHub Releases 下载 .7 z 解压即用。截图识别快捷键唤起，批量识别可导出 txt/jsonl/md/csv，支持忽略区域编辑器排除水印。
延伸阅读
常见问题
Q: 为什么不用在线 OCR？ 离线 OCR 无需上传文件，适合合同、证件等隐私敏感文档。
Q: 支持竖排文字吗？ 支持，截图和批量模式自动处理横排和竖排。
Q: Rapid 和 Paddle 引擎怎么选？ Rapid 兼容性好，Paddle 速度稍快（需额外依赖）。
相关链接
分享这篇文章
RELATED
Posts
Llama Windows 上手：Windows 11 托盘一键跑本地大模型，不用命令行
一句话结论：Llama Windows 是 Hugging Face 2026 年 10 月 13 日发布的免费开源 Windows 11 托盘应用（MIT 许可），把 llama.cpp 包装成「点图标、选模型、下载、开聊」四步，不需要终端、不需要编译、不需要管理员权限。它同时在本机提供 OpenAI 兼容接口，适合第一次在自己电脑上跑开源模型的人，也适合想给脚本接一个本地模型的开发者。 AI 摘要 资源类型：免费开源软件（Windows 11 桌面应用）来源：Hugging Face 官方博客发布，代码在 GitHub ggml-org/Llama-Windows适合人群：想在 Windows 电脑上离线跑开源模型的普通用户、需要本地 OpenAI 兼容接口的开发者使用价值：自动安装和管理 llama.cpp，一键下载推荐模型，模型缓存与其他 Hugging Face 工具共享风险边界：项目很新（GitHub 87 星，2026-10-14 核查）；官方博客和 README 给出的本地端口不一致，需以本机实际为准 资源信息 资源名：Llama Windows（代码仓库内名称...
HowToCook 程序员做饭指南：10 万星开源菜谱怎么用、怎么部署、怎么接 AI
HowToCook 程序员做饭指南是 GitHub 10.2 万星的开源菜谱库，372 道家常菜用量精确到克。本文讲清在线使用、Docker 本地部署、按食材找菜工具和 MCP 接入 AI 助手的方法与风险。
Sharp 图片预处理：给 AI 截图输入建立尺寸上限和独立输出
Sharp 图片预处理适合将人工选定的图片规则写进 Node.js 流程。本文包含官方安装渠道、平台要求、完整单图脚本和独立输出目录设计，说明尺寸上限、不放大小图、无损编码与缩放损失的区别。示例以静态 PNG 为起点，要求比较小字和识别退化，不覆盖原件，不保证压缩率，也不把像素限制当作完整上传安全方案。
Python jsonschema：给模型输出加一道可执行的数据合同
Python jsonschema 可以把模型输出的数据合同变成可执行检查。本文包含虚拟环境安装、官方包下载、完整校验脚本和四个正反样本，解释 required、额外字段、格式检查与语义真实性的区别，并说明跨平台运行和失败处理方法。适合信息提取与工具参数入口，不调用收费模型，也不把结构通过误写成业务正确或权限批准。
Promptfoo 上手：先用本地输出检查评测规则，再连接模型
Promptfoo 可用 Echo provider 检查变量、模板和断言，不必调用模型。本文给出独立目录安装方法、Node 版本要求、两条合成样本配置及预期通过和失败路径，说明本地报告、锁文件、外部评分和隐私风险。适合已有固定任务的开发者建立回归入口，不提供未执行的准确率成绩，也不把本地工具与免费模型额度混为一谈。
Mermaid CLI：把 Agent 流程图源文件放进可重复的构建流程
Mermaid CLI 能把流程图源文本转为可构建的文档资产，适合经常随 Agent 代码变化的审批与异常流程。本文提供官方源码、项目内安装、引擎检查、完整示例和 SVG 导出命令，说明浏览器依赖、中文字体、版本锁定及 CI 隔离边界。它不是在线编辑器的重复介绍，也不把图像导出成功当成业务流程已经正确实现。
jq 日志整理：把 AI 调用的失败与未知用量留在统计里
jq 调用日志整理可以帮助 AI 开发者识别重试、失败与缺失 usage，避免把未知用量误记为零。本文提供三个平台的官方安装路径、三行合成 JSONL、TSV 导出过滤器及任务去重统计，说明跨平台引号、内存限制和实际账单核对边界。不读取真实客户数据，不代替供应商结算，也不把调用次数当作成功任务数量。
剪映全平台教程合集：AI 赋能视频剪辑的入门资源包（Windows / macOS / iOS / Android）
剪映全平台教程合集：Windows、macOS、iOS、Android 四端一站式入门资源，覆盖安装包、使用教程、AI 字幕/配音/抠图实战，适合短视频创作者和自媒体运营。
DeepSeek Harness（dsh）开源：DeepSeek 把自家跑模型 benchmark 的 agent harness 直接放出来了
DeepSeek 把内部跑 V4-Flash benchmark 的 agent harness 以 MIT 协议开源，叫 DeepSeek Harness（dsh）。全插件化、模型无关、4 种 runtime 模式，开发者预览版可上手。
Google 发布 Gemini 3.8 Flash TTS / Flash-Lite TTS：把 Gemini Audio 系列拉到「商用级别」的最后一公里
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS：基础 Gemini 3 Pro、最长 64K token 音频输出、AI Studio 新增语音设计工作区，与 ElevenLabs、OpenAI Voice Engine 正式同台竞争。