Umi-OCR：無料でオープンソースのバッチ対応オフラインOCRツール 198

Umi-OCRとは？

Umi-OCRは、百度のPaddleOCRフレームワークをベースに開発された、オープンソースで無料のオフラインOCRツールです。スクリーンショット/画像の一括インポート、PDFドキュメント認識、透かし/ヘッダー・フッターの除去、QRコードのスキャン/生成、複数言語ライブラリの内蔵などの機能を備えており、高精度認識、オフライン動作、多言語対応、効率的なバッチ処理などの利点があります。

Umi-OCRの主な特徴

• オフライン動作：完全にオフラインで使用でき、ネットワーク接続が不要で、ユーザーのプライバシーを保護します。

• 多言語サポート：複数言語ライブラリを内蔵し、さまざまな言語の文字認識をサポートします。

• 多彩な認識機能：

• スクリーンショットOCR：スクリーンショットや画像貼り付けによる文字認識をサポートします。

• バッチOCR：画像を一括インポートして文字認識が可能で、さまざまな画像形式に対応します。

• PDF認識：PDFドキュメントからテキストを抽出し、ヘッダーやフッターなどを除外することができます。

• QRコード認識：QRコードのスキャンと生成をサポートします。

• 数式認識：数学の数式認識をサポートします（テスト中）。

• テキスト後処理：認識結果のレイアウト整理をサポートし、邪魔な文字を除外します。

• 柔軟な呼び出し：コマンドラインとHTTPインターフェースでの呼び出しをサポートし、開発者の統合に便利です。

Umi-OCRの技術的特性

• 高精度認識：複数の言語モデルを内蔵し、簡体字/繁体字中国語、英語、日本語、韓国語、および一般的なヨーロッパ言語をサポートし、混植テキスト認識にも対応します。

• 複雑なレイアウト解析：縦書きテキスト、表、簡単な数式を正確に認識します。

• 低品質画像の最適化：ぼやけ、傾き、低照度の画像に対して前処理を行い、認識精度を向上させます。

• 効率的なバッチ処理と柔軟な出力：フォルダのドラッグ＆ドロップや画像の一括インポートをサポートし、数百ファイルのOCR認識をワンクリックで完了します。

Umi-OCRの使用シーン

• オフィスシーン：スキャンされたPDFや画像レポートからテキストを素早く抽出し、編集可能なドキュメントに変換します。

• 学術研究：外国語の文献や古典資料を認識し、翻訳や引用を支援します。

• マルチメディア処理：動画のスクリーンショット、漫画の翻訳、ゲームの字幕にテキスト抽出サポートを提供します。

• 自動化フロー：コマンドラインインターフェースを通じて他のツールチェーンに統合し、バッチOCRの自動化を実現します。

Umi-OCRのダウンロードと使用方法

ダウンロードリンク：

• 蓝奏云（国内おすすめ、登録不要/速度制限なし）：https://hiroi-sora.lanzoul.com/s/umi-ocr

• GitHub Release：https://github.com/hiroi-sora/Umi-OCR/releases/tag/v2.1.4

インストール方法：解凍するだけで使え、インストール不要です。Windows 7 x64およびLinux x64プラットフォームをサポートしています。

コマンドラインでのインストール：Scoop（Windows）からインストール：

scoop install extras/umi-ocr

今後の計画

• 基盤プラグイン机制のリファクタリング。

• オンラインOCR APIプラグインの追加。

• 独立した数式認識プラグインの実装。

• 画像翻訳とオフライン翻訳のサポート。

• MacOSおよびより多くのLinuxディストリビューションへの対応

先日紹介したolmOCRも良く、PDF変換を重視する場合は試してみる価値があります。