UmiOCR-AI-OCR-Plugin

给 Umi-OCR 接上大模型，复杂图片识别更准

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 计算机视觉 🍴 复刻 21 🐛 待处理 1 👀 关注 2
GitHub ↗
GitHub 星标 ★ 248
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费插件，云端API费用由用户自付

项目预览

UmiOCR-AI-OCR-Plugin 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队EatWorld
GitHubhttps://github.com/EatWorld/UmiOCR-AI-OCR-Plugin
定价模式🏷️完全免费
价格说明开源免费插件，云端API费用由用户自付
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
GitHub 星标★ 248
上线时间2025-06-02 00:00:00
代码更新2026-10-30
仓库体积15.1 MB
本站数据更新2026-11-10
维护状态较活跃
收录时间2026-11-10
浏览次数0

项目介绍

UmiOCR-AI-OCR-Plugin 是给 Umi-OCR 增加云端 AI 识别能力的插件，用 Python 编写。Umi-OCR 本身是本地离线 OCR 工具，识别速度快、隐私好，但面对复杂排版、手写体、低质量图片或小语种时精度有限。该插件把 OpenAI、Gemini、Grok 等多家厂商的视觉模型接入 Umi-OCR 的识别流程，用户可在原有界面里选择云端引擎，把图片交给大模型做文字提取，作为离线引擎的补充。核心能力包括多厂商适配与切换、与 Umi-OCR 截图/批量识别流程打通、利用大模型的多语言与版面理解能力提升复杂场景准确率。适合已有 Umi-OCR 工作流、偶尔需要高精度兜底识别的用户。项目处于早期，星标约 248。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-10 · 当前星标 ★ 248

核心亮点

  • 复用 Umi-OCR 现有截图、批量识别界面，无需另建工作流即可切换云端引擎
  • 同时适配 OpenAI、Gemini、Grok 多家厂商，可按成本、语言和精度灵活选择
  • 借助视觉大模型的版面理解与多语言能力，弥补离线引擎在手写、复杂排版、小语种上的短板

不足之处

  • 依赖第三方云端 API，需自备密钥并产生调用费用，离线隐私优势在云端模式下不再成立
  • 早期项目，厂商接口变动或模型更名时适配可能滞后，文档与社区规模有限

适用场景

  • 已有 Umi-OCR 离线流程，遇到模糊截图或复杂表格时临时切云端引擎兜底
  • 识别日文、韩文等小语种资料，用多语言能力更强的大模型提升准确率
  • 批量处理扫描件时对比不同厂商模型的识别效果与成本

替代项目

Umi-OCR、PaddleOCR、RapidOCR

上一篇：DeepSeek-OCR-WebUI

下一篇：Mieru-OCR

同类项目推荐

BEVT 开源

用图像预训练加速视频 Transformer，省数据省算力

PyTorch implementation of BEVT (CVPR 2022) https://arxiv.org/abs/2112.01529

★ 161 2026-08-09
RGBT-Perception-Papers 开源

一页汇总RGB-T三大任务论文，快速入门多模态感知

Summary of RGB-T Salient Object Detection, Semantic segmentation and Crowd Counting.

★ 164 2026-09-20
SG-Nav 开源

给机器人装上'3D地图+大脑'，零训练就能找东西

[NeurIPS 2024] SG-Nav: Online 3D Scene Graph Prompting for LLM-based Zero-shot Objec···

★ 358 2026-08-09
comfyui-daam 开源

在 ComfyUI 中可视化每个词对生成图像的注意力影响

ComfyUI custom nodes for Diffusion Attentive Attribution Maps (DAAM)

★ 56 2026-08-09
YoloDotNet 开源

C# 里一站式跑 YOLO 五类视觉任务

YoloDotNet - A C# .NET 8.0 project for Classification, Object Detection, OBB Detecti···

★ 853 2026-10-25
CogAlg 开源

用分层模式发现思路做图像识别实验

This project is a Computer Vision implementation of general hierarchical pattern dis···

★ 101 2026-10-26
Stable-Diffusion-Seg 开源

用 Stable Diffusion 单步反演，让医学图像分割又快又准

[MICCAI 2024] Codebase for "Stable Diffusion Segmentation for Biomedical Images with···

★ 117 2026-08-09
yomihon 开源

看日漫直接 OCR 查词，边读边学不切应用

Free and open source manga reader for Android - now with OCR (text recognition)

★ 145 2026-09-19
Anomagic 开源

用文字描述就能生成工业异常图像，零样本搞定缺陷数据增强

[AAAI 2026] The Official Implementation for "Anomagic: Crossmodal Prompt-driven Zero···

★ 161 2026-08-09