HiOCR批量文字识别工具免费下载与说明

一、软件简介

HiOCR 是一款面向新手的傻瓜式批量 OCR（文字识别）工具，专为零基础用户处理大量 PDF 文档和图片设计：Windows系统下，双击exe文件打开界面，拖入文件/文件夹即可自动排队，一键开始后全程可视化进度，识别完成自动导出 Markdown文件，无需学习复杂参数与命令。

本软件完全免费！！！API Key等费用，由各公司收取，和本软件没任何利益关联。

• 软件名称：HiOCR
• 最新版本：v2.3
• 适配系统：Windows 10/11等系统
• 开发者：马光 （http://www.maguang.net | www.haijiaoshi.com）
• 下载与更新地址1： https://pan.baidu.com/s/1WchKiuVp9kKkqj4yqSBg4Q?pwd=6666 提取码: 6666
• 下载与更新地址2：https://github.com/maguang/HiOCR
• 更新日期：2025-12-27

[核心亮点]

• 开箱即用：适用于Windows 10/11系统，直接双击exe即可运行。
• 批量处理：支持拖拽文件夹或多个文件，自动队列处理。
• 多模型支持：集成MinerU（免费）、硅基流动（DeepSeek-OCR、GLM-4.1V-9B-Thinking，二者均免费）、阿里通义千问、字节豆包、Google Gemini等。支持自定义模型ID。
• 智能识别：利用大模型能力，识别文字、保留表格结构，尤其是部分模型擅长处理中文古籍。
• 结果导出：自动保存为 Markdown (.md) 格式，方便编辑和阅读。.md文件可以右键使用“记事本”打开，也可以下载安装Typora、MarkText、VS Code等打开。

二、功能详解

• API 配置
  在配置面板提供多个AI 模型服务商选项。支持“自定义模型”功能：选择下拉列表末尾的“自定义模型”，可输入任意兼容的模型 ID。
• 参数调整
  支持调整并发线程数（提高速度）、PDF 渲染 DPI（提高清晰度）。
• 任务管理
  • 添加文件：点击按钮或拖拽文件/文件夹到待识别区域。
  • 进度监控：实时显示总进度、当前文件进度、页数进度。
  • 自动清理：识别成功的文件自动移出列表，失败的文件保留以便重试。
• 结果查看
  输出到用户自定义目录（默认输出到“D:\OCR输出”）。

三、模型选择指南

不同模型各有千秋，建议根据文档类型选择：

1. MinerU (官方 API)，免费

• [参考地址]: https://mineru.net/apiManage/docs
• [推荐场景]: 学术图书论文 / 复杂 PDF 布局 / 导出 Markdown。
• [ 优 点 ]: 免费，每天至少2000页额度；由 OpenDataLab 开发，专为 PDF 版面分析优化，公式与表格提取能力强。
• [ 缺 点 ]: 中文古籍识别效果较差；单个文件有大小和页码限制：≤200M，≤600页。

2. 硅基流动 (DeepSeek-OCR、GLM-4.1V-9B-Thinking)，免费

• [参考地址]: https://cloud.siliconflow.cn/
• [推荐场景]: 通用文档 / 代码识别 / 高性价比方案。
• [ 优 点 ]: 免费额度高，推理速度快。
• [ 缺 点 ]: 复杂版面还原度稍逊，精确度不高，中文古籍识别效果较差。

3. 字节豆包 (Doubao)

• [参考地址]: https://www.volcengine.com/docs/82379/1541594?lang=zh
• [推荐场景]: 中文古籍 / 普通文档和图片 / 快速识别。
• [ 优 点 ]: 中文语义理解能力强，响应速度快，对常规古籍识别效果良好。
• [ 缺 点 ]: 有敏感词监测。

4. 阿里通义千问 (Qwen)

• [参考地址]: https://help.aliyun.com/zh/model-studio/get-api-key?spm=0.0.0.i1
• [推荐场景]: 综合首选 / 中文古籍 / 复杂排版还原。
• [ 优 点 ]: 识别率顶尖，对古籍、手写体和竖排文字支持极好，版面还原度最高。
• [ 缺 点 ]: 监测较严，会拒绝识别带有敏感词的整页内容。

5. 智谱 GLM (ZhipuAI)

• [参考地址]: https://docs.bigmodel.cn/cn/api/introduction
• [推荐场景]: 中文古籍 / 普通文档和图片 / 中文长文档处理。
• [ 优 点 ]: 商用性价比高。
• [ 缺 点 ]: 在极高分辨率图片的精细识别上，相较于 Qwen3-Max 略有差距。

6. Google Gemini

• [参考地址]: https://aistudio.google.com/app/api-keys?hl=zh-cn
• [推荐场景]: 外文文档 / 多语言混合 / 极长文本。
• [ 优 点 ]: 全球领先多模态能力，多语言支持极佳，支持超长上下文。
• [ 缺 点 ]: 在国内使用需要特殊的网络环境 (VPN)。

四、API 申请与配置教程

本软件基于大模型 API，需要您自行申请并填入 API Key。

1. MinerU（官方 API）

• 1）访问：https://mineru.net/ ，注册并登录。
• 2）在官网申请 Token（API Token）。
• 3）将 Token 填入软件的 API Key（或 Token）字段。
• 4）如软件需要填写鉴权方式，请使用：Authorization: Bearer <Token>
• 5）注意：如遇失败，请检查文件大小与页数是否超限（例如：200MB、600页等限制）。

2. 硅基流动 (DeepSeek/VLM)

• 1）访问：https://cloud.siliconflow.cn/
• 2）注册账号（通常有免费额度）。
• 3）生成 API Key 并填入软件。

3. 字节豆包

• 1）访问：https://console.volcengine.com/ark/
• 2）创建推理接入点，获取 API Key。
• 3）将 API Key 填入软件。

4. 阿里云通义千问 (Qwen)

• 1）访问：https://bailian.console.aliyun.com/
• 2）登录并开通“模型服务”。
• 3）在“API-KEY 管理”中创建新的 API Key。
• 4）复制 Key 填入软件，Base URL 默认即可。
  默认地址：https://dashscope.aliyuncs.com/compatible-mode/v1

5. 智谱 GLM（ZhipuAI / GLM）

• 1）访问：https://open.bigmodel.cn/ ，注册并获取 API Key。
• 2）将 API Key 填入软件。
• 3）Base URL（OpenAI 兼容方式）填写：https://open.bigmodel.cn/api/paas/v4/

6. Google Gemini

• 1）访问 Google AI Studio: https://aistudio.google.com/，在“API Keys”页面创建并管理 Gemini API Key。
• 2）将 Key 填入软件。

五、常见问题 (FAQ)

Q: 如何打开md文档？
右键 ->使用windows系统自带的记事本打开。
或下载 Typora、MarkText、VS Code等打开。

Q: 点击”开始处理”没有反应？
A: 请检查是否添加了文件，且 API Key 是否已正确设置并通过测试。
文件上传和PDF拆分预处理，都需要一定的时间，所以大的PDF文档加载也需要一定的时间，请耐心等待。

Q: 识别结果乱码或为空？
A: 可能是 PDF 每页图片过大导致模型拒识，尝试调低 DPI (如 150)。
此外，有些模型，比如Qwen内嵌有敏感词检测，触发时，也会无法识别，这个和大语言模型有关，无法避免。

Q: 文件名乱码？
A: 本软件全程支持 UTF-8，确保您的系统路径没有特殊偏僻字符。

七、LICENSE 声明（非商业使用许可）

HiOCR 为免费公开软件，但默认不授予商业用途的使用许可。

本项目代码采用 PolyForm Noncommercial License 1.0.0（SPDX: PolyForm-Noncommercial-1.0.0）授权：

1）允许个人/学校/科研/公益等非商业目的：使用、修改与分发。

2）禁止任何商业目的使用（包括但不限于：将本软件/源码集成到收费产品、以本软件提供收费服务、为商业项目交付/代跑/代处理等）。

3）如需商业授权（个人免费 + 企业付费）：请联系作者取得书面商业许可。

Copyright © 2025. All Rights Reserved.