一个原生 Win32 C++ 应用,截图即识别、即翻译,无需联网,无需 Python,单文件直接运行。

快速下载
在 GitHub Releases 下载 ChineseOCRLiteDesktop.exe,单文件、免安装,双击即用(约 250MB)。项目源码:PP-OCRv6-Desktop。

为什么做这个

市面上的 OCR 工具大多依赖 Python 运行时,装一堆依赖才能跑起来;在线 API 又要联网、要注册、有调用限制。我只是想快速截图识别一段文字、翻译成英文,但每次都要打开浏览器或者等 Python 环境加载,体验并不流畅。

于是我做了一个 PP-OCRv6 Desktop:一个纯 C++ 编写的 Windows 桌面工具,截图 → OCR → 翻译,全程离线,双击即用。

PP-OCRv6 Desktop 离线 OCR + 中英翻译 · 纯 C++ · 单文件运行 Windows · x64 STEP 01 截图识别 全局快捷键,框选即识别 STEP 02 OCR 识别 PP-OCRv6 Tiny 本地推理 STEP 03 中 En 中英翻译 本机互译,自动检测语言 离线运行 · 单文件约 250MB · 无需 Python 环境

图 1 · 从截图到译文的三步流程,全程在本机完成

功能一览

这个工具麻雀虽小,五脏俱全:

功能 说明
截图识别 全局快捷键 Ctrl + Alt + S 一键截图,框选区域后自动异步 OCR
中英翻译 内置 MTranServer,支持中→英 / 英→中翻译,源语言自动检测
Apple HIG 界面 圆角卡片与分组布局,Light / Dark 双主题自动跟随系统
托盘常驻 关闭主窗口最小化到托盘,双击图标恢复
自定义快捷键 可自由修改截图快捷键
开机自启动 可选开机自启动 + 启动后隐藏到托盘
快速清理 识别结果支持一键删除空格 / 删除换行
窗口记忆 记住主窗口 / 设置窗口 / 结果窗口的大小与位置
内存优化 隐藏到托盘或空闲 60 秒自动释放工作集

其中最值得一提的是界面设计。作为一个 Windows 工具,我参考 Apple Human Interface Guidelines 做了这套 UI:圆角卡片、分组背景、扁平化控件,整体干净利落。Light / Dark 双主题自动跟随系统切换,不需要手动设置。下图是同一窗口在两种主题下的对照——结构完全一致,只替换色板,这也是大厂规范里换肤的标准做法:

PP-OCRv6 Desktop Light 识别完成 · 3 段文本 离线 OCR + 中英翻译 Hello World · 你好世界 复制文本 翻译 跟随系统 · 浅色模式 文字 #262626 · 背景 #FFFFFF · 边框 #E8E8E8 PP-OCRv6 Desktop Dark 识别完成 · 3 段文本 离线 OCR + 中英翻译 Hello World · 你好世界 复制文本 翻译 跟随系统 · 深色模式 文字 #F0F0F0 · 背景 #1F1F1F · 边框 #303030

图 2 · 同一窗口的浅色 / 深色对照:结构一致,只替换色板

技术架构

整个工具分为两个核心引擎:OCR 引擎和翻译引擎,它们通过简洁的架构协同工作。

技术架构 · 截图 → 识别 → 翻译 全程离线 · 本机处理 OCR 引擎 ncnn 本地推理 1 文字检测 DBNet · det 定位图片中的文字区域 2 方向分类 LCNet · cls 判断文字方向是否需要旋转 3 文字识别 CRNN · rec 将文字区域转换为文本字符串 翻译引擎 本机 HTTP 服务 MTranServer 内嵌翻译服务,按需启动 POST /translate · :8989 本机回环调用,无需联网 中英互译 源语言自动检测 识别文本 HTTP POST · localhost:8989 翻译结果 ncnn 20241226 · OpenCV 4.11 · Clipper2 · MTranServer

图 3 · 双引擎架构:左为三段式 OCR 管线,右为本机翻译服务,底部为数据流向

OCR 流程

OCR 引擎基于 PP-OCRv6 Tiny 模型,通过 ncnn 框架在 C++ 中直接推理,三步完成文字识别:

  1. 文字检测 — PP_OCRv6_tiny_det(DBNet)定位图片中的文字区域
  2. 方向分类 — PP_LCNet_x0_25_textline_ori 判断文字是正向还是需要旋转
  3. 文字识别 — PP_OCRv6_tiny_rec(CRNN)将文字区域转换为文本字符串

翻译流程

识别完成后,文本通过 HTTP POST 发送到本机的 MTranServer(localhost:8989/translate),由翻译引擎完成中英互译。整个过程无需联网,所有数据都在本机处理。

从源码构建

前置条件

  • Windows x64 系统
  • Visual Studio 2022(需要 MSVC + CMake 支持)

一键构建

1
build_native.bat

构建脚本会自动完成以下步骤:

  1. 调用 VS2022 开发者命令行
  2. 运行 CMake 配置(Release 模式)
  3. 编译生成 ChineseOCRLiteDesktop.exe

CMake 构建后会自动将 models/ 和 ppocrv6_config.json 复制到产物目录,无需手动操作。

依赖说明

好消息是,所有核心依赖都已经包含在仓库中:

  • ncnn 20241226 和 OpenCV 4.11 静态库在 third_party/ 目录
  • Clipper2 多边形裁剪库在 ppocrv6_engine/3rdparty/clipper2/
  • 翻译资源(mtranserver.exe、模型、配置)已内置于发布版 exe

你只需要一个 VS2022,就能从源码构建出完整的工具。

自检功能

工具内置了自检命令,方便验证安装是否正常:

1
ChineseOCRLiteDesktop.exe --selftest

退出码含义:

退出码 含义
0 通过:OCR 模型加载 + 中英翻译均正常
3 异常:OCR 模型文件缺失
4 异常:OCR 引擎初始化失败
5 异常:翻译引擎启动失败
6 异常:翻译结果为空

使用方式

下载

PP-OCRv6 Desktop · 最新版下载
单文件 · 免安装 · 约 250MB · Windows x64
下载 ChineseOCRLiteDesktop.exe 后双击即可运行,源码遵循上游项目的开源协议,模型遵循 PaddlePaddle 许可条款。

快速上手

  1. 双击运行 ChineseOCRLiteDesktop.exe
  2. 按 Ctrl + Alt + S 截图(可在设置中修改快捷键)
  3. 框选需要识别的区域
  4. 等待 OCR 识别完成
  5. 查看结果,支持一键翻译

使用场景

  • 阅读外文文档时快速翻译
  • 从图片中提取文字,告别手打
  • 查看论文截图中的公式和数据
  • 翻译软件界面、菜单、报错信息
  • 快速记录白板、PPT 上的内容

项目结构

1
2
3
4
5
6
7
8
9
10
11
12
13
PP-OCRv6-Desktop/
├── src/                          # 主程序源码
│   └── main.cpp                  # Win32 GUI + OCR + 翻译 + 托盘
├── ppocrv6_engine/               # PP-OCRv6 ncnn C++ 推理引擎
│   ├── ocr_engine.cpp/h          # OCR 引擎入口
│   ├── db_net.cpp/h              # 文字检测网络
│   ├── angle_net.cpp/h           # 方向分类网络
│   ├── crnn_net.cpp/h            # 文字识别网络
│   └── 3rdparty/                 # Clipper2 + plog
├── models/                       # OCR 模型文件
├── third_party/                  # 预编译静态库 (ncnn, OpenCV)
├── CMakeLists.txt                # CMake 构建配置
└── build_native.bat              # 一键构建脚本

开源与致谢

本项目站在这些优秀开源项目的肩膀上:

写在最后

做这个工具的初衷很简单:我想要一个打开就能用的 OCR + 翻译工具。不需要装 Python,不需要配置环境,不需要联网,不需要注册账号。双击 exe,截图,识别,翻译,完成。

如果你也有类似的需求,欢迎去 GitHub 下载体验,也欢迎提 issue 或 star 支持一下。