Как перевести сканированный PDF в memoQ: OCR, импорт, экспорт

Клиент присылает скан договора на шесть страниц и фото свидетельства о рождении советского образца, сдать нужно в четверг, а вся ваша работа живет в memoQ. Вы импортируете PDF, а переводить нечего. Как перевести сканированный PDF в memoQ в такой ситуации? memoQ 12.5 не прочитает страницу за вас, поэтому задача делится на три части: OCR вне memoQ, чистый импорт и формат сдачи, который примет клиент.

Ниже практическая версия для memoQ 12.5 (десктопная программа; memoQ TMS пользуется теми же страницами справки): путь импорта, настройки фильтра, чистка Word-файла, текст в печатях и логотипах и чек-лист перед импортом. Почему CAT-инструменты вообще не берут PDF из одних изображений, разобрано в статье почему Trados и memoQ не импортируют сканированный PDF, здесь продолжаем с того места, где она заканчивается.

Что memoQ 12.5 делает со сканированным PDF или фото¶

В memoQ 12.5 нет встроенного OCR (оптического распознавания символов, то есть шага, который превращает буквы на картинке в текст). Актуальная версия - memoQ 12.5.20, release notes от 3 сентября 2026 года на странице загрузок memoQ, и справка memoQ о PDF говорит о сканах прямо:

“Can’t import scanned PDF files: memoQ doesn’t extract text from scanned PDF files, where the pages are saved as images and not as text.”

Простыми словами: memoQ не извлекает текст из сканированных PDF, где страницы сохранены как изображения. Та же страница отправляет вас к внешней программе распознавания, например “Nuance OmniPage or ABBYY FineReader”. Позиция самого memoQ: OCR снаружи, перевод внутри.

Когда-то OCR в memoQ был. memoQ 8.1 (2017) интегрировал сервис TransPDF от Iceni, и анонс memoQ 8.1 считал его в кредитах: “Each credit allows you to OCR one page and will cost you about 15 euro cents”, то есть около 15 евроцентов за страницу. Тот же пост, написанный Питером Рейнольдсом (Peter Reynolds) из memoQ 26 мая 2017 года, начинается с фразы, которую узнает любой переводчик:

“Most translators I have met passionately hate image-based PDFs”

“Большинство переводчиков, которых я знаю, страстно ненавидят PDF из картинок”. Ненависть пережила саму функцию. В release notes memoQ к версии 10.4.12 (8 ноября 2023 года) записано “Removing the TransPDF import option … Because of the discontinuation of the TransPDF service”. Значит, платное OCR внутри memoQ существовало с 8.1 по 10.3, а с 10.4 его нет.

На замену ничего не пришло. В release notes от 10.4.12 до 12.5.20 нет ни одной функции для PDF или OCR; AI-разработка memoQ в этот период ушла в перевод AGT и оценку качества AIQE, а они работают с уже готовым текстом.

Для PDF, где текст все-таки есть, справка о PDF описывает два способа импорта (memoQ 12.5):

• Конвертация в DOCX. memoQ превращает PDF в Word с помощью библиотеки Aspose.PDF в режиме “Text flow conversion” или “Attempt to keep formatting” и импортирует результат.
• Простой текст. memoQ вытаскивает сырой текст через xPDF и выбрасывает форматирование; справка оставляет этот способ для корпусов LiveDocs и выравнивания, а не для документов, которые вы переводите.

С фото отдельная ловушка. В списке поддерживаемых форматов действительно есть “Image files” (.bmp, .jpg, .png, .tif и другие), но в справке memoQ нет страницы, объясняющей этот фильтр, и нигде не сказано, что memoQ читает текст с фотографии. Фото с телефона - тот же скан: сначала OCR.

Не уверены, скан ли ваш PDF? Попробуйте выделить предложение в программе для просмотра PDF. Если ничего не выделяется или вставленный текст - абракадабра, файл состоит из изображений; подробнее об этом тесте в сравнении способов превратить сканированный PDF в Word.

Почему скан ломается в CAT-инструменте: механизм¶

Сканированная страница - это фотография бумаги. memoQ на страницы не смотрит: он читает текст, делит его на сегменты (предложения, которые вы переводите по одному) и держит форматирование вокруг них в виде тегов. В скане нет текста, который можно поделить, так что memoQ не с чем работать, пока что-то не прочитает картинку.

OCR делает две отдельные работы. Сначала распознает символы: какие знаки - буквы, на каком языке, в каком порядке. Потом восстанавливает документ: какие строки образуют абзац, таблица ли эта сетка, две ли колонки на странице. Программа может хорошо справиться с первым и плохо со вторым, и тогда вы получаете правильные слова в неправильном порядке.

Самые трудные части настоящего документа - не простой текст. Печати, штампы, подписи, даты от руки и QR-коды - это картинки внутри картинки: OCR их пропускает, читает как мусор или вставляет кусок текста с ободка печати посреди абзаца. Таблицы и колонки добавляют проблему порядка чтения, о ней отдельно в статье почему CAT-инструменты ломают таблицы и многоколоночную верстку PDF.

Восстановление Word-копии скана - та самая работа, вокруг которой мы построили ChatsControl, так что вот как она выглядит изнутри. Визуальная модель смотрит на каждую страницу и строит ее Word-копию: текст набран так, как напечатан, таблицы - настоящие таблицы, поля стоят рядом со своими подписями. Печати, штампы, подписи и фото вырезаются со страницы и ставятся туда, где были; QR-коды и штрихкоды считываются и рисуются заново, чисто. Вторая проверка сравнивает копию со страницей строка за строкой и возвращает найденное на исправление. Каждый скан получает оценку качества (хорошее, удовлетворительное, плохое); рукопись и сильно поврежденные сканы читаются ненадежно, и оценка об этом говорит.

Для пользователя memoQ вывод простой: качество OCR и качество верстки - два разных вопроса, и после импорта memoQ не исправит ни один из них. Порядок текста и структура, которые вы отдаете memoQ, и становятся вашими сегментами.

Путь 1: OCR в PDF с текстовым слоем, затем фильтр PDF в memoQ¶

В первом пути вы импортируете именно PDF. Программа OCR добавляет к скану текстовый слой (так называемый searchable PDF, его создание описывает справка Adobe Acrobat), а фильтр PDF в memoQ конвертирует этот слой в DOCX через Aspose.PDF. Импортируйте с параметрами, чтобы видеть настройки фильтра; путь ниже взят из справки memoQ о параметрах импорта документов и поддерживаемых форматах (memoQ 12.5):

1. Откройте проект и перейдите в Project home > Translations.
2. На ленте Documents нажмите стрелку под Import и выберите Import with options.
3. Выберите PDF с текстовым слоем и откройте его.
4. В окне Document import options выделите файл и нажмите Change filter and configuration.
5. В Document import settings проверьте, что в поле Filter стоит PDF (Portable Document Format).
6. Выберите конвертацию в DOCX, а не импорт простого текста (xPDF), который выбрасывает форматирование.
7. Выберите режим: Text flow conversion (название предупреждает, что он “might slightly change formatting”, то есть может немного изменить форматирование) или Attempt to keep formatting (название предупреждает, что часть текста может потеряться).
8. Посмотрите другие опции: Specify relative horizontal proximity, Recognize bullet point symbols и вкладку DOCX.
9. Завершите импорт и сверьте документ со сканом.

Для скана начинайте с Text flow conversion: разницу в форматировании видно и ее можно исправить, а пропущенная строка - это пропуск в переводе, который никто не заметит, пока не заметит клиент. Attempt to keep formatting берите только для страницы со сложной версткой, которую успеете сверить построчно.

У первого пути есть структурное ограничение. PDF с текстовым слоем проходит две реконструкции, которые вы не контролируете: программа OCR строит текстовый слой, а потом Aspose.PDF угадывает по нему абзацы и таблицы. Между этими шагами не исправишь ни сломанную таблицу, ни неверно прочитанную фамилию, так что каждая ошибка становится сегментом. Путь 1 подходит для чистого одноколоночного письма или короткой справки без таблиц; для сеток, бланков и двух колонок второй путь дает больше контроля.

Путь 2: OCR в DOCX, чистка, затем импорт Word-файла¶

Второй путь мы советуем для большинства сканов: распознайте страницу в Word-документ вне memoQ, почистите его с открытым рядом сканом и импортируйте результат как любой клиентский .docx. Проблемы вы исправляете в Word, где их видно, а не встречаете в виде сломанных сегментов.

Совет не новый. В заметке 2012 года о фильтре PDF в memoQ (времена memoQ 5/6, так что читайте как историю) Кевин Лосснер (Kevin Lossner) сформулировал это одной фразой:

“A PDF with complex or scanned content requires tools such as OCR software (OmniPage, ABBYY FineReader, etc.)”

То есть PDF со сложным или сканированным содержимым требует программы OCR. Через четырнадцать лет текущая справка memoQ говорит то же самое. Изменился только выбор программ.

Какую программу OCR взять для DOCX¶

• ABBYY FineReader или Nuance OmniPage. Специализированные программы OCR, те две, которые называет справка memoQ.
• Microsoft Word. Word открывает PDF и конвертирует его копию в DOCX, но Microsoft пишет, что конвертация “works best with files that are mostly text”, то есть лучше всего работает с файлами, где преобладает текст. Страница, которая целиком картинка, может картинкой и остаться.
• Adobe Acrobat. Распознает текст и создает PDF с текстовым слоем, который дальше можно сохранить в Word или отдать в первый путь.
• Google Документы через Google Диск. Бесплатно для простой страницы, с ограничениями ниже.

Справка Google Диска об OCR ставит для этого способа лимит 2 МБ (по состоянию на октябрь 2026 года) и честно предупреждает о структуре:

“Lists, tables, columns, footnotes, and endnotes are not likely to be detected.”

Списки, таблицы, колонки и сноски, скорее всего, не распознаются. Так что Google Документы подойдут для одноколоночного письма и рискованны для бланка или банковской выписки. Прогоните одну тестовую страницу через свою программу, прежде чем отдавать ей 40 страниц.

Чистка перед импортом: что исправить в DOCX¶

Делайте это с открытым рядом сканом; каждый пункт убирает проблему, которую иначе встретите в сетке перевода memoQ.

1. Сверьте имена, цифры и даты со сканом. OCR путает похожие символы, а неверная цифра в номере паспорта переживет перевод. То, что не читается, пометьте как [неразборчиво].
2. Уберите разрывы строк внутри предложений. OCR может ставить знак абзаца в конце каждой напечатанной строки. memoQ сегментирует в пределах абзацев, так что предложение, разрезанное на три строки, становится тремя бессмысленными сегментами.
3. Вытащите текст из текстовых полей и рамок. OCR иногда кладет каждый блок в отдельное поле, чтобы имитировать страницу, и поля могут попасть в memoQ не в порядке чтения. Перенесите текст в основное тело документа.
4. Восстановите таблицы как настоящие таблицы Word. Если таблица вышла табуляциями и пробелами, ее ячейки оказываются в одном абзаце, и memoQ видит сплошной текст. Вставьте нормальную таблицу и перенесите текст в нее.
5. Уберите шум форматирования. Шрифт, кегль или межбуквенный интервал, меняющиеся посреди предложения, в memoQ становятся лишними тегами. Сбросьте прямое форматирование в основном тексте и верните жирный там, где он есть в оригинале.
6. Решите, что делать с печатями, штампами и подписями. Если учреждение хочет видеть текст печати, добавьте примечание в квадратных скобках, например [Печать: …]. Как оформлять такие примечания, описано в статье о переводе печатей и штампов.
7. Сохраните как .docx и держите скан под рукой во время перевода.

Дальше импортируйте DOCX через Import или Import with options, как любой Word-файл, и один раз пройдитесь по сетке перевода и тегам, сверяясь со сканом; автоматические QA-проверки тегов, чисел и терминологии поймают позже то, что пропустит глаз. Если страница очень бледная или размытая, сначала исправьте источник: что исправить в плохом скане перед переводом.

Второй путь отнимает время: на плотном бланке чистка может длиться дольше самого перевода. Выносите ее в смету отдельной строкой, как описано в статье как оценить сканированный документ, когда подсчет слов ничего не находит.

Путь 3: сервис «скан в Word», затем memoQ¶

Третий путь заменяет программу OCR и большую часть чистки сервисом. Один из вариантов - ChatsControl: вы загружаете скан или фото (PDF, PNG, JPG, TIFF, WebP), сервис читает страницу и возвращает редактируемый Word, повторяющий макет страницы. Текст набран так, как напечатан, таблицы - настоящие таблицы, печати, штампы, подписи и фото вырезаны со страницы и стоят на своих местах, QR-коды перерисованы начисто. Дальше вы импортируете этот .docx в memoQ как любой клиентский Word-файл (или переводите документ сразу в том же сервисе).

Для работы в memoQ порядок такой:

1. Загрузите скан или фото в ChatsControl и дождитесь завершения задачи.
2. На странице задачи скачайте Word-копию оригинала (кнопка Оригинал рядом с переведенным Word-файлом и самим сканом).
3. Сверьте копию со сканом: имена, цифры, даты, оценку качества.
4. Импортируйте .docx на языке оригинала в memoQ и переводите со своей памятью переводов и терминологической базой.

Результат - простой документ Word; memoQ импортирует его так же, как любой клиентский .docx. После импорта просмотрите теги, как с любым конвертированным файлом, а как выглядят такие Word-копии, можно посмотреть заранее на странице с настоящими сканами рядом с Word-файлами, которые вернул сервис.

Цены по состоянию на октябрь 2026 года, по данным приложения ChatsControl: бесплатно 6000 символов в месяц, дальше оплата по факту, $1,50 за 1000 символов ($2,70 за страницу в 1800 символов). Сканы оплачиваются по распознанным символам, но не меньше 1000 символов за страницу. Задача одновременно делает и перевод, а платите вы за загрузку, как описано выше; отдельной цены «только OCR» нет. Загруженные файлы по умолчанию удаляются автоматически через 30 дней.

Ограничения:

• ChatsControl не CAT-инструмент и не TMS: нет памяти переводов, нет управления проектом на уровне сегментов.
• Сервис только облачный, без локальной или офлайн-версии, так что не подходит клиентам, которые запрещают облачную обработку.
• Рукопись и сильно поврежденные сканы читаются ненадежно, и оценка качества об этом говорит (о рукописных документах и OCR).
• Печати, штампы и подписи остаются картинками на своих местах. Если учреждение хочет видеть текст печати, примечание вроде [Печать: …] добавляете вы; текст внутри картинки не переводится.

После перевода в memoQ экспортированный файл можно сверить с оригиналом в бесплатной QA-проверке перевода, которая построчно сравнивает цифры и смысл.

Сравнение трех путей¶

Ни один путь не отменяет сверку со сканом; разница в том, где именно вы ее делаете.

Вторая половина решения - что переживает каждый путь:

Что идет не так со сканами в memoQ и что вы сдаете клиенту¶

У каждой ловушки ниже есть источник в документации или истории версий memoQ.

Инструкции, которые до сих пор ведут к TransPDF¶

Пост о memoQ 8.1 2017 года до сих пор висит онлайн, с кнопкой “Pay for OCR” и кредитами за 15 центов. А справка memoQ о PDF теперь говорит: “The TransPDF service is no longer available in memoQ 10.4 and later.” Внутренняя инструкция агентства или обучающее видео, где упоминается TransPDF, написаны до memoQ 10.4, и их надо переписать.

“Attempt to keep formatting” может потерять текст¶

Второй режим конвертации в DOCX memoQ подписывает собственным предупреждением, что часть текста может потеряться, как видно из справки о PDF. На скане с печатями, мелким шрифтом и полями в рамках потерянная строка - это пропуск в юридическом документе. Если работаете в этом режиме, посчитайте абзацы на скане и в документе memoQ до начала перевода.

Простой текст уничтожает структуру¶

На бланке импорт простого текста через xPDF теряет связь между подписью поля и значением, так что дата рождения и дата выдачи становятся двумя датами без контекста.

Текст в изображениях остается невидимым¶

Даже PDF с идеальным текстовым слоем может прятать текст в картинках: логотип, вставленная печать, блок подписи. Справка memoQ о PDF говорит об этом прямо:

“if the PDF document contains text in images, memoQ will not recognize the text in there.”

Если в PDF есть текст в изображениях, memoQ его не распознает. Ответ memoQ на это - Image transcriptions, и он ручной: вы набираете текст, который видите на изображении (“type the text that you see in the image”), переводите эти транскрипции в memoQ и передаете дизайнеру пакет для локализации изображений, чтобы тот вставил перевод в картинку. Работает функция только для изображений, встроенных в документы, которые вы импортируете с включенной опцией “Import embedded images”. Для печати на свидетельстве примечание в тексте вроде [Печать: …] намного быстрее, чем правка картинки.

PDF с паролем не импортируется¶

Справка memoQ о PDF говорит, что PDF, защищенные паролем, импортировать нельзя. Попросите у клиента разблокированную копию еще до сметы; проблема не в OCR, и никакая настройка OCR ее не решит.

Сдача: memoQ никогда не экспортирует PDF¶

PDF-оригинал memoQ экспортирует как DOCX или TXT, в зависимости от способа импорта, и никогда как PDF (справка о PDF, memoQ 12.5); пути 2 и 3 тоже дают DOCX. Чтобы сдать PDF, сверьте экспортированный DOCX со сканом и сохраните его в PDF из Word. Если клиент ждет PDF, идентичный оригиналу страница в страницу, это уже верстка: договоритесь о ней и заложите ее в цену до начала работы (как агентства считают DTP для сканированных документов).

Инструмент memoQ PDF preview tool этого не меняет: memoQ описывает его как отдельную программу, которая показывает справочный PDF рядом с редактором. Просмотрщик, а не конвертер.

Чек-лист перед импортом скана в memoQ¶

Пройдите этот список до создания проекта в memoQ; каждую строку дешевле исправить сейчас, чем после перевода.

Если файлы приходят фотографиями из мессенджера, сначала добейтесь, чтобы каждая страница была резкой, ровной и в правильном порядке; готовый процесс описан в статье о приеме фото документов из WhatsApp в агентстве. Ту же задачу в других инструментах разбирают инструкция для Trados Studio и инструкция для Smartcat.

Частые вопросы¶

Как перевести сканированный PDF в memoQ?¶

Прогоните скан через OCR вне memoQ, сверьте результат со страницей и импортируйте вычищенный DOCX как любой Word-файл. Если у вас только PDF с текстовым слоем, импортируйте его через Import with options с фильтром PDF и конвертацией в DOCX в режиме Text flow conversion.

Есть ли в memoQ OCR?¶

Нет. memoQ 12.5 не извлекает текст из сканированных PDF и советует внешнюю программу, например ABBYY FineReader или Nuance OmniPage. Платное OCR через TransPDF, которое memoQ 8.1 предлагал в 2017 году, убрали в версии 10.4.

Какие настройки импорта PDF в memoQ выбрать для распознанного PDF?¶

Фильтр PDF с конвертацией в DOCX, а не импорт простого текста, который выбрасывает форматирование. Начните с Text flow conversion: второй режим, Attempt to keep formatting, в собственном названии предупреждает, что часть текста может потеряться.

Переводит ли memoQ текст на изображениях?¶

Автоматически нет. Справка memoQ говорит, что текст в изображениях внутри PDF не распознается. Для изображений, встроенных в импортированный документ, есть функция Image transcriptions: вы вручную набираете видимый текст, переводите его и передаете дизайнеру пакет для локализации изображений.

Будет ли бардак в сегментах и тегах после OCR?¶

Будет, если не почистить файл: разрывы строк внутри предложений режут сегменты, а смена шрифта или интервала посреди предложения превращается в лишние теги. Почистите DOCX до импорта и после импорта просмотрите теги, как с любым конвертированным файлом.

Безопасно ли загружать документы клиента в онлайн-OCR?¶

Сначала проверьте условия конфиденциальности в договоре с клиентом и правила хранения файлов в сервисе. Установленная на компьютер программа OCR оставляет файл у вас; облачный сервис нет, так что выбирайте сервис с понятным автоудалением или работайте офлайн.

Может ли memoQ вернуть переведенный PDF?¶

Нет. PDF-оригинал memoQ экспортирует как DOCX или как простой текст, в зависимости от способа импорта. Если клиенту нужен PDF, сохраните проверенный Word-файл в PDF и заложите в цену верстку между этими шагами.

Источники¶

1. PDF (Portable Document Format) files - справка memoQ 12.5
2. Document import options - справка memoQ 12.5
3. Supported source document formats - справка memoQ 12.5
4. Image transcriptions - справка memoQ 12.5
5. memoQ PDF preview tool - справка memoQ
6. Release notes memoQ
7. Загрузки memoQ
8. PDFs in memoQ 8.1 - блог memoQ
9. memoQuickie: using the memoQ PDF filter - Translation Tribulations
10. Распознавание текста в сканированных PDF - справка Adobe Acrobat
11. Открытие PDF в Word - поддержка Microsoft
12. Преобразование PDF и фото в текст - справка Google Диска