Как перевести сканированный PDF в Phrase TMS (и XTM Cloud)

Клиент присылает сканированный PDF нотариально заверенного договора или фото свидетельства о рождении в Telegram, и задание должно быть в Phrase TMS к вечеру. Вы создаете задание, а анализ почти ничего не находит для подсчета, потому что каждая страница - картинка. Если вы ищете, как перевести сканированный PDF в Phrase TMS, ответ начинается с настройки, которую выбирают еще до появления задания: какой из трех PDF-фильтров Phrase оно использует.

Ниже - что Phrase TMS (бывший Memsource) делает со сканами по состоянию на октябрь 2026 года, как настроить фильтр PDF v2 с OCR, когда лучше сначала сделать Word-копию и что с тем же файлом делает XTM Cloud. Выбор платформы разобран в сравнении Phrase TMS и Smartcat, а та же задача в других программах - в гайдах для Trados Studio и memoQ.

Что Phrase TMS на самом деле делает со сканированным PDF и изображением¶

Phrase TMS обрабатывает PDF через три фильтра импорта, и именно фильтр задания решает, будет ли скан вообще прочитан. Справка Phrase по PDF, последний раз обновленная в июне 2026 года, называет их Default, PDF v2 и TransPDF.

Фильтр Default - ловушка для всех, кому нужен рабочий файл перевода. Как пишет документация Phrase по PDF:

If an imported .PDF file is translated, output will only be in the form of an unformatted text file.

Перевод: если импортированный PDF перевести, результат будет только в виде неформатированного текстового файла.

Задание с фильтром Default можно посчитать для сметы, но перевод полностью теряет верстку: ни таблиц, ни заголовков, только сплошной текст. Для справки с печатью, которую клиент понесет в учреждение, это означает перепечатку вручную.

PDF v2 - фильтр с OCR, и он новый. Он появился в справке Phrase в течение 2026 года: версия той же страницы за октябрь 2025 года называла только Default и TransPDF. Ответ на форуме до 2026 года, где TransPDF назван единственным способом для сканов в Phrase, в этом пункте уже устарел.

Фото и файлы изображений¶

Phrase TMS не принимает фото как задание для перевода. В списке поддерживаемых форматов Phrase нет JPG, PNG и TIFF, а из графических форматов названы только .psd и .svg. Фото разворота паспорта попадает в задание только как референсный файл, и по заметкам к релизу от 7 сентября 2026 года изображения-референсы теперь открываются прямо в редакторе, рядом с сегментами. Агентствам, которые получают большую часть документов фотографиями с телефона, нужен шаг конвертации еще на приеме; один такой процесс описан в статье про фото документов из мессенджеров.

OCR-переключатель в импорте Word и PowerPoint¶

В настройках импорта Word и PowerPoint в Phrase есть опция “Extract text from embedded images (OCR)”, и документация Phrase по Word описывает, что она делает:

When enabled, text from embedded images is extracted via OCR and inserted as a comment next to each image.

Перевод: когда опция включена, текст из встроенных изображений распознается через OCR и вставляется как комментарий рядом с каждым изображением.

Комментарий - не верстка. Когда “Word-файл” от клиента на самом деле состоит из фотографий страниц, вставленных в Word, эта опция дает переводчику распознанный текст рядом с каждой картинкой для справки, а сама картинка в переводе остается непереведенной. Становятся ли такие комментарии сегментами для перевода, Phrase не документирует, так что строить на этом сдачу работы не стоит.

Сначала проверьте, что у вас на самом деле. Откройте PDF и попробуйте выделить предложение: если ничего не выделяется, страница - изображение, и ей нужен OCR. Этот тест и смешанные PDF подробно разобраны в статье о том, почему Trados и memoQ не импортируют сканы.

Почему скан ломается в CAT-инструменте, и Phrase не исключение¶

Сканированный PDF - картинка страницы в PDF-обертке. CAT-инструмент или TMS работает с текстом: делит предложения на сегменты, ищет совпадения в памяти переводов и записывает перевод обратно в ту же структуру. Если текста в файле нет, делить на сегменты нечего.

OCR (оптическое распознавание символов) читает буквы с картинки, и это только половина работы. Вторая половина - восстановить верстку: какие строки образуют абзац, таблица ли сетка линий, какую колонку читать первой. Ошибка в порядке чтения на двухколоночном свидетельстве перемешивает колонки в сегментах; механика объяснена в статье о том, почему CAT-инструменты ломают таблицы и колонки PDF.

На официальных документах есть вещи, которые вообще не текст. Круглая печать, подпись, дата от руки, фото и QR-код - изображения: OCR либо пропускает их, либо выхватывает отдельное слово с ободка печати. Рукописный текст любой OCR читает ненадежно, поэтому рукописные документы требуют ручной сверки с оригиналом.

Третья проблема - теги. Когда в результате OCR шрифт, размер или межбуквенный интервал меняются каждые несколько слов, CAT-инструмент помечает каждое изменение тегом, и сегменты обрастают тегами, которые переводчику нужно переносить. В настройках импорта Word у самого Phrase есть опция “Minimize number of tags”, и документация описывает ее как предназначенную для сканированных документов.

Восстановить пригодную Word-копию из скана - отдельная от OCR работа. В скан-конвейере ChatsControl (маршрут 3 ниже) модель компьютерного зрения смотрит на каждую страницу и пишет ее Word-копию. Текст набирается так, как напечатан, таблицы становятся таблицами, поля стоят рядом со своими подписями, а печати, штампы, подписи и фото вырезаются со страницы и ставятся на свои места. QR-коды считываются и рисуются заново, чисто. Вторая проверка сравнивает собранную копию со страницей строка за строкой и отправляет найденное на исправление, а каждый скан получает оценку качества: хорошая, средняя или плохая. Рукопись и сильно поврежденные сканы все равно читаются ненадежно, и оценка об этом говорит.

Маршрут 1: PDF v2 с OCR внутри Phrase TMS, шаг за шагом¶

Маршрут 1 держит все в Phrase: вы выбираете PDF v2 при создании задания, Phrase запускает OCR, вы переводите в редакторе и скачиваете DOCX. Статья Phrase о создании задания помещает настройки импорта в раздел File import settings, когда вы добавляете задание через проект > Jobs > New.

1. Проверьте PDF. Попробуйте выделить предложение на страницах с основным текстом, таблицами и печатями. Текст не выделяется - нужен OCR; выделяется абракадабра - сканер добавил плохой текстовый слой.
2. Создайте новое задание. В проекте откройте Jobs > New и загрузите скан.
3. Откройте File import settings. В настройках PDF выберите PDF v2 из трех фильтров.
4. Поставьте OCR Mode. Справка Phrase дает три значения: Auto (по умолчанию) “performs OCR only when needed”, то есть OCR только при необходимости; Force “applies OCR to all pages”, на всех страницах; Never “disables OCR entirely”, OCR выключен. Для полностью сканированного документа или файла с абракадаброй в текстовом слое Force заставляет Phrase прочитать каждую страницу самостоятельно.
5. Оставьте WYSIWYG Mode включенным. По словам Phrase, режим сохраняет визуальную верстку и включен по умолчанию.
6. Создайте задание и сверьте. Откройте первые сегменты рядом со сканом и проверьте фамилии, даты, номера документов и порядок ячеек таблиц.
7. Добавьте фото страниц как референсные файлы, если клиент их прислал.
8. Переведите, запустите QA и скачайте перевод, который будет в DOCX. Шаг до PDF планируйте отдельно (см. раздел о сдаче ниже).

Чего Phrase не документирует о PDF v2¶

По состоянию на октябрь 2026 года справка по PDF не говорит, какой OCR-движок использует PDF v2, какие языки он читает и как восстанавливает таблицы. Не сказано и то, действует ли на PDF v2 лимит 100 МБ, указанный для Default, и зависит ли фильтр от тарифа. Если PDF v2 в вашем аккаунте нет, напишите в поддержку Phrase.

Первый скан через PDF v2 считайте тестом, а не сдачей. Прогоните одну сложную страницу (таблица, печать, две колонки, кириллица рядом с латиницей) и сверьте сегменты с изображением. Если свидетельство советского образца вернулось со слитыми колонками или текст с ободка печати рассыпался по сегментам, переведите этот документ на маршрут 2 или 3.

TransPDF: более старый платный путь¶

TransPDF - сервис отдельной компании Iceni. По справке Phrase по PDF, нужна собственная учетная запись TransPDF, ее подключают в Settings > Integrations > TransPDF через логин и пароль, а скачивание готового PDF платное. Бесплатный уровень, описанный там, покрывает 10 PDF или 25 МБ, с предпросмотром под водяным знаком.

Опубликованные цены Iceni на TransPDF по состоянию на октябрь 2026 года: OCR скана стоит 1 кредит за страницу, финальный PDF - еще 1 кредит за страницу, а кредит стоит 50 центов и дешевеет до 15 центов при оптовой покупке (валюта на странице не указана). Новые аккаунты получают 25 бесплатных кредитов. Десятистраничный скан через OCR и обратно в PDF забирает 20 кредитов, то есть 10,00 по ставке 50 центов.

TransPDF возвращает PDF вместо DOCX, но ценой второй учетной записи, постраничных кредитов и передачи клиентского файла третьей стороне.

XTM Cloud: OCR нет, так что скан читают в другом месте¶

XTM Cloud (теперь под брендом xtm.ai, справка версии 26.4) не имеет шага OCR. Статья базы знаний XTM о PDF-файлах, обновленная в феврале 2026 года, пишет, что сканированный PDF не проходит анализ проекта с ошибкой “file could not be analyzed”, и объясняет причину:

your PDF file might actually be are scans or images – XTM Cloud can not extract the text out of them. Unfortunately, we currently do not support OCR files.

Перевод: ваш PDF может на самом деле состоять из сканов или изображений, и XTM Cloud не может извлечь из них текст; к сожалению, сейчас мы не поддерживаем OCR-файлы.

В XTM нет маршрута 1: скан должен стать текстом еще до того, как попадет в проект XTM, а ошибка анализа сигнализирует, что этого не произошло. Та же статья задает формат сдачи для текстовых PDF:

Source files in PDF format are always returned as target files in DOCX format.

Перевод: исходные файлы в формате PDF всегда возвращаются как целевые файлы в формате DOCX.

Список поддерживаемых форматов XTM описывает поддержку PDF как “PDF (converts PDF file to Word)” и не содержит JPG, PNG или TIFF среди форматов для перевода; из графических там PSD, AI, SVG, FXG и EPS. Фото с телефона, как и в Phrase, сначала нужно конвертировать.

Процесс в XTM для скана такой: превратите его в DOCX вне XTM (маршрут 2 или 3 ниже), сверьте со страницей и загрузите как исходный файл. Проверенный DOCX заодно дает XTM настоящий подсчет слов. Как составить смету еще до OCR, описано в статье о подсчете объема сканированного документа.

Маршрут 2: сначала OCR в DOCX, потом импорт как стандартного Word-файла¶

Маршрут 2 одинаково работает в Phrase TMS и XTM Cloud: Word-файл вы делаете сами, так что TMS видит стандартный DOCX. Инструмент OCR - на ваш выбор (конвертация PDF в самом Word, Adobe Acrobat, ABBYY FineReader или Google Docs), а ограничения каждого разобраны в сравнении способов превратить сканированный PDF в Word.

1. Запускайте OCR с реальным языком исходника. Украинскому свидетельству с русскоязычной советской печатью нужны оба языка, иначе распознавание пойдет по не тому словарю.
2. Экспортируйте в DOCX, а исходный скан оставьте нетронутым.
3. Сшейте разорванные строки. OCR ставит жесткий разрыв после каждой напечатанной строки, а разрыв абзаца завершает сегмент, так что одно предложение в редакторе превращается в три обрывка.
4. Вытащите текст из плавающих текстовых полей в простые абзацы или ячейки таблиц, иначе порядок чтения в TMS не совпадет со страницей.
5. Пересоберите таблицы как настоящие таблицы Word, если OCR выдал строки, разделенные табуляцией.
6. Уберите форматный шум. Удалите изменения шрифта, размера и межбуквенного интервала, которых нет на странице, потому что каждое изменение станет тегом.
7. Оставьте печати, штампы и подписи картинками на своих местах. Переводчик добавляет в перевод примечание вроде [Печать: …], если учреждение хочет видеть ее текст; см. статью о переводе печатей и штампов.
8. Сверьте DOCX со сканом строка за строкой: фамилии, даты, суммы, номера документов.
9. Импортируйте в Phrase как стандартное Word-задание. В настройках импорта Word обратите внимание на “Minimize number of tags”, а “Extract text from embedded images (OCR)” оставьте выключенным.
10. Добавьте исходные страницы как референсные файлы и проверьте теги после импорта.

Чек-лист перед импортом сканированного документа¶

Если сам скан перекошен, темный или размытый, каждый пункт дается тяжелее; с чего начать, описано в статье о плохом скане перед переводом.

Маршрут 3: Word-копия от сервиса scan-to-Word, потом Phrase TMS¶

Маршрут 3 заменяет OCR и чистку из маршрута 2 сервисом, который воссоздает страницу как Word-файл. Один из вариантов - ChatsControl: вы загружаете скан или фото (PDF, PNG, JPG, TIFF, WebP), сервис читает страницу и возвращает редактируемую Word-копию, которая повторяет верстку страницы. Текст набран так, как напечатан, таблицы становятся настоящими таблицами, печати, штампы, подписи и фото вырезаны со страницы и стоят на своих местах, а QR-коды перерисованы чисто. Дальше вы импортируете этот .docx в Phrase TMS или XTM Cloud как любой клиентский Word-файл, либо переводите его прямо в том же сервисе.

1. Загрузите скан или фото и дождитесь окончания обработки.
2. На странице задания скачайте Word-копию оригинала кнопкой “Оригинал”, рядом с переведенным Word-файлом и самим сканом.
3. Сверьте Word-копию со сканом: фамилии, цифры, ячейки таблиц и оценку качества.
4. Создайте задание в Phrase (или проект в XTM) из этого .docx и добавьте исходные страницы как референсные файлы.
5. Проверьте теги после импорта, как с любым конвертированным файлом.

Результат - стандартный документ Word, и Phrase TMS или XTM Cloud импортирует его так же, как любой клиентский .docx. На странице с примерами сканов показаны реальные сканы рядом с Word-файлами, которые вернул сервис, так что таблицы и страницы с печатями можно оценить еще до загрузки клиентского файла.

Цены по состоянию на октябрь 2026 года, по данным ChatsControl: бесплатно 6 000 символов в месяц, дальше оплата по факту, $1,50 за 1 000 символов ($2,70 за страницу в 1 800 символов). Сканы тарифицируются по распознанным символам, но не меньше 1 000 символов за страницу, а загрузки удаляются через 30 дней по умолчанию. Задание всегда создает еще и перевод, и именно за него списывается оплата; отдельного режима “только OCR” нет.

ChatsControl - не CAT-инструмент и не TMS: нет памяти переводов и управления проектом на уровне сегментов. Сервис работает только в облаке, без локальной или офлайн-версии. Рукопись и сильно поврежденные сканы читаются ненадежно, и оценка качества об этом говорит. Печати, штампы и подписи остаются картинками, так что если учреждение хочет видеть текст печати, переводчик добавляет примечание в скобках вроде [Печать: …].

Три маршрута рядом для Phrase TMS и XTM Cloud¶

Что каждый маршрут сохраняет со страницы, по тому, что документирует каждый инструмент:

PDF v2 дешевле всего попробовать, потому что справка Phrase по PDF не называет для него отдельной платы. Для агентства, которое каждую неделю получает справки с печатями, деньги уходят на время чистки, и это хорошо видно в расчете реальной стоимости перепечатки сканов.

Что идет не так со сканами в Phrase TMS и XTM Cloud¶

Автоматизация создает задания с другим фильтром¶

В справочнике API Phrase для настроек импорта задания PDF-фильтр по умолчанию - TRANS_PDF, а в настройках PDF есть отдельные поля ocrMode и wysiwyg. Если задания приходят через коннектор, скрипт или автоматизацию, проверьте, какой фильтр они передают: скан, созданный так, не получит PDF v2 только потому, что менеджер выбрал бы его в интерфейсе.

Существующие проекты сохраняют свои настройки по умолчанию¶

Справка Phrase о настройках проекта пишет, что настройки импорта по умолчанию для уже созданного проекта в интерфейсе не редактируются. Ставьте фильтр для каждого задания при его создании или меняйте через API.

Задание уже импортировано с фильтром Default¶

По справке Phrase по PDF, для файлов, импортированных с Default, таблица заданий показывает предупреждение, а перевод выходит неформатированным текстовым файлом. Не переводите такое задание в надежде на лучшее: создайте его заново с PDF v2 и выбранным OCR Mode.

Таблицы в сканах: оговорка, которую Phrase пишет для Portal¶

Phrase опубликовал оговорки о таблицах в сканированных PDF, но для Phrase Portal, отдельного продукта со своим встроенным OCR, который возвращает DOCX, а не для PDF v2 в TMS. Страница Phrase о Portal говорит:

Tables and charts may lose alignment, borders, and structure, especially in complex layouts. In scanned PDFs, content may occasionally be missed or incorrectly formatted.

Перевод: таблицы и диаграммы могут потерять выравнивание, границы и структуру, особенно в сложной верстке; в сканированных PDF содержимое иногда может быть пропущено или неправильно отформатировано.

Для PDF v2 подобного утверждения нет ни в ту, ни в другую сторону. Считайте предупреждение Portal поводом протестировать страницу с таблицей через PDF v2, прежде чем доверить ему приложение к справке, а не описанием работы PDF v2.

Сдача: DOCX, когда клиент ждет PDF¶

Скан через PDF v2 возвращается в DOCX, а XTM Cloud возвращает DOCX для любого PDF-исходника. Если клиент хочет PDF, похожий на оригинал, кому-то нужно проверить верстку переведенного DOCX и экспортировать его, а это время на верстку, которое стоит заложить в цену; см. статью об оплате DTP для сканированных документов. TransPDF возвращает PDF по постраничной цене Iceni. Перед отправкой бесплатный QA-валидатор сверит переведенный файл с исходником по цифрам и смыслу.

Частые вопросы¶

Как перевести сканированный PDF в Phrase TMS?¶

При создании задания (проект > Jobs > New) откройте File import settings, выберите фильтр PDF v2 и поставьте OCR Mode в Auto или Force. Phrase прочитает скан, а перевод скачается как DOCX. Для сложных сканов сначала сделайте проверенный Word-файл и импортируйте его.

Есть ли в Phrase TMS (Memsource) OCR?¶

Да, по состоянию на октябрь 2026 года у фильтра PDF v2 есть OCR Mode со значениями Auto, Force и Never. Два других PDF-фильтра - Default, который не читает сканы и возвращает неформатированный текст, и TransPDF, платный сторонний сервис от Iceni.

Можно ли импортировать JPG или PNG в Phrase TMS?¶

Нет. В списке поддерживаемых форматов Phrase нет JPG, PNG и TIFF, из графических там только .psd и .svg. Изображения можно добавить к заданию как референсные файлы, так что фото сначала превратите в Word.

Поддерживает ли XTM Cloud OCR для сканированных PDF?¶

Нет. База знаний XTM пишет, что сканированный PDF не проходит анализ проекта и что XTM сейчас не поддерживает OCR-файлы. Распознайте скан вне XTM, проверьте результат и загрузите DOCX.

Будут ли сегменты и теги грязными после OCR?¶

Да, могут. Результат OCR, где шрифт, размер или межбуквенный интервал меняются каждые несколько слов, дает лишние теги, а разрывы строк внутри предложений режут сегменты. Почистите DOCX до импорта, попробуйте опцию ‘Minimize number of tags’ для Word-файлов и проверьте теги после импорта, как с любым конвертированным файлом.

Можно ли сдать клиенту перевод в PDF?¶

Не напрямую из PDF v2 или XTM, потому что оба возвращают DOCX для PDF-исходника. TransPDF в Phrase возвращает PDF, но Iceni берет за это плату постранично; иначе проверьте переведенный DOCX и экспортируйте его в PDF сами.

Безопасно ли загружать клиентские сканы в онлайн-OCR?¶

Проверьте, куда уходит файл и сколько он там хранится. PDF v2 работает внутри Phrase, TransPDF передает файл Iceni под вашей учетной записью, а ChatsControl по состоянию на октябрь 2026 года удаляет загрузки через 30 дней по умолчанию. Если договор с клиентом запрещает облачную обработку, распознавайте файл на своем компьютере.

Источники¶

1. PDF (Portable Document Format) - справка Phrase TMS
2. Архивная версия страницы Phrase по PDF за октябрь 2025 года
3. Edit job import settings - справочник API Phrase TMS
4. Supported File Formats (TMS) - справка Phrase
5. Word Processor Documents - справка Phrase TMS
6. Create a Job (TMS) - справка Phrase
7. Project Settings (TMS) - справка Phrase
8. Weekly Release Notes September 7, 2026 - Phrase
9. Phrase Portal - справка Phrase
10. TransPDF - Iceni
11. Translating PDF Source Files in XTM Cloud - база знаний XTM
12. File formats supported in XTM Cloud 26.4