Как перевести сканированный PDF в Smartcat: 3 способа с OCR

Клиент присылает свидетельство о браке советского образца и 14-страничный договор поставки, прогнанный через офисный ксерокс, а сдать все нужно завтра. Ниже - как перевести сканированный PDF в Smartcat, не потратив OCR-бюджет на неправильный воркфлоу, и что вы получите на выходе: PDF или Word.

Smartcat читает сканы сам. В Trados Studio и memoQ PDF, состоящий только из изображений, не дает CAT-инструменту ни строчки текста (почему так), поэтому его сначала конвертируют где-то еще, как показывают гайды для Trados Studio и memoQ.

У Smartcat подвох тройной: стандартный PDF-воркфлоу сканы не берет, воркфлоу для сканов нужно выбрать вручную, а распознавание оплачивается постранично. Разбираем три пути - собственный OCR Smartcat, сначала OCR в Word и сервис, который превращает скан в Word, - что каждый возвращает и где каждый ломается.

Что Smartcat на самом деле делает со сканированным PDF или изображением¶

Smartcat запускает OCR (оптическое распознавание символов - шаг, который превращает картинку с буквами в текст, который программа может разбить на сегменты) для сканированных PDF и файлов-изображений. Его справочная статья об OCR-страницах для фрилансеров, обновленная 24 июля 2026 года, пишет, что распознавание нужно для сканированных PDF и файлов на основе изображений, а каждая такая страница забирает одну OCR-страницу.

У OCR в Smartcat есть история. Статья MultiLingual от 3 апреля 2015 года сообщала, что ABBYY встроила свой OCR в тогдашний SmartCAT, и PDF читались «no matter whether they are text- or image-based» (неважно, текстовые они или состоят из изображений). Нынешняя справка Smartcat не называет OCR-движок, которым он пользуется сейчас, так что не считайте, что это до сих пор ABBYY.

Три PDF-воркфлоу, и для сканов сделан только один¶

Гайд Smartcat по выбору PDF-воркфлоу, обновленный 17 сентября 2026 года, описывает три воркфлоу. В таблице - оценки самого гайда.

Стандартный воркфлоу как раз и не справляется со сканом. В том же гайде Smartcat пишет про AI PDF Translation так:

Does not support scanned PDFs (documents that are images of text)

По-русски: не поддерживает сканированные PDF, то есть документы, которые представляют собой изображения текста. Если загрузить скан так же, как любой другой PDF, вы окажетесь не в том воркфлоу еще до появления первого сегмента. Статья про AI PDF Translation, обновленная 31 августа 2026 года, требует «Documents with selectable text (not scanned images)» и принимает PDF до 100 МБ. Еще она предупреждает, что документы больше 60 страниц обрабатываются намного дольше, и прямо говорит: «Handwritten text within PDFs is not supported» (рукописный текст в PDF не поддерживается).

PDF via Image Pipeline - воркфлоу для сканов, и его метод парсинга называется pdfimageonly (название само говорит, чего он ждет: PDF, состоящий только из изображений страниц). Гайд оценивает его верстку как «Very good», а результат - переведенный PDF.

Standard (OCR to Word) гайд советует тогда, когда нужен редактируемый Word. Верстка здесь «Approximate» (приблизительная), поддержка сканов «Limited» (ограниченная), а таблицы и многоколоночные страницы, по словам гайда, часто приходится переделывать. Все три воркфлоу поддерживают глоссарий и память переводов (TM), так что выбор зависит от того, что у вас на входе и что клиент хочет получить.

Автоопределение сканов: страницы Smartcat противоречат друг другу¶

Страница PDF translator на сайте Smartcat обещает: «Scanned files are detected and OCR’d automatically» (сканы определяются и распознаются автоматически). А дальше на той же странице - самое полезное предупреждение во всей теме:

a misread source produces a confidently wrong translation

По-русски: неправильно прочитанный оригинал дает уверенно неправильный перевод. Предупреждение важнее обещания: неверно распознанная дата или номер паспорта после перевода не выглядят сломанными, они выглядят гладким предложением с неправильной цифрой.

Страница Smartcat о переводе больших PDF противоречит обещанию автоопределения: там сказано, что pdfimageonly «not detected for you» (сам не определяется), и добавлено, что «300 pages of OCR means 300 chances to misread» (300 страниц OCR - это 300 шансов ошибиться). Справочный центр на стороне второй страницы, ведь стандартный воркфлоу сканы просто не поддерживает. Выбирайте pdfimageonly вручную каждый раз, когда загружаете сканированный PDF.

Оплата OCR: OCR-страницы или Smartwords¶

Фрилансеры платят за распознавание OCR-страницами. По состоянию на июль 2026 года статья об OCR-страницах объясняет, что их покупают в разделе «Productivity Services», на отдельном от MT-страниц балансе, и скан на 20 страниц забирает 20 OCR-страниц. Цены за OCR-страницу статья не приводит, так что проверьте актуальную цену в своем аккаунте до того, как называть клиенту стоимость.

Бизнес-аккаунты платят в Smartwords - внутренней единице Smartcat для AI-работы. Гайд по PDF-воркфлоу (сентябрь 2026 года) называет цену Image Pipeline в двух местах, и две цифры за страницу не совпадают: таблица сравнения говорит одно, FAQ - другое. Не стройте смету ни на одной из них; прогоните один типичный файл и посмотрите реальное списание в своем аккаунте, прежде чем запускать большой скан.

Посчитать объем для клиента - отдельная задача, потому что подсчет слов в скане ничего не находит. Об этом - гайд по оценке сканированного документа, а о самих тарифах - сравнение цен Smartcat, memoQ и Crowdin и обзор бесплатных облачных CAT-инструментов.

Изображения и фото с телефона¶

Страница поддерживаемых форматов Smartcat, обновленная 12 октября 2026 года, перечисляет форматы изображений, которые он принимает через OCR: JPG/JPEG/JFIF, TIF/TIFF, PNG, BMP, GIF, DCX/PCX, JP2/JPC, DJVU/DJV, JB2 и PDF только из изображений. Там же написано: «Layout preservation depends on document complexity» (сохранение верстки зависит от сложности документа). Списка языков OCR и лимита размера изображения страница не дает.

AI Image Translator - отдельный инструмент с другим результатом. По его справочной статье, обновленной 24 июля 2026 года, он принимает PNG, JPEG, JPG, BMP, PCX, JP, JPC, JFIF и GIF (только первый кадр), убирает текст с изображения, переводит и вставляет обратно. Скачиваете результат «in the same format as it was uploaded», то есть JPG диплома вернется как JPG, а не как DOCX, который можно редактировать.

Сначала проверьте текстовый слой¶

Выделите предложение в PDF и вставьте его в обычный текстовый редактор. Вставились слова - текстовый слой есть, и стандартный воркфлоу может подойти; не вставилось ничего - перед вами скан. Подробнее об этой проверке и смешанных PDF - в сравнении способов превратить скан в Word.

Почему сканы ломаются в CAT-инструменте: механизм¶

Скан - фотография страницы. CAT-инструмент работает с текстом: делит предложения на сегменты, ищет совпадения в TM и записывает перевод обратно в ту же структуру. В скане нет ни текста, ни структуры, так что до первого сегмента должны случиться две отдельные работы.

Первая работа - распознавание: OCR читает буквы из пикселей. Каждая неверно прочитанная цифра, каждая латинская «o» вместо русской «о», каждое слово, разорванное сгибом листа, становится оригиналом, с которым работают ваша TM и машинный перевод. Редактор сегментов Smartcat не отличит неверно распознанную цифру от настоящей.

Вторая работа - восстановление верстки: решить, какие строки складываются в абзац, какие ячейки - в таблицу и в каком порядке читать две колонки. OCR может правильно прочитать каждую букву и все равно вернуть таблицу как набор отдельных строк или склеить две колонки в одно предложение. Как это превращается в сломанные сегменты, показано в статье о том, почему CAT-инструменты ломают таблицы и колонки в PDF.

Официальные документы добавляют части, которые вообще не сплошной текст: печати, штампы, подписи, вписанные от руки даты, фото и QR-коды. OCR их пропускает, оставляет картинками или читает кольцо круглой печати как бессвязную строку посреди абзаца. Справка Smartcat по трем PDF-воркфлоу нигде не упоминает печати и штампы, так что задокументированного поведения, на которое можно опереться, нет.

Воссоздать скан как редактируемый Word - отдельная работа. В пайплайне ChatsControl (подробнее в третьем способе) модель компьютерного зрения смотрит на каждую страницу и пишет ее копию в Word. Текст набирается так, как напечатан, таблицы становятся настоящими таблицами, поля стоят рядом со своими подписями, а печати, штампы, подписи и фото вырезаются со страницы и ставятся туда, где они были. QR-коды и штрихкоды считываются и рисуются заново чистыми. Вторая проверка сравнивает готовую копию со страницей строка за строкой и отправляет найденное на исправление. Каждый скан получает оценку качества (good, fair или poor), а рукописный текст и сильно поврежденные страницы читаются ненадежно, что оценка и показывает.

Способ 1: собственный OCR Smartcat, шаг за шагом¶

Первый способ подходит, когда клиент хочет получить переведенный PDF, а скан - читаемый печатный текст. Шаги идут по гайду Smartcat по PDF-воркфлоу; гайд не называет никаких меню, кроме диалога загрузки, так что и этот список их не выдумывает.

1. Рассортируйте файлы. Проверьте каждый PDF на текстовый слой и разделите пакет. Гайд советует держать отдельно «digital native and scanned ‘piles’» - цифровые и сканированные стопки, потому что они идут разными воркфлоу.
2. Проверьте бюджет на распознавание. Посчитайте страницы, которые нужно распознать. На аккаунте фрилансера сравните это число с балансом OCR-страниц; в бизнес-аккаунте посмотрите, сколько Smartwords заберет задача.
3. Создайте проект без файла. Путь для сканов в гайде начинается с пустого проекта.
4. Загрузите PDF и выберите метод парсинга. В диалоге загрузки выберите pdfimageonly.
5. Подключите TM и глоссарий. Все три PDF-воркфлоу поддерживают и то, и другое.
6. Сверьте распознанный оригинал до перевода. Положите сегменты рядом со сканом и выпишите каждую неверно прочитанную фамилию, дату, число и номер. Неправильная цифра в оригинале становится неправильной цифрой в каждом языке перевода.
7. Переведите и отредактируйте, как в любом другом проекте Smartcat.
8. Скачайте переведенный PDF. Результат Image Pipeline, по гайду, - PDF.

Шаг 4 решает все. Гайд укладывает его в одну строку:

choose pdfimageonly as the parsing method

По-русски: выберите pdfimageonly как метод парсинга. Пропустите эту строку - и скан попадет в воркфлоу, который сканы не поддерживает. Впишите этот выбор в свой чек-лист приема заказов, чтобы его не пропустил ни проджект-менеджер, ни новый фрилансер.

Когда лучше выбрать Standard (OCR to Word)¶

Standard нужен, когда результатом должен быть редактируемый Word, например если к переводу еще будут добавлять удостоверительную надпись переводчика или нотариуса. Гайд Smartcat честно пишет о цене такого выбора: верстка «Approximate», поддержка сканов «Limited», а таблицы и многоколоночные страницы часто приходится переделывать.

Для письма на одну страницу - нормально. Для свидетельства о рождении, сверстанного как таблица полей, таблицу придется перестраивать в Word после экспорта, и эту верстку вы либо выставляете в счет, либо делаете бесплатно (об этом - сколько брать за DTP при переводе сканов).

Ограничения первого способа¶

• На выходе PDF. Любая поздняя правка - еще один заход в Smartcat, а не быстрое редактирование в Word.
• Платная каждая страница. Каждая страница, которую нужно распознать, забирает OCR-страницу или Smartwords еще до начала перевода.
• Верстка бывает разной. Страница форматов пишет, что сохранение верстки «depends on document complexity», так что бланк с вложенными полями нужно проверять внимательнее, чем письмо.

Способ 2: сначала OCR в DOCX, потом импорт в Smartcat¶

Второй способ выносит распознавание за пределы Smartcat: вы превращаете скан в Word в OCR-программе, чистите файл и импортируете его как обычный DOCX. На входе у вас оригинал, который можно сверить, а на выходе - редактируемый Word.

DOCX из скана умеют делать Microsoft Word, Adobe Acrobat, ABBYY FineReader PDF и Google Docs (через Google Drive). Microsoft пишет, что конвертация PDF в Word лучше всего работает с файлами, где почти все содержимое - текст, а Google предупреждает, что OCR в Drive вряд ли распознает таблицы, колонки, списки и сноски. В Acrobat можно задать язык распознавания, а FineReader - отдельная десктопная OCR-программа. Ограничения и источники по каждому варианту собраны в сравнении способов превратить скан в Word.

По статье Smartcat об OCR-страницах, OCR-страницы тратятся на страницы, которые нужно распознать, а в файле Word с настоящим текстом таких нет.

Шаг за шагом¶

1. Запустите OCR с правильным языком документа, если программа позволяет его задать. Русская справка, распознанная с настройкой только для английского, может заполниться похожими латинскими буквами.
2. Экспортируйте в DOCX и держите скан открытым рядом.
3. Сверьте текст со сканом: фамилии, даты, числа, номера документов, адреса. То, что прочитать нельзя, помечайте как неразборчивое, а не угадывайте.
4. Исправьте структуру до импорта: - Склейте строки, разорванные внутри предложений. OCR ставит жесткий перенос после каждой напечатанной строки, а CAT-инструмент заканчивает сегмент на каждом знаке абзаца, так что одно предложение превращается в три сегмента. - Перенесите текст из плавающих текстовых полей в основной текст или в ячейки таблицы, иначе он может попасть в Smartcat не в том порядке. - Исправьте порядок чтения колонок, чтобы левая заканчивалась раньше, чем начинается правая. - Перестройте таблицы как настоящие таблицы Word, а не строки с табуляцией. - Уберите форматный шум. OCR-файл, где шрифт, кегль или межбуквенный интервал меняются посреди слова, дает лишние теги в CAT-инструменте, так что выделите основной текст и сбросьте прямое форматирование там, где позволяет верстка.
5. Решите, что делать с печатями, штампами и подписями. Оставьте их изображениями на своих местах и запланируйте примечание в квадратных скобках, например [Печать: …], если учреждение хочет видеть текст печати в переводе. Правила оформления - в гайде по переводу печатей и штампов.
6. Импортируйте DOCX в Smartcat, как любой клиентский файл Word, и просмотрите сегменты и теги до того, как назначать задачу.
7. Переведите и скачайте Word. Если клиент хочет еще и PDF, сохраните его из Word сами.

Второй способ стоит вам времени, а не постраничных платежей: лицензия OCR-программы или бесплатный инструмент плюс ваша чистка. Для простого письма в одну колонку чистка короткая; для бланка с таблицами она может приблизиться к стоимости перепечатки, которую в цифрах разбирает статья о реальной цене перепечатки сканов.

Способ 3: сервис scan-to-Word, потом Smartcat¶

Третий способ заменяет ручной OCR и чистку из второго способа сервисом, который воссоздает страницу в Word. Один из вариантов - ChatsControl: вы загружаете скан или фото (PDF, PNG, JPG, TIFF, WebP), сервис читает страницу и возвращает редактируемую копию в Word, которая повторяет верстку страницы. В этой копии текст набран так, как напечатан, таблицы - настоящие таблицы, печати, штампы, подписи и фото вырезаны со страницы и стоят на своих местах, а QR-коды перерисованы чистыми. Потом вы импортируете этот .docx в Smartcat, как любой клиентский файл Word (или переводите его сразу в том же сервисе).

Путь к CAT-инструменту выглядит так:

1. Загрузите скан или фото в ChatsControl.
2. Дождитесь, пока задача завершится.
3. На странице задачи скачайте Word-копию оригинала кнопкой «Оригинал». Она стоит рядом с переведенным файлом Word и самим сканом.
4. Сверьте копию со сканом: сначала посмотрите на оценку качества, потом на фамилии, числа и даты.
5. Импортируйте .docx в Smartcat. На выходе обычный документ Word, и Smartcat импортирует его так же, как любой клиентский .docx. После импорта проверьте теги, как с любым конвертированным файлом.

Задача также создает перевод документа, так что его можно сравнить со своим или проигнорировать. 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 оплачиваются по распознанным символам, но не меньше 1 000 символов за страницу, а загрузки по умолчанию удаляются автоматически через 30 дней.

Ограничения тоже нужно знать. ChatsControl - не CAT-инструмент и не TMS: нет памяти переводов, нет управления проектом на уровне сегментов, так что работа с TM остается в Smartcat. Сервис работает только в облаке, без офлайн-режима и без установки на собственные серверы. Рукописный текст и сильно поврежденные сканы читаются ненадежно, и оценка качества об этом скажет. Печати, штампы и подписи остаются картинками на своих местах, так что если учреждение хочет видеть текст печати, вы добавляете в перевод примечание вроде [Печать: …]; текст внутри изображения печати не переводится.

Чтобы оценить копии в Word еще до загрузки, посмотрите примеры сканов: там настоящие сканы рядом с файлами Word, которые вернул сервис.

Три способа рядом¶

Таблица сравнивает, что возвращает каждый способ и что переживает перенос со страницы. Оценки Smartcat - из его гайда по PDF-воркфлоу (сентябрь 2026 года); цены ChatsControl - по состоянию на октябрь 2026 года.

Чек-лист перед импортом¶

Пройдите эти проверки до того, как файл попадет в проект Smartcat. Каждая строка опирается на факт из документации Smartcat или на сбой, описанный выше.

Что идет не так со сканами в Smartcat¶

Скан попадает в стандартный воркфлоу. AI PDF Translation стоит по умолчанию и сканы не поддерживает, что бы ни обещал маркетинг про автоопределение. Выбирайте pdfimageonly вручную для каждого скана.

OCR-баланс заканчивается посреди пакета. OCR-страницы фрилансера лежат на отдельном балансе, не вместе с MT-страницами. Когда они заканчиваются, статья об OCR-страницах приводит сообщение, которое вы увидите:

You’ve used all your OCR pages.

По-русски: вы использовали все свои OCR-страницы. Пакет из 40 страниц справок требует 40 OCR-страниц еще до начала перевода, так что проверяйте баланс до того, как соглашаетесь на дедлайн, а не в 23:00 накануне сдачи.

Оценка стоимости не совпадает с гайдом. Гайд по PDF-воркфлоу приводит две разные цифры Smartwords за страницу для Image Pipeline, так что прогоните пробный файл и посмотрите реальное списание, прежде чем называть цену за большой архив сканов.

Для большого пакета нет массовых действий. Гайд отмечает, что массового подтверждения или завершения нет, так что 30 отдельных сканов означают 30 файлов, которые придется завершать по одному.

Фото попадает в Image Translator. AI Image Translator возвращает файл «in the same format as it was uploaded». Переведенный JPG диплома нельзя отредактировать, дополнить удостоверительной надписью переводчика в Word или позже проверить посегментно. Фото с телефона лучше обрабатывать так, как описано в рабочем процессе для фото документов из WhatsApp.

Рукописный текст проскакивает. Image Pipeline принимает рукописный текст через OCR, но неверно прочитанная вписанная от руки дата или фамилия становится тем самым уверенно неправильным переводом, о котором предупреждает страница Smartcat. Для документов, где большая часть написана от руки, есть отдельный гайд об оцифровке рукописных документов.

Печати и штампы теряются в верстке. Ни одна справочная страница Smartcat о PDF-воркфлоу не упоминает печати и штампы. В заверенном переводе печать нужно учесть, так что запланируйте описание в квадратных скобках ([Печать: …]) в переводе и проверяйте результат постранично.

Скан слишком плохой для любого OCR. Выцветшие копии, перекошенные фото с телефона и страницы факсового качества увеличивают число ошибок в каждом способе. Что исправить до распознавания, разбирает гайд о плохих сканах.

Клиент ждал Word, а вы сдали PDF. AI PDF Translation и Image Pipeline возвращают PDF, Standard - Word с приблизительной версткой. Спросите клиента, что ему нужно, до выбора воркфлоу, потому что переключение после перевода означает повторное распознавание. После сдачи бесплатная проверка смысла и чисел переведенного файла против оригинала ловит неверно прочитанные цифры, которые проскакивают при вычитке.

Частые вопросы¶

Как перевести сканированный PDF в Smartcat?¶

Создайте проект без файла, загрузите сканированный PDF и в диалоге загрузки выберите метод парсинга pdfimageonly, как описывает гайд Smartcat по PDF-воркфлоу. Стандартный AI PDF Translation сканированные PDF не поддерживает, а воркфлоу для сканов возвращает переведенный PDF.

Есть ли в Smartcat OCR и бесплатный ли он?¶

Да, Smartcat распознает сканированные PDF и изображения, но OCR платный. Фрилансеры тратят одну OCR-страницу на каждую распознанную страницу с баланса, который покупают в разделе Productivity Services, а бизнес-аккаунты платят в Smartwords.

Что такое pdfimageonly в Smartcat?¶

pdfimageonly - метод парсинга для воркфлоу PDF via Image Pipeline, который гайд Smartcat отмечает как поддерживающий сканированные PDF и рукописный текст через OCR. Его выбирают вручную в диалоге загрузки, потому что страница Smartcat о больших PDF прямо пишет, что сам он не определяется.

Может ли Smartcat перевести фото или изображение документа?¶

Да. Smartcat принимает через OCR форматы JPG, PNG, TIFF, BMP, GIF, DjVu и другие, а AI Image Translator заменяет текст внутри изображения. Image Translator возвращает картинку в том формате, в котором вы ее загрузили, так что фото справки вернется картинкой, а не редактируемым DOCX.

Можно ли получить из Smartcat редактируемый Word вместо PDF?¶

Воркфлоу Standard (OCR to Word) дает Word, но гайд Smartcat оценивает его верстку как приблизительную, а поддержку сканов как ограниченную. Для более чистого результата сначала превратите скан в DOCX, сверьте его со страницей и загрузите этот Word в Smartcat как обычный документ.

Не будет ли каши в сегментах и тегах после импорта распознанного Word?¶

Каша вполне реальна. Разрывы строк внутри предложений, плавающие текстовые поля и частые смены шрифта или интервала в OCR-файле дают разорванные сегменты и лишние теги в любом CAT-инструменте. Почистите DOCX до импорта и проверьте теги после импорта, как с любым конвертированным файлом.

Безопасно ли загружать документы клиента в онлайн-OCR?¶

Smartcat, ChatsControl и другие облачные варианты обрабатывают файл на чужих серверах, так что перед загрузкой проверьте NDA с клиентом. ChatsControl по умолчанию удаляет загрузки через 30 дней по состоянию на октябрь 2026 года; если договор запрещает облачную обработку, используйте десктопный OCR.

Источники¶

1. Choosing the right PDF translation workflow in Smartcat - справка Smartcat, три PDF-воркфлоу и путь через pdfimageonly (обновлено 17 сентября 2026 года)
2. Understanding OCR pages and MT pages for freelancers - справка Smartcat, как считаются и покупаются OCR-страницы (обновлено 24 июля 2026 года)
3. Translating PDF documents with AI - справка Smartcat, требования и ограничения AI PDF Translation (обновлено 31 августа 2026 года)
4. Supported file formats - справка Smartcat, форматы изображений, которые принимаются через OCR (обновлено 12 октября 2026 года)
5. Image Translator - справка Smartcat, AI Image Translator и формат результата (обновлено 24 июля 2026 года)
6. ABBYY and SmartCAT - MultiLingual, 3 апреля 2015 года, об OCR от ABBYY в SmartCAT