PDF на екрані виглядає чітко, але текст не виділяється, а копіювання нічого не дає. Для перекладацької агенції це сигнал: файл може містити не текст, а лише його зображення. Звичний імпорт у редактор або автоматичний переклад тоді не побачить слів на сторінці.
Інша кнопка перекладу проблему не розв’яже. Спершу з’ясуй, що саме містить PDF, потім розпізнай текст і перевір помилки. А ще доведеться подбати про верстку, щоб таблиця після обробки не перетворилася на набір рядків без зв’язку між ними.
Що відбувається, коли в PDF не можна виділити текст¶
Сканований PDF - це файл, у якому сторінку збережено як зображення, а не як машинозчитувані символи. OCR, або оптичне розпізнавання символів, читає зображення й створює текстовий шар. Після цього текст можна шукати, копіювати й передавати на переклад.
Паперовий документ сканують або фотографують, а потім зображення зберігають у PDF. На екрані видно заголовок, абзаци, печатку й таблицю. Для програми ж сторінка може бути просто великою картинкою - без слів, абзаців і комірок.
Національне управління архівів і документації США пояснює, що OCR аналізує зображення й створює машинозчитуваний текстовий шар. Після розпізнавання текст можна шукати, але точність залежить від якості самого зображення.
Чітке зображення ще не означає, що в PDF є текстовий шар. Бібліотека Конгресу США зазначає, що PDF/A рівня B зі сканованих зображень не обов’язково підтримує індексування чи витягування тексту для цитування. Тобто побачити сторінку й скопіювати з неї текст - різні речі.
Перевір файл простим способом: виділи одне речення й скопіюй його в текстовий редактор. Якщо виділяється вся сторінка прямокутником або нічого не копіюється, перед тобою може бути скан. Якщо слова копіюються, але таблиця чи заголовки зникають, PDF може містити і звичайний текст, і зображення.
У змішаному PDF одні сторінки можуть мати текстовий шар, а інші - бути сканами. Перевіряй такі документи посторінково: автоматична обробка здатна прочитати цифровий текст і пропустити абзац, який вставили як зображення.
Для агенції тип PDF впливає і на кошторис, і на контроль якості. У текстовому PDF можна працювати з витягуваними словами. Скановані сторінки потребують розпізнавання, звіряння й, за потреби, відновлення верстки.
Файл із камери або месенджера може мати додаткові проблеми: перекіс, тіні, низький контраст, розмиті символи чи відблиск на сторінці. Усе це заважає OCR. Про роботу з фотографіями документів докладніше читай у матеріалі про переклад фото документа для агентства.
Як працює OCR і чому переклад починається не з перекладу¶
OCR розпізнає текст, а не перекладає його. Спершу програма має визначити символи на зображенні, і тільки тоді система перекладу зможе обробити слова й речення.
Для розпізнавання сторінка не одна велика цілісна сутність. Програма аналізує форму символів, відстань між ними, рядки й межі блоків, а потім створює текстовий шар. Якщо OCR плутає літеру або цифру, переклад може бути граматично правильним, але передавати неправильне ім’я, дату чи суму.
Уяви рахунок із розмитими символами в номері документа. Або свідоцтво, де печатка закриває частину дати. Переклад не вгадає, який знак був у джерелі: треба знайти помилку в розпізнаному тексті й звірити її із зображенням.
Робочий процес складається з окремих етапів:
- Визнач, які сторінки містять зображення, а які - машинозчитуваний текст.
- Розпізнай текст на сканованих сторінках.
- Перевір сумнівні слова й виправ важливі помилки OCR.
- Переклади текст із перевіреними іменами, числами й термінами.
- Зістав переклад із вихідними сторінками та перевір пропуски й верстку.
Такий порядок відповідає обмеженням автоматичного перекладу сканів, описаним у документації Google Cloud Translation. OCR сам по собі не означає, що джерельний текст уже перевірений.
Наприклад, у багатосторінковому посібнику OCR може розпізнати основний текст, але загубити зв’язок між позначкою на рисунку й відповідним рядком. Слова перекладено правильно, а інструкція все одно незрозуміла: читач не знає, до якої частини схеми належить підпис.
Перед прямим завантаженням документа перевір, що саме Google Translate перекладає в сканованих файлах. Довідка Google Translate попереджає:
“You can find text in images and scanned .pdf pages in the output document but they aren’t translated.”
Простими словами, сканований текст може залишитися видимим у вихідному файлі, але не перекластися. Сам факт завантаження PDF у сервіс не гарантує, що всі слова потрапили до перекладу.
Який спосіб обрати: ручна робота, OCR чи сервіс перекладу¶
Вибір залежить від якості скану, складності верстки, потрібного формату й того, хто перевірятиме результат. Однієї кнопки, яка однаково добре впорається з формою, рукописною приміткою та багатоколонною інструкцією, немає.
| Варіант | Коли доречний | Що потрібно перевірити |
|---|---|---|
| OCR із подальшим ручним перекладом | Текст можна розпізнати, а перекладач має контролювати кожен етап | Помилки розпізнавання, відповідність блоків, таблиці та підписи |
| Автоматичний переклад документа | Потрібна чернетка для документа з машинозчитуваним текстом або доступним OCR | Чи не пропущено текст на зображеннях і чи не змінилася верстка |
| Спеціалізоване опрацювання сканів | Сторінки мають складну структуру або потрібно відновити редагований документ | Якість розпізнавання, відтворення сторінки, сумнівні ділянки |
| Людська перевірка за оригіналом | Є рукопис, пошкоджені ділянки або висока ціна помилки | Чи може перевіряльник звірити важливі місця з оригіналом |
Google Translate приймає документи з певними обмеженнями. За довідкою Google, перевіреною 11 квітня 2026 року, PDF може мати розмір до 10 МБ і містити до 300 сторінок. Та сама довідка попереджає, що текст на зображеннях і сканованих сторінках може залишитися в документі без перекладу. Перед роботою звірся з поточною документацією Google: умови сервісу можуть змінитися.
За довідкою, перевіреною 11 квітня 2026 року, завантажувати документи в Google Translate через браузер не можна на менших екранах і мобільних пристроях. Тож не будуй процес агенції на припущенні, що виконавець зможе завантажити й перевірити PDF із телефона.
Google Cloud Translation працює через API - це окремий процес, не та сама функція завантаження документів у споживчій версії Google Translate. Документація Google Cloud, перевірена 11 квітня 2026 року, описує підтримку PDF і DOCX та збереження значної частини форматування. Для онлайн-перекладу сканований PDF має бути не більшим за 20 МБ і містити не більше 20 сторінок. Ліміт до 300 сторінок стосується нативних PDF за ввімкненого відповідного налаштування. Перед запуском інтеграції перевір актуальні обмеження.
Google Cloud окремо попереджає про результат перекладу сканів:
“Translating scanned PDF files results in some formatting loss.”
Українською: переклад сканованих PDF призводить до певної втрати форматування. Особливо уважно перевіряй складні таблиці, кілька колонок і графіки з підписами чи легендами.
Змішаний PDF має ще одну пастку: документація Google Cloud зазначає, що сканований вміст усередині такого документа не перекладається. Якщо частина сторінок містить цифровий текст, а частина - скани, перевірка лише першої сторінки не виявить неперекладені фрагменти.
ChatsControl - варіант для команди, якій потрібен переклад документа, а не просто текст у вікні. У типовому процесі завантажений скан проходить OCR, система відтворює сторінку у форматованому файлі Word, а перекладений текст можна переглядати поруч із джерелом. Так легше перевірити, чи відповідають фрагменти одне одному. Але рукопис і дуже погіршені скани залишаються слабким місцем автоматичного розпізнавання - їх треба звіряти з оригіналом.
Чекліст для файлу, кошторису й контролю якості¶
Перш ніж брати PDF у роботу, з’ясуй, що саме в ньому є. Цю таблицю можна використовувати як чекліст для оцінювання, передавання завдання перекладачеві й фінальної перевірки.
| Що перевірити | Запитання до файлу | Навіщо це потрібно |
|---|---|---|
| Текстовий шар | Чи виділяються слова й копіюються в текстовий редактор? | З’ясувати, чи потрібне OCR |
| Тип сторінок | Документ повністю сканований чи містить і скани, і цифровий текст? | Не пропустити зображення з неперекладеним текстом |
| Читабельність | Чи видно дрібний текст, цифри, підписи й межі символів? | Визначити, де доведеться перевіряти OCR |
| Структура | Чи є таблиці, колонки, графіки, поля або примітки? | Зрозуміти, як перевіряти верстку |
| Критичні дані | Які імена, дати, суми, адреси й номери не можна змінювати? | Скласти список контрольних точок |
| Вихідний формат | Потрібен перекладений PDF, редагований Word чи лише текст? | Узгодити результат до початку роботи |
| Призначення | Документ потрібен для внутрішнього розуміння чи офіційного подання? | Визначити, чи потрібне людське засвідчення |
Чітке фото не гарантує точного розпізнавання. Нерівний фон, зігнутий папір або символи під печаткою можуть змусити OCR з’єднати рядки чи неправильно прочитати знак. Перекладачеві недостатньо переглянути результат автоматизації - важливі місця треба звірити з джерелом.
Вимоги до архівного оцифрування можуть відрізнятися від вимог до перекладацького завдання. NARA наводить параметри роздільності для текстових записів, що передаються до Національного архіву США: 300-600 ppi для чистого висококонтрастного чорно-білого тексту, 300-400 ppi у відтінках сірого для тексту з низькою читабельністю та 300-400 ppi у кольорі, коли колір має значення. Ці параметри стосуються архівного передавання до NARA, а не є універсальним мінімумом для перекладу.
NARA також пояснює, що під час відповідного архівного передавання OCR не має підміняти оригінальне зображення чи змінювати його видимий вміст. Це спеціальне правило для передавання федеральних записів США, а не вимога до кожного PDF. Для агенції практичний висновок простий: збережи оригінальні зображення окремо, щоб завжди було з чим звірити текст.
Уяви анкету, де поруч із друкованими полями є рукописна відповідь. Якщо оцінити замовлення лише за кількістю сторінок, легко не помітити, що рукопис доведеться читати окремо. Познач такі сторінки до перекладу й домовся, що робити з нерозбірливими місцями: залишити позначку, попросити чіткіший скан або передати оригінал на перевірку.
Покроковий процес від скану до перевіреного перекладу¶
Цей порядок допомагає відокремити проблеми вихідного PDF від помилок перекладу. На кожному етапі має залишитися конкретний результат: класифікований файл, розпізнаний текст, виправлення, переклад і звірена верстка.
-
Збери вихідні файли. Попроси оригінальний PDF і, якщо він є, файл, з якого його створили. Google Cloud радить перекладати вміст у DOCX або PPTX перед конвертацією в PDF, якщо доступний редагований оригінал: форматування й стилі зазвичай краще зберігаються в редагованих документах. Деталі є в документації Google Cloud.
-
Перевір текстовий шар. Виділи абзац і скопіюй його. Якщо редактор залишається порожнім або копіюється зображення, познач сторінку як скановану. У документі зі змішаною структурою повтори перевірку на різних сторінках.
-
Оціни якість скану. Переглянь дрібний текст, печатки, таблиці, заголовки, підписи й рукописні вставки. Не обмежуйся першою сторінкою: погано читатися може окремий додаток або останній аркуш.
-
Запусти OCR і збережи оригінал. Розпізнай текст на сканованих сторінках, але не видаляй початкові зображення. Текстовий шар спростить пошук і редагування, а оригінальна сторінка залишиться джерелом для звіряння.
-
Виправ помилки до перекладу. Зістав розпізнаний текст із зображенням у критичних місцях: імена, числа, дати, адреси, одиниці виміру й позначки таблиць. Якщо фрагмент не читається, не підставляй здогад замість перевіреного тексту.
-
Переклади узгоджену версію. Передай перекладачеві перевірений текст і контекст документа. Для назв, повторюваних термінів і власних імен склади узгоджений список, щоб ті самі елементи не отримали різні варіанти.
-
Звір переклад із зображенням сторінки. Перевір, чи є всі заголовки, примітки, підписи, таблиці й написи всередині графіків. Потім переглянь розташування блоків і читабельність готового файла.
У роботі агенції процес можна поділити між менеджером, фахівцем з OCR, перекладачем і перевіряльником. Передавай між ролями не лише файл, а й список нерозбірливих ділянок та даних для ручної перевірки. Інакше непевне слово непомітно перетвориться на впевнений переклад, хоча джерело його не підтверджує.
У ChatsControl завантажений скан проходить розпізнавання, а система створює форматований документ Word. Перекладач може переглядати джерело й переклад поруч і перевіряти проблемні місця в контексті сторінки. Такий спосіб допомагає знаходити пропуски й зміни чисел, але не замінює ручного читання нерозбірливого рукопису чи пошкодженого скану.
На виході має бути не просто файл іншою мовою. Команда повинна знати, де текст розпізнали автоматично, де виправили, а де зображення не дозволило підтвердити читання. Якщо сумнів залишився, познач його для замовника, а не ховай за гладким перекладом.
Підводні камені: де автоматизація дає хибне відчуття готовності¶
Найбільший ризик - отримати файл, який виглядає завершеним, хоча частина джерела так і не стала перекладеним текстом. Окремо перевіряй OCR, переклад і відновлення верстки: успіх одного етапу нічого не доводить про два інші.
Видимий текст залишився неперекладеним. Google Translate попереджає, що текст у зображеннях і сканованих PDF-сторінках може бути у вихідному документі, але не перекладений. Перевір не лише готові абзаци, а й написи на сканах, схемах та вбудованих зображеннях за довідкою Google Translate.
Змішаний PDF обробився лише частково. У документі можуть бути як сторінки з текстовим шаром, так і сторінки-зображення. Google Cloud зазначає, що сканований вміст у змішаних PDF не перекладається. Зістав результат із кожною сторінкою, особливо з додатками, вставленими сканами й формами.
У перекладі загубився зв’язок між елементами. У PDF текст стоїть на сторінці за координатами, а не зберігається як абзаци й комірки таблиці, як у редагованому DOCX. Якщо витягнути його суцільним потоком рядків, можна втратити відповідність між заголовком, приміткою, значенням у комірці та підписом до графіка. Тому візуально звіряй сторінку, навіть якщо всі слова начебто перекладені.
OCR помилився в короткому, але важливому фрагменті. Довге речення часто дає контекст, а один символ у номері чи літера у прізвищі можуть не мати жодної очевидної підказки. Перевіряй ключові поля за зображенням, а не лише за змістом речення.
Рукопис сприйняли як друкований текст. Автоматично прочитати рукопис або дуже поганий скан буває непросто. Якщо важливе слово не вдається підтвердити, попроси чіткіший файл або звірся з оригіналом. Позначка про нерозбірливе місце точніша за впевнену здогадку.
Сторінка виглядає добре, але текст не можна перевірити. PDF/A може точно відтворювати зображення, але не давати витягти текст. Пояснення Бібліотеки Конгресу США допомагає розрізнити візуальну відповідність і наявність машинозчитуваного шару.
Архівні вимоги сплутали з правилами для всіх перекладів. Параметри сканування NARA стосуються передавання певних текстових записів до Національного архіву США. Не подавай їх як обов’язкову роздільність для кожного перекладацького проєкту. Перевіряй вимоги установи, для якої готують документ, і не перенось архівну специфікацію на інше завдання без підстав.
Для команди, яка регулярно обробляє такі файли, стане в пригоді короткий журнал перевірки: сторінка, тип проблеми, що виправили, що лишилося непевним і хто ухвалив рішення. Він не замінює фінального читання, зате допомагає не загубити зауваження під час передавання файлу.
Як перевірити готовий переклад і верстку¶
Фінальна перевірка має відповісти на два запитання: чи правильно перекладено зміст і чи зрозуміло, до якого елемента сторінки належить кожен фрагмент. Граматично правильний текст не гарантує правильного розташування, а охайна верстка - точності перекладу.
Порівнюй оригінал і переклад посторінково, а не лише як суцільний текст. Зістав послідовність блоків, назви розділів, примітки, позначення в таблицях, підписи до графіків і текст на печатках, якщо його треба перекладати. Переконайся, що жоден абзац випадково не залишився мовою джерела.
Числа перевір окремо. Зістав з оригіналом дати, суми, номери справ, одиниці виміру й нумерацію таблиць, навіть якщо решта речення читається добре. Формат дати може змінитися відповідно до цільової мови, але саме значення має залишитися незмінним.
У складному документі перевір, чи переклад умістився у відведене місце. Довший рядок може зсунути сусідній блок, закрити підпис або змінити висоту таблиці. Документація Google Cloud попереджає про втрату форматування в перекладених сканованих PDF, а також про можливі проблеми зі складними таблицями, кількома колонками й графіками з підписами.
NARA пояснює правила оцифрування документів для своїх потреб:
“NARA does not require agencies to perform OCR when digitizing their records.”
Це правило стосується оцифрування документів для NARA, а не перекладу для клієнта. Тут важливо інше: OCR створює додатковий текстовий шар, але не має стирати оригінальне зображення. Збережи його, щоб мати з чим звіряти розпізнаний текст.
Окремо звір, чи кінцевий файл відповідає домовленості. Якщо замовнику потрібен редагований текст, PDF, у якому переклад є лише зображенням, може не підійти. Якщо потрібна верстка, текстовий файл без таблиць і схем теж не буде готовим результатом. Узгодь формат до початку роботи, а не після перекладу.
Команді, яка регулярно працює зі сканами, варто вести список сторінок зі сканами, сумнівних ділянок OCR, критичних чисел і результатів візуального порівняння. Докладніше про можливості та обмеження OCR для сканованих документів читай у матеріалі про можливості та обмеження AI-OCR.
FAQ¶
Як перекласти сканований PDF, у якому не можна виділити текст?¶
Спершу розпізнай зображення сторінок за допомогою OCR, звір розпізнані слова з оригіналом і виправ важливі помилки. Після перекладу порівняй готовий документ зі сканами, щоб знайти пропуски й проблеми з версткою.
Чи перекладає Google Translate текст усередині сканованого PDF?¶
Довідка Google Translate попереджає, що текст у зображеннях і сканованих PDF-сторінках може відображатися у вихідному документі, але не перекладатися. Тому пряме завантаження PDF не доводить, що текст зі сканів перекладено.
Чи потрібно робити OCR перед перекладом PDF?¶
Так, якщо PDF містить лише зображення сторінок і не має текстового шару. OCR перетворює зображення тексту на машинозчитувані символи, які можна перевірити й перекласти.
Як перевірити, чи правильно OCR розпізнав PDF?¶
Порівняй розпізнаний текст із відповідною ділянкою скану. Особливо уважно перевір імена, дати, числа, одиниці виміру, заголовки таблиць і слова, які закривають печатки чи інші елементи сторінки.
Як зберегти верстку перекладеного сканованого PDF?¶
Переглянь документ посторінково: перевір таблиці, колонки, графіки, підписи, заголовки та порядок читання. Google Cloud попереджає про втрату частини форматування в перекладених сканованих PDF, тому зістав готовий текст з оригінальними зображеннями.
Чи можна перекладати сканований PDF через браузер на телефоні?¶
Довідка Google Translate, перевірена 11 квітня 2026 року, зазначала, що переклад документів у браузері недоступний на менших екранах і мобільних пристроях. Якщо твій процес залежить від мобільного браузера, перевір актуальні умови сервісу.
Чи потрібне OCR, якщо PDF/A добре виглядає на екрані?¶
Не обов’язково: вигляд документа й наявність придатного для пошуку тексту - різні речі. Бібліотека Конгресу США зазначає, що PDF/A рівня B зі сканованих зображень не обов’язково підтримує індексування або витягування тексту.
Чи можна перекласти PDF, де частина сторінок відсканована, а частина містить звичайний текст?¶
Можна, але перевір кожну сторінку окремо. Документація Google Cloud попереджає, що сканований вміст у змішаних PDF не перекладається, навіть якщо цифровий текст у тому самому документі обробився.