Як перекласти сканований PDF у memoQ 12.5: OCR, імпорт, експорт

Клієнт надсилає скан договору оренди на шість сторінок і фото свідоцтва про народження з телефона, здати треба в четвер, а вся ваша робота живе в memoQ. Ви імпортуєте PDF, а перекладати нічого. Як перекласти сканований PDF у memoQ у такій ситуації? memoQ 12.5 не прочитає сторінку за вас, тож задача ділиться на три частини: OCR поза memoQ, чистий імпорт і формат здачі, який прийме клієнт.

Нижче практична версія для memoQ 12.5 (десктопна програма; memoQ TMS користується тими ж сторінками довідки): шлях імпорту, налаштування фільтра, чистка Word-файлу, текст у печатках і логотипах і чек-лист перед імпортом. Чому CAT-інструменти взагалі не беруть PDF із самих зображень, розібрано в статті чому Trados і memoQ не імпортують сканований PDF, тут продовжуємо з того місця, де вона закінчується.

Що memoQ 12.5 робить зі сканованим PDF або фото¶

У memoQ 12.5 немає вбудованого OCR (оптичного розпізнавання символів, тобто кроку, який перетворює літери на картинці на текст). Актуальна версія - memoQ 12.5.20, release notes від 3 вересня 2026 року на сторінці завантажень memoQ, і довідка memoQ про PDF говорить про скани 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.”

Простими словами: memoQ не витягує текст зі сканованих PDF, де сторінки збережені як зображення. Та сама сторінка відправляє вас до зовнішньої програми розпізнавання, наприклад “Nuance OmniPage or ABBYY FineReader”. Позиція самого memoQ така: OCR зовні, переклад усередині.

Колись memoQ мав OCR. memoQ 8.1 (2017) інтегрував сервіс TransPDF від Iceni, і анонс memoQ 8.1 рахував його в кредитах: “Each credit allows you to OCR one page and will cost you about 15 euro cents”, тобто близько 15 євроцентів за сторінку. Той самий пост, який 26 травня 2017 року написав Пітер Рейнольдс (Peter Reynolds) з memoQ, починається з фрази, яку впізнає кожен перекладач:

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

“Більшість перекладачів, яких я знаю, палко ненавидять PDF із зображень”. Ненависть пережила саму функцію. У release notes memoQ до версії 10.4.12 (8 листопада 2023 року) записано “Removing the TransPDF import option … Because of the discontinuation of the TransPDF service”. Отже, платне OCR усередині memoQ існувало з 8.1 до 10.3, а з 10.4 його немає.

На заміну нічого не прийшло. У release notes від 10.4.12 до 12.5.20 немає жодної функції для PDF чи OCR; AI-розробка memoQ у цей період пішла в переклад AGT і оцінку якості AIQE, а вони працюють з уже наявним текстом.

Для PDF, де текст таки є, довідка про PDF описує два способи імпорту (memoQ 12.5):

• Конвертація в DOCX. memoQ перетворює PDF на Word за допомогою бібліотеки Aspose.PDF у режимі “Text flow conversion” або “Attempt to keep formatting” і імпортує результат.
• Простий текст. memoQ витягує сирий текст через xPDF і викидає форматування; довідка залишає цей спосіб для корпусів LiveDocs і вирівнювання, а не для документів, які ви перекладаєте.

З фото окрема пастка. У списку підтримуваних форматів справді є “Image files” (.bmp, .jpg, .png, .tif та інші), але в довідці memoQ немає сторінки, яка пояснює цей фільтр, і ніде не сказано, що memoQ читає текст з фотографії. Фото з телефона - той самий скан: спочатку OCR.

Не впевнені, чи ваш PDF узагалі скан? Спробуйте виділити речення у програмі для перегляду PDF. Якщо нічого не виділяється або вставлений текст - абракадабра, файл складається із зображень; детальніше про цей тест у порівнянні способів перетворити сканований PDF на Word.

Чому скан ламається в CAT-інструменті: механізм¶

Сканована сторінка - це фотографія паперу. memoQ на сторінки не дивиться: він читає текст, ділить його на сегменти (речення, які ви перекладаєте по одному) і тримає форматування навколо них у вигляді тегів. У скані немає тексту, який можна поділити, тож memoQ нема з чим працювати, доки щось не прочитає картинку.

OCR виконує дві окремі роботи. Спершу розпізнає символи: які позначки є літерами, якою мовою, в якому порядку. Потім відновлює документ: які рядки складають абзац, чи сітка є таблицею, чи на сторінці дві колонки. Програма може добре впоратися з першим і погано з другим, і тоді ви отримуєте правильні слова в неправильному порядку.

Найважчі частини справжнього документа - не простий текст. Печатки, штампи, підписи, дати від руки й QR-коди - це картинки всередині картинки: OCR їх пропускає, читає як сміття або вставляє шматок тексту з обідка печатки посеред абзацу. Таблиці й колонки додають проблему порядку читання, про неї окремо в статті чому CAT-інструменти ламають таблиці й багатоколонкову верстку PDF.

Відтворення Word-копії скану - саме та робота, навколо якої ми побудували ChatsControl, тож ось як вона виглядає зсередини. Візуальна модель дивиться на кожну сторінку й будує її Word-копію: текст набраний так, як надрукований, таблиці - справжні таблиці, поля стоять біля своїх підписів. Печатки, штампи, підписи й фото вирізаються зі сторінки й ставляться туди, де вони були; QR-коди й штрихкоди зчитуються й малюються наново, чисто. Друга перевірка порівнює копію зі сторінкою рядок за рядком і повертає знайдене на виправлення. Кожен скан отримує оцінку якості (добра, задовільна, погана); рукопис і дуже пошкоджені скани читаються ненадійно, і оцінка про це каже.

Для користувача memoQ висновок простий: якість OCR і якість верстки - два різні питання, і після імпорту memoQ не виправить жодне з них. Порядок тексту й структура, які ви даєте memoQ, і стають вашими сегментами.

Шлях 1: OCR у PDF з текстовим шаром, потім фільтр PDF у memoQ¶

У першому шляху ви імпортуєте саме PDF. Програма OCR додає до скану текстовий шар (так званий searchable PDF, його створення описує довідка Adobe Acrobat), а фільтр PDF у memoQ конвертує цей шар у DOCX через Aspose.PDF. Імпортуйте з параметрами, щоб бачити налаштування фільтра; шлях нижче взято з довідки memoQ про параметри імпорту документів і підтримувані формати (memoQ 12.5):

1. Відкрийте проєкт і перейдіть у Project home > Translations.
2. На стрічці Documents натисніть стрілку під Import і оберіть Import with options.
3. Виберіть PDF з текстовим шаром і відкрийте його.
4. У вікні Document import options виділіть файл і натисніть Change filter and configuration.
5. У Document import settings перевірте, що в полі Filter стоїть PDF (Portable Document Format).
6. Оберіть конвертацію в DOCX, а не імпорт простого тексту (xPDF), який викидає форматування.
7. Оберіть режим: Text flow conversion (назва попереджає, що він “might slightly change formatting”, тобто може трохи змінити форматування) або Attempt to keep formatting (назва попереджає, що частина тексту може загубитися).
8. Перегляньте інші опції: Specify relative horizontal proximity, Recognize bullet point symbols і вкладку DOCX.
9. Завершіть імпорт і звірте документ зі сканом.

Для скану починайте з Text flow conversion: різницю у форматуванні видно і її можна виправити, а пропущений рядок - це пропуск у перекладі, який ніхто не помітить, доки не помітить клієнт. Attempt to keep formatting беріть лише для сторінки зі складною версткою, яку встигнете звірити рядок за рядком.

Перший шлях має структурне обмеження. PDF з текстовим шаром проходить дві реконструкції, яких ви не контролюєте: програма OCR будує текстовий шар, а потім Aspose.PDF вгадує з нього абзаци й таблиці. Між цими кроками не виправиш ні зламану таблицю, ні неправильно прочитане прізвище, тож кожна помилка стає сегментом. Шлях 1 підходить для чистого одноколонкового листа чи короткої довідки без таблиць; для сіток, бланків і двох колонок другий шлях дає більше контролю.

Шлях 2: OCR у DOCX, чистка, потім імпорт Word-файлу¶

Другий шлях ми радимо для більшості сканів: розпізнайте сторінку у Word-документ поза memoQ, почистіть його з відкритим поруч сканом і імпортуйте результат, як будь-який клієнтський .docx. Проблеми ви виправляєте у Word, де їх видно, а не зустрічаєте у вигляді зламаних сегментів.

Порада не нова. У дописі 2012 року про фільтр PDF у memoQ (часи memoQ 5/6, тож читайте як історію) Кевін Лосснер (Kevin Lossner) сформулював це одним реченням:

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

Тобто PDF зі складним або сканованим вмістом потребує програми OCR. Через чотирнадцять років поточна довідка memoQ каже те саме. Змінився лише вибір програм.

Яку програму OCR взяти для DOCX¶

• ABBYY FineReader або Nuance OmniPage. Спеціалізовані програми OCR, ті дві, які називає довідка memoQ.
• Microsoft Word. Word відкриває PDF і конвертує його копію в DOCX, але Microsoft пише, що конвертація “works best with files that are mostly text”, тобто найкраще працює з файлами, де переважає текст. Сторінка, яка є суцільною картинкою, може так картинкою й лишитися.
• Adobe Acrobat. Розпізнає текст і створює PDF з текстовим шаром, який далі можна зберегти у Word або віддати в перший шлях.
• Google Документи через Google Диск. Безкоштовно для простої сторінки, з обмеженнями нижче.

Довідка Google Диска про OCR встановлює для цього способу ліміт 2 МБ (станом на жовтень 2026 року) і чесно попереджає про структуру:

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

Списки, таблиці, колонки й виноски, найімовірніше, не розпізнаються. Тож Google Документи підійдуть для одноколонкового листа і ризиковані для бланка чи банківської виписки. Проженіть одну тестову сторінку через свою програму, перш ніж віддавати їй 40 сторінок.

Чистка перед імпортом: що виправити в DOCX¶

Робіть це з відкритим поруч сканом; кожен пункт прибирає проблему, яку інакше зустрінете в сітці перекладу memoQ.

1. Звірте імена, цифри й дати зі сканом. OCR плутає схожі символи, а неправильна цифра в номері паспорта переживе переклад. Те, що не читається, позначте як [нерозбірливо].
2. Приберіть розриви рядків усередині речень. OCR може ставити знак абзацу в кінці кожного надрукованого рядка. memoQ сегментує в межах абзаців, тож речення, розрізане на три рядки, стає трьома сегментами без сенсу.
3. Витягніть текст із текстових полів і рамок. OCR іноді кладе кожен блок в окреме поле, щоб імітувати сторінку, і поля можуть потрапити в memoQ не в порядку читання. Перенесіть текст в основне тіло документа.
4. Відновіть таблиці як справжні таблиці Word. Якщо таблиця вийшла табуляціями й пробілами, її клітинки опиняються в одному абзаці, і memoQ бачить суцільний текст. Вставте нормальну таблицю й перенесіть текст у неї.
5. Приберіть шум форматування. Шрифт, кегль чи міжлітерний інтервал, що змінюються посеред речення, в memoQ стають зайвими тегами. Скиньте пряме форматування в основному тексті й поверніть жирний там, де він є в оригіналі.
6. Вирішіть, що робити з печатками, штампами й підписами. Якщо установа хоче бачити текст печатки, додайте примітку в квадратних дужках, наприклад [Печатка: …]. Як оформлювати такі примітки, описано в статті про переклад печаток і штампів.
7. Збережіть як .docx і тримайте скан під рукою під час перекладу.

Далі імпортуйте DOCX через Import або Import with options, як будь-який Word-файл, і один раз пройдіться по сітці перекладу й тегах, звіряючись зі сканом; автоматичні QA-перевірки тегів, чисел і термінології зловлять пізніше те, що пропустить око. Якщо сторінка дуже бліда чи розмита, спершу виправте джерело: що виправити в поганому скані перед перекладом.

Другий шлях забирає час: на щільному бланку чистка може тривати довше за сам переклад. Виносьте її в кошторис окремим рядком, як описано в статті як оцінити сканований документ, коли підрахунок слів нічого не знаходить.

Шлях 3: сервіс «скан у Word», потім memoQ¶

Третій шлях замінює програму OCR і більшу частину чистки сервісом. Один із варіантів - ChatsControl: ви завантажуєте скан або фото (PDF, PNG, JPG, TIFF, WebP), сервіс читає сторінку й повертає редагований Word, що повторює макет сторінки. Текст набраний так, як надрукований, таблиці - справжні таблиці, печатки, штампи, підписи й фото вирізані зі сторінки й стоять на своїх місцях, QR-коди перемальовані начисто. Далі ви імпортуєте цей .docx у memoQ, як будь-який клієнтський Word-файл (або перекладаєте документ одразу в тому ж сервісі).

Для роботи в memoQ порядок такий:

1. Завантажте скан або фото в ChatsControl і дочекайтеся завершення задачі.
2. На сторінці задачі завантажте Word-копію оригіналу (кнопка Оригінал поруч із перекладеним Word-файлом і самим сканом).
3. Звірте копію зі сканом: імена, цифри, дати, оцінку якості.
4. Імпортуйте .docx мовою оригіналу в memoQ і перекладайте зі своєю пам’яттю перекладів і термінологічною базою.

Результат - звичайний документ Word; memoQ імпортує його так само, як будь-який клієнтський .docx. Після імпорту перегляньте теги, як із будь-яким конвертованим файлом, а як виглядають такі Word-копії, можна подивитися заздалегідь на сторінці зі справжніми сканами поруч із Word-файлами, які повернув сервіс.

Ціни станом на жовтень 2026 року, за даними застосунку ChatsControl: безкоштовно 6000 символів на місяць, далі оплата за фактом, $1,50 за 1000 символів ($2,70 за сторінку на 1800 символів). Скани оплачуються за розпізнаними символами, але не менше ніж 1000 символів за сторінку. Задача одночасно робить і переклад, а платите ви за завантаження, як описано вище; окремої ціни «лише OCR» немає. Завантажені файли за замовчуванням видаляються автоматично через 30 днів.

Обмеження:

• ChatsControl не CAT-інструмент і не TMS: немає пам’яті перекладів, немає керування проєктом на рівні сегментів.
• Сервіс лише хмарний, без локальної чи офлайн-версії, тож не підходить клієнтам, які забороняють хмарну обробку.
• Рукопис і дуже пошкоджені скани читаються ненадійно, і оцінка якості про це каже (про рукописні документи й OCR).
• Печатки, штампи й підписи лишаються картинками на своїх місцях. Якщо установа хоче бачити текст печатки, примітку на кшталт [Печатка: …] додаєте ви; текст усередині картинки не перекладається.

Після перекладу в memoQ експортований файл можна звірити з оригіналом у безкоштовній QA-перевірці перекладу, яка рядок за рядком порівнює цифри й зміст.

Порівняння трьох шляхів¶

Жоден шлях не скасовує звірку зі сканом; різниця в тому, де саме ви її робите.

Друга половина рішення - що переживає кожен шлях:

Що йде не так зі сканами в memoQ і що ви здаєте клієнту¶

Кожна пастка нижче має джерело в документації або історії версій memoQ.

Інструкції, які досі ведуть до TransPDF¶

Пост про memoQ 8.1 з 2017 року досі висить онлайн, з кнопкою “Pay for OCR” і кредитами за 15 центів. А довідка memoQ про PDF тепер каже: “The TransPDF service is no longer available in memoQ 10.4 and later.” Внутрішня інструкція агенції чи навчальне відео, де згадано TransPDF, написані до memoQ 10.4, і їх треба переписати.

“Attempt to keep formatting” може загубити текст¶

Другий режим конвертації в DOCX memoQ підписує власним попередженням, що частина тексту може загубитися, як видно з довідки про PDF. На скані з печатками, дрібним шрифтом і полями в рамках загублений рядок - це пропуск у юридичному документі. Якщо працюєте в цьому режимі, порахуйте абзаци на скані й у документі memoQ до початку перекладу.

Простий текст знищує структуру¶

На бланку імпорт простого тексту через xPDF губить зв’язок між підписом поля і значенням, тож дата народження й дата видачі стають двома датами без контексту.

Текст у зображеннях лишається невидимим¶

Навіть PDF з ідеальним текстовим шаром може ховати текст у картинках: логотип, вставлена печатка, блок підпису. Довідка memoQ про PDF каже про це прямо:

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

Якщо в PDF є текст у зображеннях, memoQ його не розпізнає. Відповідь memoQ на це - Image transcriptions, і вона ручна: ви набираєте текст, який бачите на зображенні (“type the text that you see in the image”), перекладаєте ці транскрипції в memoQ і передаєте дизайнеру пакет для локалізації зображень, щоб той вставив переклад у картинку. Працює функція лише для зображень, вбудованих у документи, які ви імпортуєте з увімкненою опцією “Import embedded images”. Для печатки на свідоцтві примітка в тексті на кшталт [Печатка: …] значно швидша за редагування картинки.

PDF з паролем не імпортується¶

Довідка memoQ про PDF каже, що PDF, захищені паролем, імпортувати не можна. Попросіть у клієнта розблоковану копію ще до кошторису; це не проблема OCR, і жодне налаштування OCR її не вирішить.

Здача: memoQ ніколи не експортує PDF¶

PDF-оригінал memoQ експортує як DOCX або TXT, залежно від способу імпорту, і ніколи як PDF (довідка про PDF, memoQ 12.5); шляхи 2 і 3 теж дають DOCX. Щоб здати PDF, звірте експортований DOCX зі сканом і збережіть його в PDF з Word. Якщо клієнт чекає PDF, ідентичний оригіналу сторінка в сторінку, це вже верстка: домовтеся про неї й закладіть її в ціну до початку роботи (як агенції рахують DTP для сканованих документів).

Інструмент memoQ PDF preview tool цього не змінює: memoQ описує його як окрему програму, яка показує довідковий PDF поруч із редактором. Переглядач, а не конвертер.

Чек-лист перед імпортом скану в memoQ¶

Пройдіть цей список до створення проєкту в memoQ; кожен рядок дешевше виправити зараз, ніж після перекладу.

Якщо файли приходять фотографіями з месенджера, спершу доможіться, щоб кожна сторінка була різкою, рівною й у правильному порядку; готовий процес описано в статті про прийом фото документів з WhatsApp в агенції. Ту саму задачу в інших інструментах розібрано в інструкції для Trados Studio і для Smartcat.

Часті питання¶

Як перекласти сканований PDF у memoQ?¶

Пропустіть скан через OCR поза memoQ, звірте результат зі сторінкою й імпортуйте вичищений DOCX, як звичайний Word-файл. Якщо у вас лише PDF з текстовим шаром, імпортуйте його через Import with options з фільтром PDF і конвертацією в DOCX у режимі Text flow conversion.

Чи є в memoQ OCR?¶

Ні. memoQ 12.5 не витягує текст зі сканованих PDF і радить зовнішню програму, наприклад ABBYY FineReader або Nuance OmniPage. Платне OCR через TransPDF, яке memoQ 8.1 пропонував у 2017 році, прибрали у версії 10.4.

Які налаштування імпорту PDF у memoQ обрати для розпізнаного PDF?¶

Фільтр PDF з конвертацією в DOCX, а не імпорт простого тексту, який викидає форматування. Почніть з Text flow conversion: другий режим, Attempt to keep formatting, у власній назві попереджає, що частина тексту може загубитися.

Чи перекладає memoQ текст на зображеннях?¶

Автоматично ні. Довідка memoQ каже, що текст у зображеннях усередині PDF не розпізнається. Для зображень, вбудованих в імпортований документ, є функція Image transcriptions: ви вручну набираєте видимий текст, перекладаєте його й передаєте дизайнеру пакет для локалізації зображень.

Чи буде безлад у сегментах і тегах після OCR?¶

Буде, якщо не почистити файл: розриви рядків усередині речень ріжуть сегменти, а зміни шрифту чи інтервалу посеред речення стають зайвими тегами. Почистіть DOCX до імпорту й після імпорту перегляньте теги, як із будь-яким конвертованим файлом.

Чи безпечно завантажувати документи клієнта в онлайн-OCR?¶

Спершу перевірте умови конфіденційності в договорі з клієнтом і правила зберігання файлів у сервісі. Встановлена на комп’ютер програма OCR лишає файл у вас; хмарний сервіс ні, тож обирайте сервіс із зрозумілим автовидаленням або робіть усе офлайн.

Чи може memoQ повернути перекладений PDF?¶

Ні. PDF-оригінал memoQ експортує як DOCX або як простий текст, залежно від способу імпорту. Якщо клієнту потрібен PDF, збережіть перевірений Word-файл у PDF і закладіть у ціну верстку між цими кроками.

Джерела¶

1. PDF (Portable Document Format) files - довідка memoQ 12.5
2. Document import options - довідка memoQ 12.5
3. Supported source document formats - довідка memoQ 12.5
4. Image transcriptions - довідка memoQ 12.5
5. memoQ PDF preview tool - довідка memoQ
6. Release notes memoQ
7. Завантаження memoQ
8. PDFs in memoQ 8.1 - блог memoQ
9. memoQuickie: using the memoQ PDF filter - Translation Tribulations
10. Розпізнавання тексту в сканованих PDF - довідка Adobe Acrobat
11. Відкриття PDF у Word - підтримка Microsoft
12. Перетворення PDF і фото на текст - довідка Google Диска