Сканований PDF в OmegaT, MateCat і Wordfast: що вміє кожен

Клієнт надсилає скан свідоцтва про народження ще радянського зразка, дедлайн у п’ятницю, а працюєте ви в безкоштовному або недорогому CAT-інструменті. Кидаєте файл в OmegaT і бачите нуль сегментів, MateCat попереджає, що OCR для кирилиці експериментальний, а конвертер Wordfast Pro просто не знаходить, що конвертувати. Якщо треба перекласти сканований PDF в OmegaT, MateCat або Wordfast, відповідь для кожного своя, і скани читають лише два продукти з п’яти.

Далі: одна таблиця з відповідями, кроки для кожного інструмента, маршрут через Word, який працює з усіма, чек-лист перед імпортом і задокументовані граблі. Загальні огляди цих тулів є в гіді по OmegaT для початківців і порівнянні безкоштовних хмарних CAT; тут тільки про скани.

Що OmegaT, MateCat і Wordfast роблять зі сканованим PDF¶

Сканований PDF - це фотографія сторінки, загорнута в PDF. Щоб CAT-інструмент міг розбити її на сегменти, хтось має запустити OCR (оптичне розпізнавання символів, крок, який перетворює літери на картинці на текст). Хто це робить станом на жовтень 2026:

Джерела для кожного рядка є в розділах про інструменти нижче. Звідси два висновки: OmegaT і Wordfast Pro потребують OCR деінде, а обидва продукти, що читають скани (MateCat і Wordfast Anywhere), працюють онлайн. Якщо NDA клієнта забороняє хмарну обробку, це важливо.

Спершу перевірте, чи ваш PDF справді скан: виділіть рядок і вставте його в текстовий редактор. Якщо нічого не вставилось або вся сторінка виділяється одним блоком, текстового шару немає. Детальніша версія тесту, зокрема для змішаних файлів, є в статті чому Trados і memoQ не імпортують сканований PDF; логіка та сама.

Чому скан ламається в CAT-інструменті¶

CAT-інструмент працює з текстом: ділить речення на сегменти, шукає збіги в пам’яті перекладів і записує переклад назад у ту саму структуру. Скан дає йому лише пікселі. Спершу OCR має прочитати сторінку, а потім окрема задача має відновити верстку (абзаци, таблиці, колонки) у форматі, який CAT розуміє. Більшість проблем саме в другій задачі.

На OmegaT механізм видно найкраще, бо його код відкритий. Згідно з вихідним кодом PDF-фільтра OmegaT, фільтр бібліотекою Apache PDFBox знімає наявний текстовий шар, відсортований за положенням на сторінці, склеює рядки в абзаци до першого порожнього рядка і пише результат у .txt. У скані текстового шару немає, тож знімати нічого.

Розділ How to у посібнику OmegaT виносить PDF в окрему категорію:

Some formats, like PDF, cannot be properly handled through “round trip” conversions. They require an intermediate conversion to a supported format that serves as a base to manually create a proper target language document.

Простими словами: PDF не можна перекласти “туди й назад” одним рухом, спершу його конвертують у підтримуваний формат, а цільовий документ потім збирають вручну. Той самий абзац попереджає, що конвертація “will always require extensive manual adjustments”, тобто завжди потребує серйозного ручного доведення.

Скани додають свої проблеми. Печатки накладаються на текст, підписи перетинають рядки, рукописні дати читаються погано, а QR-код для розпізнавача просто чорний квадрат. Таблиці втрачають порядок читання, коли OCR іде рядком через дві колонки (детальніше в статті чому CAT-інструменти ламають таблиці й колонки в PDF).

Відбудову скану у Word ми знаємо зсередини, бо будували її самі. У ChatsControl візуальна модель дивиться на кожну сторінку і відтворює її як Word-копію, а друга перевірка порівнює копію зі сторінкою рядок за рядком ще до перекладу. Кожен скан отримує оцінку якості (good, fair або poor), бо рукопис і дуже зношені скани досі читаються ненадійно.

OmegaT: OCR немає, тож скан спершу стає Word-файлом¶

OmegaT 6.1 (6.1.0 вийшла 2 серпня 2026 року, за журналом змін OmegaT) не має OCR і не працює з зображеннями. PDF-фільтр з’явився в OmegaT 3.0.1 13 травня 2013 року і досі витягує лише текст, який уже є у файлі. Власного маршруту для скану в OmegaT немає, тому ви даєте йому файл, з яким він справляється добре.

1. Перевірте PDF. Якщо текст виділяється й вставляється, PDF-фільтр його витягне. Якщо ні, переходьте до кроку 3.
2. Для текстового PDF вирішіть, чи підходить .txt. Покладіть PDF у папку source проєкту, перекладіть і запустіть Project > Create Translated Files (Ctrl+D). Результат з’явиться як name.txt без жодного форматування: на розуміння змісту згодиться, для свідоцтва ні.
3. Скан розпізнайте в DOCX поза OmegaT і звірте Word-файл зі сканом.
4. Почистіть DOCX (список нижче).
5. Покладіть DOCX у папку source. OmegaT обробляє DOCX своїм фільтром для Office і зберігає форматування як теги, тож перекладений Word-файл матиме верстку вашого почищеного джерела.
6. Якщо тегів забагато, увімкніть Hide tags у Project > Properties (Ctrl+E).

Опція Hide tags зроблена саме для такого випадку. Розділ Project Properties у посібнику OmegaT пише про неї так:

This is especially useful when dealing with texts where inline formatting is not particularly useful (e.g., OCRed PDF, or poorly converted .odt or .docx files.)

Тобто опція корисна там, де внутрішнє форматування нічого не дає: розпізнаний PDF або погано сконвертовані .odt і .docx. Ціна теж описана: приховані теги складаються в кінець сегмента, і жирний, курсив та інше форматування доведеться ставити вручну в перекладеному файлі. Для файлів Word 2007 і новіших та сама сторінка радить скрипт Tagwipe, якщо треба просто зменшити кількість тегів.

Ще одне попередження саме для OmegaT: остаточний DOCX треба зафіксувати до початку перекладу. Посібник застерігає, що зміна файлів у папці source посеред проєкту може прибрати частину сегментів або додати нові. Знайшли помилку OCR на третій сторінці вже в процесі? Виправте її в перекладі, а джерело оновіть після здачі.

MateCat: OCR під час завантаження, на виході DOCX¶

MateCat розпізнає скан прямо під час завантаження, без окремого кроку конвертації, і нічого за це не бере. Як пише сайт MateCat:

It’s free for translation companies, translators and enterprise users.

Безкоштовно для агенцій, перекладачів і корпоративних користувачів. Довідка MateCat про формати називає “Scanned files (PDF and images)” серед 80 форматів і заявляє понад 200 мов (станом на жовтень 2026). PDF “will be downloaded as docx in order to be still editable”, тобто повертається як DOCX, а для PDF, зроблених у програмах верстки, довідка радить завантажувати оригінальний файл. Згідно з відкритим кодом MateCat, приймаються зображення bmp, png, gif, jpeg, jpg, jfif і tiff; розгорнутий сервіс може мати інші налаштування.

Кроки:

1. Завантажте скан (PDF або зображення) на головній сторінці MateCat і виберіть мовну пару.
2. Прочитайте повідомлення після завантаження. Для нелатинських алфавітів код показує попередження (цитата нижче) з порадою завантажити прев’ю і перевірити конвертацію. Зробіть це до першого сегмента.
3. Перекладайте в редакторі як завжди, з TM і MT.
4. Завантажте результат. Коли проєкт дійде до 100%, кнопка Draft у меню Download зміниться на Download translation.
5. Звірте DOCX зі сканом. За кодом, до повної назви файлу дописується .docx (scan.pdf стає scan.pdf.docx).

Довідка MateCat про завантаження перекладу пояснює, чому п’ятий крок обов’язковий:

There is an exception with source files in PDF or JPG. In this case, once translated, it will be downloaded a Word DOCX target file.

Для джерел PDF і JPG ви отримуєте не PDF, а Word DOCX. Наступне речення додає, що для PDF і сканів “the output could have a similar but not identical layout and some manual editing could be required”: верстка схожа, але не ідентична, і ручне доведення може знадобитися. MateCat дає Word-файл, який треба доводити, а не готове свідоцтво. Та сама довідка каже, що завантаження Draft підставляє машинний переклад замість невідредагованих частин, тож чернетку клієнту не відправляйте.

Для української, російської, грузинської чи будь-якої іншої нелатинської мови найважливіше попередження сидить у коді MateCat станом на 13 жовтня 2026 року:

File uploaded successfully. Before translating, download the preview to check the conversion. OCR support for non-latin scripts is experimental.

Файл завантажено, але перед перекладом завантажте прев’ю й перевірте конвертацію, бо OCR для нелатинських алфавітів експериментальний. Для скану українського документа це пряма вказівка перевірити кожну сторінку. У коді також є помилка про те, що OCR для мов із письмом справа наліво не підтримується, хоча мовні дані позначають арабську та іврит як такі, що мають OCR. Як розгорнутий сервіс поводиться з арабським сканом сьогодні, незрозуміло, тож протестуйте одну сторінку до того, як називати ціну.

Wordfast Pro, Anywhere і Classic: три продукти, три відповіді¶

У Wordfast три інструменти для перекладу: Pro читає лише текстові PDF, Anywhere конвертує скани, Classic покладається на Word.

Wordfast Pro: OCR немає, спершу конвертація¶

Довідка Wordfast Pro 11 називає “Portable Document Format (*.pdf)” підтримуваним форматом і пише, що Live Preview працює з DOCX, сконвертованими з PDF, тобто Pro всередині перетворює PDF на DOCX. Про OCR, скановані PDF чи формати зображень довідка не згадує взагалі.

Сторінка вікі Wordfast про переклад PDF у Wordfast Pro (востаннє редагована 14 квітня 2021 року) пише прямо: вбудований конвертер обробляє лише “живі” PDF з текстом, що виділяється, і намагається зберегти верстку, форматування та шрифти. “Мертві” PDF (скани й фото) вікі радить спершу сконвертувати у Wordfast Anywhere. Отже, у Pro ви конвертуєте скан у Word через Anywhere або OCR-програму, перевіряєте й чистите файл, перекладаєте DOCX і експортуєте DOCX.

Wordfast Anywhere: скан на вході, Word на виході, перевірка за вами¶

Wordfast Anywhere (WFA) - онлайн-версія Wordfast і саме той продукт, куди Wordfast відправляє зі сканами. Довідка Wordfast Anywhere (FAQ 4.2.9) описує процес так:

1. Завантажте PDF як будь-який інший файл. У списку форматів є “pdf” і “tif tiff”, але немає JPG і PNG, тож фото з телефона спершу збережіть у PDF.
2. Дотримуйтесь інструкції у вікні попередження і завантажте Word-версію кнопкою внизу цього вікна.
3. Звірте Word-документ зі сканом.
4. Завантажте Word-версію назад і перекладайте.
5. Заберіть переклад; довідка пише, що його можна завантажити і в PDF.

Довідка попереджає, що конвертація “may take some time (up to 10 minutes)”, тобто може тривати до 10 хвилин залежно від розміру й вмісту PDF. PDF із паролем або обмеженнями доступу не конвертуються взагалі, а максимальний розмір одного завантаження 200 МБ, zip приймається (станом на жовтень 2026, за тією ж довідкою).

За сторінкою Wordfast Anywhere, WFA був безкоштовним з 2010 по 2022 рік і став платним 1 січня 2023: $9,90 на місяць, пробний місяць за $1 і безкоштовно, поки у вас чинна ліцензія Wordfast Classic або Pro. Без оплати акаунт, за довідкою WFA, переходить у режим Limited: 15 000 перекладених чи відредагованих слів на місяць, а “powerful document conversions” досі в переліку доступного. Вичерпали ліміт - до кінця місяця акаунт переходить у режим Basic, де завантаження заблоковані.

Довідка не називає OCR-рушій, мови розпізнавання чи ліміти сторінок, тож протестуйте одну сторінку у своїй мовній парі, перш ніж називати ціну.

Wordfast Classic: що дасть Word, те й перекладете¶

Wordfast Classic - надбудова для Word, тож перекладає лише те, що відкриває Word. Посібник WFC 9 пише, що “starting in 2019” Word відкриває PDF як редаговані документи (це формулювання посібника, сама функція старша). Для “мертвих” PDF посібник радить тримати підписку на Wordfast Anywhere заради його конвертера сканів.

Функція PDF/Web Text Rebuild (Tools > Misc у головному вікні налаштувань WFC) намагається зшити абзаци, які конвертація порвала жорстким переносом у кінці кожного рядка. Вона ж вирівнює дивні розміри шрифтів і зливає вузькі колонки, а посібник нагадує “always process a copy of a document!”, тобто працювати лише з копією. Про PDF як джерело той самий посібник пише відверто:

Note that no tool will let you translate a PDF “from within”, and deliver a visually correct translated PDF at the push of a button. PDFs must be converted to another format, and even that process is hazardous.

Жоден інструмент не перекладе PDF “зсередини” і не видасть візуально правильний PDF однією кнопкою, а навіть конвертація ризикована. Сприймайте це і як підказку для ціни: застереження в посібнику відносить “PDF conversions, OCRed material” до документів, які потребують експертної роботи. Якщо скан має повернутися у вигляді оригіналу, верстка входить у роботу і в кошторис (див. як рахувати скан, коли лічильник слів показує нуль).

Маршрут, що працює в усіх трьох: спершу перевірений Word-файл¶

Хоч який у вас інструмент, найкерованіший маршрут однаковий: отримати зі скану чистий, перевірений DOCX і імпортувати його як будь-який клієнтський Word-файл. OmegaT, MateCat і всі три продукти Wordfast працюють з DOCX як з основним форматом.

Через OCR-програму¶

Word, Adobe Acrobat, ABBYY FineReader і Google Docs перетворюють скан на редагований текст, а з таблицями й формами справляються по-різному; порівняння є в статті сканований PDF у Word перед перекладом. Поверх будь-якої з них:

1. Спершу виправте зображення: вирівняйте, поверніть, якщо є змога, переськануйте (див. що виправити спершу в поганому скані).
2. Задайте мову OCR відповідно до реальних мов документа (для двомовного бланка обидві).
3. Експортуйте в DOCX, а не RTF чи TXT, щоб таблиці лишилися таблицями.
4. Звірте DOCX зі сканом: імена, дати, номери документів, суми.
5. Почистіть файл (список нижче), імпортуйте і перегляньте сегменти й теги до перекладу.

Чистка перед імпортом, для будь-якого OCR:

• Переноси всередині речень. Жорсткий перенос після кожного надрукованого рядка робить кожен шматок окремим сегментом. Зшийте їх (Text Rebuild у Wordfast Classic або обережна заміна знаків абзацу у Word).
• Текстові поля й рамки. Плаваючі поля змінюють порядок сегментів порівняно зі сторінкою, а поле, яке фільтр пропустить, лишиться неперекладеним. Перетворіть їх на звичайні абзаци або клітинки таблиці.
• Порядок читання. Сторінка у дві колонки має читатися по колонках, а не рядком навскіс.
• Шум шрифтів та інтервалів. OCR-вивід містить багато дрібних змін шрифту, розміру й інтервалу, і кожна може стати тегом. Приберіть пряме форматування з основного тексту або увімкніть Hide tags в OmegaT.
• Печатки й підписи. Вирішіть, як їх передати в перекладі, наприклад приміткою в квадратних дужках (див. переклад печаток і штампів).

Через сервіс “скан у Word”¶

Один з варіантів - ChatsControl: ви завантажуєте скан або фото (PDF, PNG, JPG, TIFF, WebP), сервіс читає сторінку і повертає редаговану Word-копію, що повторює верстку сторінки. Текст набраний так, як надрукований, таблиці стають справжніми таблицями, печатки, штампи, підписи й фото вирізані зі сторінки і стоять на своїх місцях, а QR-коди перемальовані начисто. Потім ви імпортуєте цей .docx в OmegaT, MateCat або Wordfast як будь-який клієнтський Word-файл (або перекладаєте прямо в тому самому сервісі).

1. Завантажте скан або фото і дочекайтеся завершення задачі.
2. На сторінці задачі завантажте Word-копію оригіналу кнопкою «Оригінал» (поруч із перекладеним Word-файлом і самим сканом).
3. Звірте цю копію зі сканом: імена, цифри, дати й оцінку якості.
4. Імпортуйте .docx мовою оригіналу у свій CAT і перекладайте зі своєю TM і глосарієм.

Результат - звичайний документ Word; OmegaT, MateCat і Wordfast імпортують його так само, як будь-який клієнтський .docx. Після імпорту перегляньте теги, як з будь-яким конвертованим файлом. Подивитися, які Word-копії виходять, можна на сторінці реальні скани поруч із Word-файлами, які повернув сервіс.

Ціни станом на жовтень 2026, за застосунком ChatsControl: безкоштовно 6 000 символів на місяць, далі оплата за фактом, $1,50 за 1 000 символів ($2,70 за сторінку з 1 800 символів). Скани оплачуються за розпізнаними символами, але не менше 1 000 символів за сторінку. Кожна задача також дає переклад і оплачується так само, окремої ціни лише за OCR немає. Завантажені файли за замовчуванням видаляються автоматично через 30 днів.

Обмеження:

• ChatsControl не CAT-інструмент і не TMS: немає пам’яті перекладів і керування проєктом на рівні сегментів.
• Сервіс працює лише в хмарі, без локальної чи офлайн-версії.
• Рукопис і дуже зношені скани читаються ненадійно, і оцінка якості це показує (див. рукописні документи та OCR).
• Печатки, штампи й підписи лишаються картинками на своїх місцях. Якщо установа хоче бачити текст печатки в перекладі, ви самі додаєте примітку на кшталт [Печатка: …]; текст усередині картинки не перекладається.

Порівняння маршрутів і чек-лист перед імпортом¶

Жоден маршрут не скасовує звірки зі сканом.

Чек-лист перед імпортом (скопіюйте в нотатки до проєкту):

Що йде не так зі сканами в цих інструментах¶

OmegaT повертає для PDF звичайний текст. Люди чекають перекладений PDF, а знаходять name.txt у папці target. За кодом PdfFilter, так задумано. PDF-фільтр годиться, щоб прочитати зміст, але не для роботи з версткою.

PDF із паролем. У журналі змін OmegaT для версії 4.1.0 (січень 2017) є виправлення “Password-protected PDF prevents project from loading”: тепер проєкт відкривається, але фільтр усе одно видає помилку на такому файлі. Wordfast Anywhere захищені PDF теж не конвертує. Попросіть у клієнта розблокований файл заздалегідь.

Розірвані абзаци через жорсткі переноси. Знак абзацу після кожного надрукованого рядка робить з рядка сегмент, тож збігів із TM менше, а переклад читається уривками. У посібнику Wordfast Classic під це є окремий інструмент і ще окремий макрос.

Назва файлу й чернетка в MateCat. Результат приходить як scan.pdf.docx, тож перейменуйте його перед здачею. Завантаження Draft заповнює недороблені сегменти машинним перекладом, за довідкою MateCat.

Нелатинські скани в MateCat. OCR для нелатинських алфавітів позначено як експериментальний. Для українського свідоцтва чи радянського диплома перевірте прев’ю, перш ніж погоджуватися на дедлайн.

OCR-програми й свідоцтва. Свідоцтва були слабким місцем OCR задовго до AI. У треді на ProZ 2010 року про PDF і JPG в OmegaT Susan Welsh так описала свої результати з ABBYY:

For a certificate, or anything with lots of graphics and tables and text boxes, I have not found it satisfactory.

Для свідоцтв і всього, де багато графіки, таблиць і текстових полів, результат її не влаштовував. З вересня 2010 року OCR покращився, але свідоцтва й досі змішують на одній сторінці печатки, таблиці, дрібний шрифт і рукопис. Інший учасник того ж треду мав добрі результати, коли не довіряв автоматичному розпізнаванню макета і вручну розмічав зони тексту й графіки, приблизно хвилину на сторінку.

Здача результату. Жоден із цих інструментів не повертає верстку скану в PDF. OmegaT дає .txt (або DOCX, якщо джерело було DOCX), MateCat і Wordfast дають Word-файли, а довідка Wordfast Anywhere обіцяє завантаження PDF, але не пише, наскільки він схожий на скан. Якщо клієнт хоче PDF, збережіть перевірений Word-файл у PDF і закладіть час на верстку. Після перекладу безкоштовна перевірка якості перекладу порівняє файл з оригіналом за цифрами й змістом і зловить цифри, які OCR прочитав неправильно ще на старті.

Агенціям, які вирішують, чи вистачить цих тулів для роботи зі сканами, допоможе порівняння memoQ, Smartcat і Wordfast для невеликої агенції, а ту саму проблему в платному десктопному інструменті розбирає гід по сканованих PDF у memoQ.

Часті питання¶

Чи може OmegaT перекласти сканований PDF?¶

Напряму ні. OmegaT не має OCR, а його PDF-фільтр читає лише наявний текстовий шар і записує результат у .txt. Спершу розпізнайте скан у Word-файл, перевірте його і покладіть DOCX у папку source проєкту.

Чи розпізнає MateCat скановані PDF і зображення?¶

Так. Довідка MateCat називає скановані PDF і зображення підтримуваними форматами, а джерело PDF чи JPG завантажується назад як Word DOCX. Відкритий код MateCat називає OCR для нелатинських алфавітів експериментальним, тож для кирилиці спершу завантажте прев’ю й перевірте його.

Як перекласти сканований PDF у Wordfast Pro?¶

Спершу сконвертуйте його поза Wordfast Pro. Конвертер Pro працює тільки з PDF, де текст виділяється, а вікі Wordfast відправляє скани у Wordfast Anywhere. Завантажте там Word-версію, перевірте її і відкрийте цей DOCX у Wordfast Pro.

Чи безкоштовний Wordfast Anywhere для конвертації сканів?¶

З 1 січня 2023 року ні. Він коштує $9,90 на місяць, перший місяць за $1, і безкоштовний, поки у вас чинна ліцензія Wordfast Classic або Pro (станом на жовтень 2026). У режимі Limited конвертація документів лишається, але є ліміт 15 000 слів на місяць.

Чи будуть після OCR безладні теги й сегменти?¶

OCR-вивід цілком може їх зіпсувати. Жорсткий перенос після кожного рядка рве речення на шматки, а зміни шрифту чи інтервалу перетворюються на зайві теги. Почистіть DOCX до імпорту, для OCR-тексту в OmegaT увімкніть Hide tags і перегляньте теги після імпорту, як з будь-яким конвертованим файлом.

Чи безпечно завантажувати документи клієнта в MateCat або онлайн-OCR?¶

Спершу перевірте умови конфіденційності клієнта. MateCat, Wordfast Anywhere і будь-який онлайн-OCR обробляють файл на чужому сервері; OmegaT, Wordfast Pro і встановлена OCR-програма лишають його на вашому комп’ютері. Якщо договір забороняє хмару, працюйте офлайн.

Чи можна віддати клієнту перекладений PDF?¶

Без додаткової роботи ні. OmegaT для PDF повертає .txt, MateCat повертає DOCX, а посібник Wordfast Classic прямо пише, що жоден інструмент не перекладає PDF зсередини і не віддає візуально правильний PDF. Віддайте перевірений DOCX або збережіть його в PDF після верстки.

Джерела¶

1. Журнал змін OmegaT (changes.txt)
2. Вихідний код PdfFilter в OmegaT
3. Посібник OmegaT: How to…
4. Посібник OmegaT: Windows and Dialogs
5. MateCat: про сервіс
6. Довідка MateCat: підтримувані формати й мови
7. Довідка MateCat: завантаження перекладу
8. Довідка Wordfast Pro 11
9. Вікі Wordfast: переклад PDF у Wordfast Pro
10. Довідка Wordfast Anywhere
11. Wordfast Anywhere: ціна й доступ
12. Посібник Wordfast Classic 9
13. Форум ProZ, підтримка OmegaT: робота з PDF і JPG (2010, архів)