Як перекласти сканований PDF у Smartcat: 3 способи з OCR

Клієнт надсилає свідоцтво про народження радянського зразка і 14-сторінковий договір оренди, пропущений через офісний ксерокс, а здати все треба завтра. Нижче - як перекласти сканований PDF у Smartcat, не спаливши OCR-бюджет на неправильному воркфлоу, і що ви отримаєте на виході: PDF чи Word.

Smartcat читає скани сам. У Trados Studio і memoQ PDF, що складається лише із зображень, не дає CAT-інструменту жодного тексту (чому так), тож його спершу конвертують деінде, як показують гайди для Trados Studio і memoQ.

У Smartcat підступ потрійний: стандартний PDF-воркфлоу сканів не бере, воркфлоу для сканів треба вибрати вручну, а розпізнавання оплачується посторінково. Розбираємо три шляхи - власний OCR Smartcat, спершу OCR у Word і сервіс, що перетворює скан на Word, - що кожен повертає і де кожен ламається.

Що Smartcat насправді робить зі сканованим PDF чи зображенням¶

Smartcat запускає OCR (оптичне розпізнавання символів - крок, який перетворює картинку з літерами на текст, що його програма може розбити на сегменти) для сканованих PDF і файлів-зображень. Його довідкова стаття про OCR-сторінки для фрілансерів, оновлена 24 липня 2026 року, пише, що розпізнавання потрібне для сканованих PDF і файлів на основі зображень, а кожна така сторінка забирає одну OCR-сторінку.

OCR у Smartcat має історію. Стаття MultiLingual від 3 квітня 2015 року повідомляла, що ABBYY вбудувала свій OCR у тодішній SmartCAT, і PDF читалися «no matter whether they are text- or image-based» (незалежно від того, текстові вони чи складаються із зображень). Сучасна довідка Smartcat не називає, яким OCR-рушієм він користується зараз, тож не вважайте, що це досі ABBYY.

Три PDF-воркфлоу, і для сканів зроблений лише один¶

Гайд Smartcat з вибору PDF-воркфлоу, оновлений 17 вересня 2026 року, описує три воркфлоу. У таблиці - оцінки самого гайду.

Стандартний воркфлоу якраз і не справляється зі сканом. У тому ж гайді Smartcat пише про AI PDF Translation так:

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

Українською: не підтримує скановані PDF, тобто документи, які є зображеннями тексту. Якщо завантажити скан так само, як будь-який інший PDF, ви опинитеся не в тому воркфлоу ще до появи першого сегмента. Стаття про AI PDF Translation, оновлена 31 серпня 2026 року, вимагає «Documents with selectable text (not scanned images)» і приймає PDF до 100 МБ. Вона також попереджає, що документи понад 60 сторінок обробляються набагато довше, і прямо каже: «Handwritten text within PDFs is not supported» (рукописний текст у PDF не підтримується).

PDF via Image Pipeline - воркфлоу для сканів, і його метод парсингу називається pdfimageonly (назва сама каже, чого він чекає: PDF, що складається лише із зображень сторінок). Гайд оцінює його верстку як «Very good», а результат - перекладений PDF.

Standard (OCR to Word) гайд радить тоді, коли потрібен редагований Word. Верстка тут «Approximate» (приблизна), підтримка сканів «Limited» (обмежена), а таблиці й багатоколонкові сторінки, за словами гайду, часто доводиться переробляти. Усі три воркфлоу підтримують глосарій і пам’ять перекладів (TM), тож вибір залежить від того, що у вас на вході і що клієнт хоче отримати.

Автовизначення сканів: сторінки Smartcat суперечать одна одній¶

Сторінка PDF translator на сайті Smartcat обіцяє: «Scanned files are detected and OCR’d automatically» (скани визначаються і розпізнаються автоматично). А далі на тій самій сторінці - найкорисніше попередження в усій темі:

a misread source produces a confidently wrong translation

Українською: неправильно прочитаний оригінал дає впевнено неправильний переклад. Попередження важливіше за обіцянку: хибно розпізнана дата чи номер паспорта після перекладу не виглядають зламаними, вони виглядають гладким реченням з неправильною цифрою.

Сторінка Smartcat про переклад великих PDF суперечить обіцянці автовизначення: там сказано, що pdfimageonly «not detected for you» (сам не визначається), і додано, що «300 pages of OCR means 300 chances to misread» (300 сторінок OCR - це 300 шансів помилитися). Довідковий центр на боці другої сторінки, бо стандартний воркфлоу сканів просто не підтримує. Вибирайте pdfimageonly вручну щоразу, коли завантажуєте сканований PDF.

Оплата OCR: OCR-сторінки або Smartwords¶

Фрілансери платять за розпізнавання OCR-сторінками. Станом на липень 2026 року стаття про OCR-сторінки пояснює, що їх купують у розділі «Productivity Services», на окремому від MT-сторінок балансі, і скан на 20 сторінок забирає 20 OCR-сторінок. Ціни за OCR-сторінку стаття не наводить, тож перевірте актуальну ціну у своєму акаунті до того, як називати клієнтові вартість.

Бізнес-акаунти платять у Smartwords - внутрішній одиниці Smartcat для AI-роботи. Гайд з PDF-воркфлоу (вересень 2026 року) називає ціну Image Pipeline у двох місцях, і дві цифри за сторінку не збігаються: таблиця порівняння каже одне, FAQ - інше. Не будуйте кошторис ні на одній з них; проженіть один типовий файл і подивіться реальне списання у своєму акаунті, перш ніж запускати великий скан.

Порахувати обсяг для клієнта - окрема задача, бо підрахунок слів у скані нічого не знаходить. Про це - гайд з оцінки сканованого документа, а про самі тарифи - порівняння цін Smartcat, memoQ і Crowdin та огляд безкоштовних хмарних CAT-інструментів.

Зображення і фото з телефона¶

Сторінка підтримуваних форматів Smartcat, оновлена 12 жовтня 2026 року, перелічує формати зображень, які він приймає через OCR: JPG/JPEG/JFIF, TIF/TIFF, PNG, BMP, GIF, DCX/PCX, JP2/JPC, DJVU/DJV, JB2 і PDF лише із зображень. Там же написано: «Layout preservation depends on document complexity» (збереження верстки залежить від складності документа). Переліку мов OCR і ліміту розміру зображення сторінка не дає.

AI Image Translator - окремий інструмент з іншим результатом. За його довідковою статтею, оновленою 24 липня 2026 року, він приймає PNG, JPEG, JPG, BMP, PCX, JP, JPC, JFIF і GIF (лише перший кадр), прибирає текст із зображення, перекладає і вставляє назад. Завантажуєте результат «in the same format as it was uploaded», тобто JPG диплома повернеться як JPG, а не як DOCX, який можна редагувати.

Спершу перевірте текстовий шар¶

Виділіть речення в PDF і вставте його у звичайний текстовий редактор. Вставилися слова - текстовий шар є, і стандартний воркфлоу може підійти; не вставилося нічого - перед вами скан. Детальніше про цю перевірку і змішані PDF - у порівнянні способів перетворити скан на Word.

Чому скани ламаються в CAT-інструменті: механізм¶

Скан - фотографія сторінки. CAT-інструмент працює з текстом: ділить речення на сегменти, шукає збіги в TM і записує переклад назад у ту саму структуру. У скані немає ні тексту, ні структури, тому до першого сегмента мають відбутися дві окремі роботи.

Перша робота - розпізнавання: OCR читає літери з пікселів. Кожна хибно прочитана цифра, кожна латинська «i» замість української «і», кожне слово, розірване згином аркуша, стає оригіналом, з яким працюють ваша TM і машинний переклад. Редактор сегментів Smartcat не відрізнить хибно розпізнану цифру від справжньої.

Друга робота - відновлення верстки: вирішити, які рядки складають абзац, які клітинки складають таблицю і в якому порядку читати дві колонки. OCR може правильно прочитати кожну літеру і все одно повернути таблицю як набір окремих рядків або склеїти дві колонки в одне речення. Як це перетворюється на зламані сегменти, показано в статті про те, чому CAT-інструменти ламають таблиці й колонки в PDF.

Офіційні документи додають частини, які взагалі не є суцільним текстом: печатки, штампи, підписи, вписані від руки дати, фото і QR-коди. OCR їх пропускає, лишає картинками або читає кільце круглої печатки як безладний рядок посеред абзацу. Довідка Smartcat про три PDF-воркфлоу ніде не згадує печаток і штампів, тож задокументованої поведінки, на яку можна покластися, немає.

Відтворити скан як редагований Word - окрема робота. У пайплайні ChatsControl (детальніше в третьому способі) модель комп’ютерного зору дивиться на кожну сторінку і пише її копію у Word. Текст набирається так, як надрукований, таблиці стають справжніми таблицями, поля стоять поруч зі своїми підписами, а печатки, штампи, підписи й фото вирізаються зі сторінки і ставляться туди, де вони були. QR-коди і штрихкоди зчитуються і малюються наново чистими. Друга перевірка порівнює готову копію зі сторінкою рядок за рядком і відправляє знайдене на виправлення. Кожен скан отримує оцінку якості (good, fair або poor), а рукописний текст і дуже пошкоджені сторінки читаються ненадійно, що оцінка і показує.

Спосіб 1: власний OCR Smartcat, крок за кроком¶

Перший спосіб підходить, коли клієнт хоче отримати перекладений PDF, а скан - це читабельний друкований текст. Кроки йдуть за гайдом Smartcat з PDF-воркфлоу; гайд не називає жодних меню, крім діалогу завантаження, тож і цей список їх не вигадує.

1. Розсортуйте файли. Перевірте кожен PDF на текстовий шар і розділіть пакет. Гайд радить тримати окремо «digital native and scanned ‘piles’» - цифрові і скановані купки, бо вони йдуть різними воркфлоу.
2. Перевірте бюджет на розпізнавання. Порахуйте сторінки, які треба розпізнати. На акаунті фрілансера порівняйте цю кількість із балансом OCR-сторінок; у бізнес-акаунті подивіться, скільки Smartwords забере задача.
3. Створіть проєкт без файла. Шлях для сканів у гайді починається з порожнього проєкту.
4. Завантажте PDF і виберіть метод парсингу. У діалозі завантаження виберіть pdfimageonly.
5. Підключіть TM і глосарій. Усі три PDF-воркфлоу підтримують і те, і інше.
6. Звірте розпізнаний оригінал до перекладу. Покладіть сегменти поруч зі сканом і випишіть кожне хибно прочитане прізвище, дату, число й номер. Неправильна цифра в оригіналі стає неправильною цифрою в кожній мові перекладу.
7. Перекладіть і відредагуйте, як у будь-якому іншому проєкті Smartcat.
8. Завантажте перекладений PDF. Результат Image Pipeline, за гайдом, - PDF.

Крок 4 вирішує все. Гайд вкладає його в один рядок:

choose pdfimageonly as the parsing method

Українською: виберіть pdfimageonly як метод парсингу. Пропустите цей рядок - і скан потрапить у воркфлоу, який сканів не підтримує. Впишіть цей вибір у свій чек-лист прийому замовлень, щоб його не пропустив ні проджект-менеджер, ні новий фрілансер.

Коли краще вибрати Standard (OCR to Word)¶

Standard потрібен, коли результатом має бути редагований Word, наприклад якщо до перекладу ще додаватимуть засвідчувальний напис перекладача чи нотаріуса. Гайд Smartcat чесно пише про ціну такого вибору: верстка «Approximate», підтримка сканів «Limited», а таблиці й багатоколонкові сторінки часто доводиться переробляти.

Для листа на одну сторінку - нормально. Для свідоцтва про народження, зверстаного як таблиця полів, таблицю доведеться перебудовувати у Word після експорту, і цю верстку ви або виставляєте в рахунок, або робите безкоштовно (про це - скільки брати за DTP при перекладі сканів).

Обмеження першого способу¶

• На виході PDF. Будь-яка пізніша правка - ще один захід у Smartcat, а не швидке редагування у Word.
• Платна кожна сторінка. Кожна сторінка, яку треба розпізнати, забирає OCR-сторінку або Smartwords ще до початку перекладу.
• Верстка буває різною. Сторінка форматів пише, що збереження верстки «depends on document complexity», тож бланк із вкладеними полями треба перевіряти уважніше за лист.

Спосіб 2: спершу OCR у DOCX, потім імпорт у Smartcat¶

Другий спосіб виносить розпізнавання за межі Smartcat: ви перетворюєте скан на Word в OCR-програмі, чистите файл і імпортуєте його як звичайний DOCX. На вході маєте оригінал, який можна звірити, а на виході - редагований Word.

DOCX зі скану вміють робити Microsoft Word, Adobe Acrobat, ABBYY FineReader PDF і Google Docs (через Google Drive). Microsoft пише, що конвертація PDF у Word найкраще працює з файлами, де майже весь вміст - текст, а Google попереджає, що OCR у Drive навряд чи розпізнає таблиці, колонки, списки та виноски. В Acrobat можна задати мову розпізнавання, а FineReader - окрема десктопна OCR-програма. Обмеження і джерела по кожному варіанту зібрані в порівнянні способів перетворити скан на Word.

За статтею Smartcat про OCR-сторінки, OCR-сторінки витрачаються на сторінки, які треба розпізнати, а у файлі Word зі справжнім текстом таких немає.

Крок за кроком¶

1. Запустіть OCR із правильною мовою документа, якщо програма дає її задати. Українське свідоцтво, розпізнане з налаштуванням лише для англійської, може заповнитися схожими латинськими літерами.
2. Експортуйте в DOCX і тримайте скан відкритим поруч.
3. Звірте текст зі сканом: прізвища, дати, числа, номери документів, адреси. Те, чого не можна прочитати, позначайте як нерозбірливе, а не вгадуйте.
4. Виправте структуру до імпорту: - Склейте рядки, розірвані всередині речень. OCR ставить жорсткий перенос після кожного надрукованого рядка, а CAT-інструмент закінчує сегмент на кожному знаку абзацу, тож одне речення перетворюється на три сегменти. - Перенесіть текст із плаваючих текстових полів в основний текст або в клітинки таблиці, інакше він може потрапити в Smartcat не в тому порядку. - Виправте порядок читання колонок, щоб ліва закінчувалася раніше, ніж починається права. - Перебудуйте таблиці як справжні таблиці Word, а не рядки з табуляцією. - Приберіть форматувальний шум. OCR-файл, де шрифт, кегль чи міжлітерний інтервал змінюються посеред слова, дає зайві теги в CAT-інструменті, тож виділіть основний текст і скиньте пряме форматування там, де дозволяє верстка.
5. Вирішіть, що робити з печатками, штампами й підписами. Лишіть їх зображеннями на своїх місцях і заплануйте примітку в квадратних дужках, наприклад [Печатка: …], якщо установа хоче бачити текст печатки в перекладі. Правила оформлення - у гайді з перекладу печаток і штампів.
6. Імпортуйте DOCX у Smartcat, як будь-який клієнтський файл Word, і перегляньте сегменти й теги до того, як призначати задачу.
7. Перекладіть і завантажте Word. Якщо клієнт хоче ще й PDF, збережіть його з Word самі.

Другий спосіб коштує вам часу, а не посторінкових платежів: ліцензія OCR-програми або безкоштовний інструмент плюс ваше чищення. Для простого листа в одну колонку чищення коротке; для бланка з таблицями воно може наблизитися до вартості передруку, яку в цифрах розбирає стаття про реальну ціну передруку сканів.

Спосіб 3: сервіс scan-to-Word, потім Smartcat¶

Третій спосіб замінює ручний OCR і чищення з другого способу сервісом, який відтворює сторінку у Word. Один із варіантів - ChatsControl: ви завантажуєте скан або фото (PDF, PNG, JPG, TIFF, WebP), сервіс читає сторінку і повертає редаговану копію у Word, яка повторює верстку сторінки. У цій копії текст набраний так, як надрукований, таблиці - справжні таблиці, печатки, штампи, підписи й фото вирізані зі сторінки і стоять на своїх місцях, а QR-коди перемальовані чистими. Потім ви імпортуєте цей .docx у Smartcat, як будь-який клієнтський файл Word (або перекладаєте його одразу в тому ж сервісі).

Шлях до CAT-інструменту виглядає так:

1. Завантажте скан або фото в ChatsControl.
2. Дочекайтеся, поки задача завершиться.
3. На сторінці задачі завантажте Word-копію оригіналу кнопкою «Оригінал». Вона стоїть поруч із перекладеним файлом Word і самим сканом.
4. Звірте копію зі сканом: спершу подивіться на оцінку якості, потім на прізвища, числа й дати.
5. Імпортуйте .docx у Smartcat. На виході звичайний документ Word, і Smartcat імпортує його так само, як будь-який клієнтський .docx. Після імпорту перевірте теги, як із будь-яким конвертованим файлом.

Задача також створює переклад документа, тож його можна порівняти зі своїм або проігнорувати. Ціни станом на жовтень 2026 року, за даними ChatsControl: безкоштовно 6 000 символів на місяць, далі оплата за фактом - $1,50 за 1 000 символів ($2,70 за сторінку в 1 800 символів). Скани оплачуються за розпізнаними символами, але не менше 1 000 символів за сторінку, а завантаження за замовчуванням видаляються автоматично через 30 днів.

Обмеження теж треба знати. ChatsControl - не CAT-інструмент і не TMS: немає пам’яті перекладів, немає керування проєктом на рівні сегментів, тож робота з TM лишається в Smartcat. Сервіс працює лише в хмарі, без офлайн-режиму і без розгортання на власних серверах. Рукописний текст і дуже пошкоджені скани читаються ненадійно, і оцінка якості про це скаже. Печатки, штампи й підписи лишаються картинками на своїх місцях, тож якщо установа хоче бачити текст печатки, ви додаєте в переклад примітку на зразок [Печатка: …]; текст усередині зображення печатки не перекладається.

Щоб оцінити копії у Word ще до завантаження, подивіться приклади сканів: там справжні скани поруч із файлами Word, які повернув сервіс.

Три способи поруч¶

Таблиця порівнює, що повертає кожен спосіб і що переживає перенесення зі сторінки. Оцінки Smartcat - з його гайду з PDF-воркфлоу (вересень 2026 року); ціни ChatsControl - станом на жовтень 2026 року.

Чек-лист перед імпортом¶

Пройдіть ці перевірки до того, як файл потрапить у проєкт Smartcat. Кожен рядок спирається на факт із документації Smartcat або на збій, описаний вище.

Що йде не так зі сканами в Smartcat¶

Скан потрапляє в стандартний воркфлоу. AI PDF Translation стоїть за замовчуванням і сканів не підтримує, хоч би що обіцяв маркетинг про автовизначення. Вибирайте pdfimageonly вручну для кожного скану.

OCR-баланс закінчується посеред пакета. OCR-сторінки фрілансера лежать на окремому балансі, не разом з MT-сторінками. Коли вони закінчуються, стаття про OCR-сторінки наводить повідомлення, яке ви побачите:

You’ve used all your OCR pages.

Українською: ви використали всі свої OCR-сторінки. Пакет із 40 сторінок довідок потребує 40 OCR-сторінок ще до початку перекладу, тож перевіряйте баланс до того, як погоджуєтеся на дедлайн, а не об 23:00 напередодні здачі.

Оцінка вартості не збігається з гайдом. Гайд з PDF-воркфлоу наводить дві різні цифри Smartwords за сторінку для Image Pipeline, тож проженіть пробний файл і подивіться реальне списання, перш ніж називати ціну за великий архів сканів.

Для великого пакета немає масових дій. Гайд зазначає, що масового підтвердження чи завершення немає, тож 30 окремих сканів означають 30 файлів, які доведеться завершувати по одному.

Фото потрапляє в Image Translator. AI Image Translator повертає файл «in the same format as it was uploaded». Перекладений JPG диплома не можна відредагувати, доповнити засвідчувальним написом перекладача у Word чи пізніше перевірити посегментно. Фото з телефона краще обробляти так, як описано в робочому процесі для фото документів з WhatsApp.

Рукописний текст проскакує. Image Pipeline приймає рукописний текст через OCR, але хибно прочитана вписана від руки дата чи прізвище стає тим самим впевнено неправильним перекладом, про який попереджає сторінка Smartcat. Для документів, де більша частина написана від руки, є окремий гайд про оцифрування рукописних документів.

Печатки й штампи губляться у верстці. Жодна довідкова сторінка Smartcat про PDF-воркфлоу не згадує печаток і штампів. У засвідченому перекладі печатку треба врахувати, тож заплануйте опис у квадратних дужках ([Печатка: …]) у перекладі і перевіряйте результат посторінково.

Скан надто поганий для будь-якого OCR. Вицвілі копії, перекошені фото з телефона і сторінки якості факсу збільшують кількість помилок у кожному способі. Що виправити до розпізнавання, розбирає гайд про погані скани.

Клієнт чекав Word, а ви здали PDF. AI PDF Translation і Image Pipeline повертають PDF, Standard - Word з приблизною версткою. Запитайте клієнта, що йому потрібно, до вибору воркфлоу, бо переключення після перекладу означає повторне розпізнавання. Після здачі безкоштовна перевірка змісту й чисел перекладеного файла проти оригіналу ловить хибно прочитані цифри, які проскакують під час вичитки.

Часті питання¶

Як перекласти сканований PDF у Smartcat?¶

Створіть проєкт без файла, завантажте сканований PDF і в діалозі завантаження виберіть метод парсингу pdfimageonly, як описує гайд Smartcat з PDF-воркфлоу. Стандартний AI PDF Translation сканованих PDF не підтримує, а воркфлоу для сканів повертає перекладений PDF.

Чи є в Smartcat OCR і чи він безкоштовний?¶

Так, Smartcat розпізнає скановані PDF і зображення, але OCR платний. Фрілансери витрачають одну OCR-сторінку на кожну розпізнану сторінку з балансу, який купують у розділі Productivity Services, а бізнес-акаунти платять у Smartwords.

Що таке pdfimageonly у Smartcat?¶

pdfimageonly - метод парсингу для воркфлоу PDF via Image Pipeline, який гайд Smartcat позначає як такий, що підтримує скановані PDF і рукописний текст через OCR. Його вибирають вручну в діалозі завантаження, бо сторінка Smartcat про великі PDF прямо пише, що сам він не визначається.

Чи може Smartcat перекласти фото або зображення документа?¶

Так. Smartcat приймає через OCR формати JPG, PNG, TIFF, BMP, GIF, DjVu та інші, а AI Image Translator замінює текст усередині зображення. Image Translator повертає картинку в тому форматі, у якому ви її завантажили, тож фото свідоцтва повернеться картинкою, а не редагованим DOCX.

Чи можна отримати з Smartcat редагований Word замість PDF?¶

Воркфлоу Standard (OCR to Word) дає Word, але гайд Smartcat оцінює його верстку як приблизну, а підтримку сканів як обмежену. Для чистішого результату спершу перетворіть скан на DOCX, звірте його зі сторінкою і завантажте цей Word у Smartcat як звичайний документ.

Чи не буде хаосу в сегментах і тегах після імпорту розпізнаного Word?¶

Хаос можливий. Розриви рядків усередині речень, плаваючі текстові поля і часті зміни шрифту чи інтервалу в OCR-файлі дають розірвані сегменти й зайві теги в будь-якому CAT-інструменті. Почистіть DOCX до імпорту і перевірте теги після імпорту, як із будь-яким конвертованим файлом.

Чи безпечно завантажувати документи клієнта в онлайн-OCR?¶

Smartcat, ChatsControl та інші хмарні варіанти обробляють файл на чужих серверах, тож перед завантаженням перевірте NDA з клієнтом. ChatsControl за замовчуванням видаляє завантаження через 30 днів станом на жовтень 2026 року; якщо договір забороняє хмарну обробку, використовуйте десктопний OCR.

Джерела¶

1. Choosing the right PDF translation workflow in Smartcat - довідка Smartcat, три PDF-воркфлоу і шлях через pdfimageonly (оновлено 17 вересня 2026 року)
2. Understanding OCR pages and MT pages for freelancers - довідка Smartcat, як рахуються і купуються OCR-сторінки (оновлено 24 липня 2026 року)
3. Translating PDF documents with AI - довідка Smartcat, вимоги й обмеження AI PDF Translation (оновлено 31 серпня 2026 року)
4. Supported file formats - довідка Smartcat, формати зображень, які приймаються через OCR (оновлено 12 жовтня 2026 року)
5. Image Translator - довідка Smartcat, AI Image Translator і формат результату (оновлено 24 липня 2026 року)
6. ABBYY and SmartCAT - MultiLingual, 3 квітня 2015 року, про OCR від ABBYY у SmartCAT