Sporo informacji przekazywanych podczas rozmów ma znaczenie głównie w chwili, gdy padają dokładnie sprecyzowane słowa. Po pewnym czasie pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku na prawdę bardzo często utrudnia szybkie odnalezienie potrzebnego fragmentu. Z tego powodu przygotowywana jest transkrypcja nagrań, czyli przeniesienie treści wypowiadanej w materiale audio lub wideo do formy pisemnej.
W zależności od rodzaju nagrania zapis może dotyczyć jednej osoby lub wieloosobowej rozmowy, a trudność pracy zmienia się wraz z jakością dźwięku. Inaczej wygląda materiał z wyraźną wymową i jednym rozmówcą, a inaczej spotkanie, podczas którego głosy nakładają się na siebie. Znaczenie mają także pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (zobacz: transkrypcje cennik). W takich okolicznościach nie powinno się samoczynnie zastępować niezrozumiałych słów swoją interpretacją, ponieważ nawet niewielka zmiana może wpłynąć na sens całej wypowiedzi.
Szczególnego znaczenia nabiera zapis materiału, który ma zostać wykorzystany w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania oraz celu, któremu ma służyć dokument. Istotne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi a także sposobność odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie zawsze prawidłowe jest także poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich usterki, powtórzenia czy zdania rozpoczęte i niedokończone. Ich nadmierne wygładzanie może spowodować, że dokument przestanie wiernie przedstawiać przebieg rozmowy. Sposób opracowania powinien więc wynikać z tego, czego wymaga dokładnie określone wykorzystanie materiału.
W praktyce dużo czasu może zająć nie samo wpisywanie słów, lecz rozstrzyganie miejsc problematycznych. Wartościowy stenogram nie powinien opierać się na zgadywaniu, gdy nagranie nie umożliwia dobitnie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu potrafią sprawić, że pojedyncze słowo staje się skomplikowane do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią jednocześnie. Wówczas konieczne może być wielokrotne odsłuchanie krótkiego fragmentu i porównanie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, niemniej jednak nie powinien być traktowany jako podstawa do dopisywania treści, której de fakto nie słychać. W dokumentach o charakterze formalnym szczególnie ważne jest rozdzielenie tego, co wynika bezpośrednio z nagrania, od tego, co mogłoby być wyłącznie domysłem osoby wykonującej zapis.
Znaczenie ma także sposób przygotowania materiału przed rozpoczęciem pracy. Oryginalne nagranie powinno pozostać dostępne, ponieważ zapis tekstowy nie zastępuje źródła i w razie konieczności może wymagać porównania z konkretnym fragmentem audio albo wideo. Przydatne okazuje się również zachowanie jednolitego sposobu oznaczania osób, czasu oraz fragmentów, których nie można dokładnie odczytać. W przypadku kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może w przyszłości utrudnić interpretację całego dokumentu. Znacząca jest również jakość samego pliku. Kompresja, bardzo cichy dźwięk lub nagranie zrealizowane z ogromnej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu powinno się brać pod uwagę nie tylko formę tekstu, lecz również sposobności i ograniczenia materiału, z którego został on sporządzony.
Warto sprawdzić: transkrypcja nagrań.