Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w bardzo wielu przypadkach, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W takich przypadkach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane w trakcie pracy.
Samo przepisanie słów nie za każdym razem jest jednakże prostym zadaniem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebw dodatku rozpoznać, kto zabiera głos. Jeżeli już materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce dużo lepiej podkreślić miejsce skomplikowane do ustalenia niż uzupełniać treść na podstawie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do wykorzystania w postępowaniu. Transkrypcja do sądu powinna przede wszystkim możliwie z dużą dokładnością odzwierciedlać treść źródłowego nagrania, ponieważ nawet pozornie drobne różnice mogą posiadać znaczenie przy ocenie materiału (sprawdź tutaj: transkrypcja do sądu cennik). Istotne mogą być nie tylko same słowa, lecz również kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W współzależności od celu dokumentu używa się różny poziom szczegółowości. Zdarza się, że potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, by łatwiej było wyszukać dany fragment nagrania. Nie należy przy tym poprawiać wypowiedzi wyłącznie po to, aby brzmiała bardziej literacko. Język mówiony na prawdę często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone w trakcie nadmiernej redakcji.
W sytuacji dłuższych materiałów na prawdę często pojawia się pojęcie stenogram, choć w praktyce zakres tego określenia bywa różnie rozumiany. Stenogram może być szczegółowym zapisem przebiegu rozmowy albo wydarzenia, z uwzględnieniem kolejności wypowiedzi poszczególnych osób. Przy pracy z takim materiałem znacząca staje się konsekwencja w oznaczaniu rozmówców oraz zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się w szczególności wówczas, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho albo nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie nieprostych fragmentów z wcześniejszym i późniejszym kontekstem, a czasem także wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to jednak, że niejasny fragment trzeba samemu interpretować. Misją osoby sporządzającej zapis jest możliwie wierne pokazanie materiału, a nie zmienianie jego treści.
Na dokładność zapisu wpływa również sposób przygotowania samego nagrania. Wyraźny dźwięk, niewielka liczba zakłóceń i możliwie czytelny podział głosów ułatwiają późniejszą pracę. Przy materiałach zastosowanych do celów formalnych warto zachować oryginalny plik, ponieważ treść jest zapisem pochodnym i w razie konieczności powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z odpowiednim miejscem nagrania. Znaczenie ma także forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, natomiast całkowity brak uporządkowania utrudnia użytkowanie z tekstu. Dlatego przy transkrypcji powinno się za każdym razem uwzględnić rodzaj materiału, jego wykorzystanie oraz ograniczenia wynikające z jakości źródła.
Sprawdź: transkrypcja do sądu.