W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, niemniej jednak także sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie konkretnej informacji bez zapisu bywa czasochłonne. W takich okolicznościach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.
Samo przepisanie słów nie za każdym razem jednak wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania lub fragmenty, których nie da się dobitnie usłyszeć. W praktyce powinno się wówczas rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z tych form służy nieco innemu celowi, dlatego sposób opracowania materiału warto ustalić przed rozpoczęciem pracy.
Szczególnego podejścia wymaga materiał, który ma być wykorzystany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie starannie odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Istotne mogą być nie tylko i wyłącznie pełne zdania, lecz także momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (polecana strona:transkrypcja cennik). Przy dłuższych materiałach istotne staje się także oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. O ile na nagraniu mówi kilka osób, konieczne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się zwłaszcza wówczas, gdy rozmówcy mówią jednocześnie. W takiej sytuacji zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.
Określenie stenogram jest na prawdę często używane zamiennie z transkrypcją, choćby w zależności od użycia może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się przede wszystkim z możliwie wiernym odtworzeniem przebiegu wypowiedzi, dlatego przy jego przygotowaniu liczy się kolejność słów i zachowanie informacji występujących w nagraniu. Nie oznacza to natomiast, że każdy zapis powinien wyglądać tak samo. Inaczej opracowuje się rozmowę, w której na prawdę ważna jest naturalna forma wypowiedzi, a zupełnie inaczej materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się w głównej mierze powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednakże w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma później wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana wyłącznie pod kątem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie wykonane w spokojnym pomieszczeniu zwykle pozwala łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele osób rozmawia jednocześnie. Znaczenie moraz sposób nagrania, rodzaj mikrofonu i odległość rozmówców od urządzenia. Przy bardzo słabej jakości dźwięku niektórych fragmentów nie da się odtworzyć z pełną pewnością i należy to wyraźnie podkreślić w tekście. Równie na prawdę ważna jest weryfikacja nazw własnych, dat, liczb a także terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmienić znaczenie całego fragmentu. Transkrypcja jest więc nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co faktycznie wynika z nagrania, a tym, co można wyłącznie przypuszczać.
Dodatkowe informacje: transkrypcja do sądu.