W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, ale również sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie konkretnej informacji bez zapisu bywa czasochłonne. W takich sytuacjach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.
Samo przepisanie słów nie za każdym razem natomiast wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się jednoznacznie usłyszeć. W praktyce należy wówczas rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z owych form służy nieco innemu celowi, dlatego sposób opracowania materiału warto ustalić przed rozpoczęciem pracy.
Szczególnego podejścia wymaga materiał, który ma być użyty w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie gruntownie odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko i wyłącznie pełne zdania, lecz także momenty zawahania, przerwy, zmiana osoby mówiącej lub fragmenty, w których wypowiedź jest niezrozumiała (zobacz także:stenogram cennik). Przy dłuższych materiałach istotne staje się również oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. Jeżeli już na nagraniu mówi kilka osób, niezbędne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się zwłaszcza wtedy, gdy rozmówcy mówią jednocześnie. W takiej okoliczności zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.
Określenie stenogram jest często używane zamiennie z transkrypcją, choćby w zależności od zastosowania 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. Zupełnie inaczej opracowuje się rozmowę, w której na prawdę istotna 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, jednak w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma w późniejszym czasie wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana tylko pod kątem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrealizowane w spokojnym pomieszczeniu zwykle umożliwia łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo albo wiele ludzi rozmawia równocześnie. 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 znacząca jest weryfikacja nazw własnych, dat, liczb oraz terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmienić znaczenie całego fragmentu. Transkrypcja jest zatem nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co realnie wynika z nagrania, a tym, co można jedynie przypuszczać.
Źródło: transkrypcje nagrań.