W pracy z materiałami dźwiękowymi znaczenie ma nie tylko i wyłącznie to, co zostało powiedziane, niemniej jednak też sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie dokładnie określonej informacji bez zapisu bywa czasochłonne. W takich wypadkach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.

Samo przepisanie słów nie zawsze natomiast wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się dobitnie usłyszeć. W praktyce trzeba 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 użyty w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie z uwagą odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Istotne mogą być nie tylko i wyłącznie całe zdania, lecz także momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (warto zobaczyć:transkrypcja cennik). Przy dłuższych materiałach istotne staje się także oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. Jeżeli na nagraniu mówi kilka osób, konieczne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się w szczególności wtedy, gdy rozmówcy mówią równocześnie. W takim przypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na podstawie domysłów.

Określenie stenogram jest na prawdę bardzo często używane zamiennie z transkrypcją, choć w współzależności od wykorzystania może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się głównie z możliwie wiernym odtworzeniem przebiegu wypowiedzi, dlatego przy jego przygotowaniu liczy się kolejność słów i zachowanie informacji występujących w nagraniu. Nie oznacza to jednak, że każdy zapis powinien wyglądać tożsamo. Zupełnie inaczej opracowuje się rozmowę, w której bardzo ważna jest naturalna metoda wypowiedzi, a przeciwnie materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się między innymi powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednakże w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma w przyszłości wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana tylko pod względem wyglądu gotowego tekstu.

Na dokładność zapisu wpływa przede wszystkim jakość materiału wejściowego. Nagranie wykonane w spokojnym pomieszczeniu zwykle daje możliwość łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele osób rozmawia jednocześnie. Znaczenie ma także 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 zaznaczyć 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 zatem nie tylko i wyłącznie czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co naprawdę wynika z nagrania, a tym, co można tylko przypuszczać.

Zobacz także: transkrypcja do sądu.