Podczas przepisywania rozmowy z pliku audio bardzo szybko okazuje się, że najwięcej trudności nie wynika z samego pisania, lecz z konieczności właściwego odczytania tego, co faktycznie zostało powiedziane. Nagranie może zawierać dłuższe przerwy, zmiany tematu, poprawianie własnych wypowiedzi lub fragmenty wypowiadane bardzo cicho. Transkrypcja nagrań wymaga więc jednoczesnego słuchania i zapisywania informacji w sposób uporządkowany.

Przy prostych rozmowach wystarcza zwykle rozpoznanie kolejnych wypowiedzi, jednakże przy bardziej złożonym materiale dochodzi identyfikacja osób, zarządzanie kolejności a także zaznaczanie miejsc, których nie można dobitnie odczytać. Istotne jest także rozróżnienie pomiędzy zapisem dosłownym a treścią po redakcji. W pierwszym przypadku pozostawia się naturalne cechy mowy, tj. powtórzenia czy niedokończone zdania. W drugim można ograniczyć elementy utrudniające lekturę, jednak każda ingerencja w tekst powinna mieć dany cel i nie może prowadzić do zmiany znaczenia wypowiedzi.

Duże znaczenie ma jakość samego nagrania. Plik zarejestrowany w cichym pomieszczeniu daje w całości inne sposobności niż materiał pochodzący z miejsca, w którym słychać ruch uliczny, pracujące urządzenia albo kilka rozmów prowadzonych równocześnie. Problematyczne bywają także nagrania z telefonu, gdy urządzenie znajduje się daleko od osoby mówiącej. W takich ustaleniach pojedyncze słowa mogą być trudne do rozpoznania, a próba odtworzenia ich tylko na podstawie kontekstu prowadzi do ryzyka błędu. W praktyce lepiej pozostawić oznaczenie niezrozumiałego fragmentu niż wpisać słowo, które tylko może się wydawać prawdopodobne. Przy dłuższych materiałach przydaje się również oznaczanie czasu nagrania. Daje możliwość ono bardzo szybko wrócić do dokładnie sprecyzowanej wypowiedzi i porównać zapis z oryginalnym plikiem. Ma to znaczenie w szczególności wtedy, gdy dokument będzie analizowany przez osoby, które nie uczestniczyły w rozmowie.

W materiałach związanych z postępowaniem prawnym sposób opracowania zapisu może mieć dodatkowe znaczenie. Transkrypcja do sądu powinna przedstawiać treść nagrania w sposób czytelny, niemniej jednak bez swobodnego interpretowania wypowiedzi uczestników. Nie trzeba poprawiać sensu zdania tylko dlatego, że rozmówca użył błędnej formy językowej lub przerwał wypowiedź w połowie (źródło:transkrypcja cennik). O ile na nagraniu występuje kilka osób, niezbędne jest konsekwentne oznaczanie ich wypowiedzi. Jeszcze trudniejsza sytuacja pojawia się przy mówieniu jednoczesnym, ponieważ wówczas nie za każdym razem da się ustalić pełną treść obu wypowiedzi. W takim wypadku warto podkreślić nakładanie się głosów, zamiast zbudować na pozór kompletny zapis. Znaczenie mogą mieć też dłuższe pauzy, śmiech, podniesiony głos czy odgłosy wskazujące na reakcję uczestników, jeśli są wyraźnie słyszalne i istotne dla przebiegu rozmowy.

W współzależności od celu dokumentu wykorzystuje się różnorodne sposoby przedstawiania materiału. Stenogram może być przygotowany w formie bardzo zbliżonej do rzeczywistego przebiegu rozmowy, z zachowaniem kolejności wypowiedzi i charakterystycznych elementów mowy. Przy innych zastosowaniach treść może zostać uporządkowany tak, by łatwiej było odnaleźć konkretne informacje, bez zmieniania ich znaczenia. W obu przypadkach na prawdę ważna pozostaje konsekwencja przy stosowaniu oznaczeń oraz dokładne sprawdzanie nazwisk, dat, liczb i nazw własnych. To właśnie takie najmniejsze elementy są podatne na pomyłki, szczególnie gdy dźwięk jest niewyraźny lub rozmówca posługuje się niewiele znanym określeniem. Przy pracy z nagraniem warto także pamiętać, że tekst nie oddaje wszystkich cech komunikacji ustnej. Nie każdą intonację czy emocję można dobitnie opisać, dlatego zapis powinien oddzielać to, co rzeczywiście wynika z nagrania, od interpretacji osoby przygotowującej dokument.

Polecana strona: transkrypcja do sądu.