Wiele informacji przekazywanych podczas rozmów ma znaczenie przede wszystkim w chwili, gdy padają konkretne słowa. Prędzej czy później pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku na prawdę bardzo często utrudnia szybkie odnalezienie potrzebnego fragmentu. Z tego powodu przygotowywana jest transkrypcja nagrań, czyli przeniesienie treści wypowiadanej w materiale audio albo wideo do formy pisemnej.
W współzależności od rodzaju nagrania zapis może dotyczyć jednej osoby lub wieloosobowej rozmowy, a trudność pracy zmienia się wraz z jakością dźwięku. Przeciwnie wygląda materiał z wyraźną wymową i jednym rozmówcą, a całkiem inaczej spotkanie, w trakcie którego głosy nakładają się na siebie. Znaczenie mają także pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (źródło informacji: transkrypcja cennik). W takich okolicznościach nie trzeba automatycznie zastępować niezrozumiałych słów swoją interpretacją, ponieważ wręcz niewielka zmiana może wpłynąć na sens całej wypowiedzi.
Szczególnego znaczenia nabiera zapis materiału, który ma zostać zastosowany w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania oraz celu, któremu ma służyć dokument. Ważne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi a także sposobność odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie zawsze prawidłowe jest też poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich niedociągnięcia, powtórzenia czy zdania rozpoczęte i niedokończone. Ich nadmierne wygładzanie może spowodować, że dokument przestanie wiernie przedstawiać przebieg rozmowy. Sposób opracowania powinien zatem wynikać z tego, czego wymaga dokładnie określone przeznaczenie materiału.
W praktyce bardzo dużo czasu może zająć nie samo wpisywanie słów, lecz rozstrzyganie miejsc problematycznych. Przydatny stenogram nie powinien opierać się na zgadywaniu, gdy nagranie nie daje możliwość niedwuznacznie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu umieją sprawić, że pojedyncze frazę staje się skomplikowane do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią jednocześnie. Wówczas niezbędne może być wielokrotne odsłuchanie krótkiego fragmentu i porównanie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, niemniej jednak nie powinien być traktowany jako podstawa do dopisywania treści, której w rzeczywistości nie słychać. W dokumentach o charakterze formalnym w szczególności istotne jest rozdzielenie tego, co wynika wprost z nagrania, od tego, co mogłoby być tylko domysłem osoby wykonującej zapis.
Znaczenie ma też sposób przygotowania materiału przed rozpoczęciem pracy. Oryginalne nagranie powinno pozostać dostępne, ponieważ zapis tekstowy nie zastępuje źródła i ewentualnie może wymagać porównania z konkretnym fragmentem audio albo wideo. Przydatne okazuje się też zachowanie jednolitego sposobu oznaczania osób, czasu oraz fragmentów, których nie można wnikliwie odczytać. W sytuacji kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może w przyszłości utrudnić interpretację całego dokumentu. Znacząca jest również jakość samego pliku. Kompresja, bardzo cichy dźwięk albo nagranie zrealizowane z ogromnej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu powinno się brać pod uwagę nie tylko i wyłącznie formę tekstu, lecz też sposobności i ograniczenia materiału, z którego został on sporządzony.
Zobacz również: stenogram.