W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, niemniej jednak 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 jednakże 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 takowych 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 z dużą uwagą odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko pełne zdania, lecz też momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (zobacz również:transkrypcje cennik). Przy dłuższych materiałach ważne 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 wtedy, gdy rozmówcy mówią równocześnie. W takim wypadku 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, choć 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 znaczy to jednak, że właściwie każdy zapis powinien wyglądać dokładnie tak samo. Inaczej opracowuje się rozmowę, w której istotna jest naturalna metoda 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 przyszłości wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana wyłącznie pod względem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrealizowane w spokojnym pomieszczeniu zwykle daje możliwość łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele ludzi rozmawia równocześnie. 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 istotna jest weryfikacja nazw własnych, dat, liczb oraz terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmodyfikować 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 wyłącznie przypuszczać.
Warto sprawdzić: stenogram.