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 sprecyzowanej informacji bez zapisu bywa czasochłonne. W tak zaistniałych okolicznościach 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 niedwuznacznie usłyszeć. W praktyce należy wtedy 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 wnikliwie 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:stenogram cennik). Przy dłuższych materiałach istotne staje się też 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 w szczególności wówczas, gdy rozmówcy mówią równocześnie. 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, choć w zależności od użycia 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 natomiast, że każdy zapis powinien wyglądać tak samo. Inaczej opracowuje się rozmowę, w której na prawdę 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 wyłącznie pod kątem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrealizowane w spokojnym pomieszczeniu zwykle pozwala 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 trzeba to wyraźnie podkreślić w tekście. Równie znacząca jest weryfikacja nazw własnych, dat, liczb a także terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może przemienić znaczenie całego fragmentu. Transkrypcja jest więc nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co w rzeczywistości wynika z nagrania, a tym, co można jedynie przypuszczać.
Źródło: transkrypcja do sądu.