Przygotowanie tekstowego zapisu rozmowy lub innego materiału dźwiękowego wymaga uwzględnienia nie tylko wypowiadanych słów, niemniej jednak też kontekstu całej wypowiedzi. Znaczenie ma jakość nagrania, liczba uczestników, sposób prowadzenia rozmowy a także obecność zakłóceń, które mogą utrudniać rozpoznanie poszczególnych fragmentów. Transkrypcje nagrań mogą obejmować wywiady, spotkania, rozmowy telefoniczne, wykłady, przesłuchania czy materiały zarejestrowane w trakcie różnych wydarzeń.
W współzależności od przeznaczenia zapisu stosuje się różnorakie zasady jego opracowania. W wersji dosłownej uwzględnia się też powtórzenia, urwane zdania, zawahania i charakterystyczne elementy wypowiedzi. Z kolei zapis redagowany może pomijać część naturalnych powtórzeń, jeśli nie zmienia to sensu przekazywanych informacji. Wybór metody powinien wynikać z tego, do czego treść będzie w przyszłości wykorzystywany.
Szczególnego podejścia wymaga materiał, który ma zostać zastosowany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie wiernie oddawać przebieg rozmowy, bez samodzielnego poprawiania wypowiedzi w sposób wpływający na ich znaczenie. Istotne jest zachowanie kolejności dialogu, rozróżnienie osób zabierających głos a także oznaczenie fragmentów, których nie można niedwuznacznie odtworzyć (zobacz również: stenogram cennik). Nie powinno się zastępować niezrozumiałych słów przypuszczeniami, nawet jeżeli kontekst sugeruje określoną treść. W takiej okoliczności dużo lepiej podkreślić nieczytelny fragment wraz z najlepszym oznaczeniem czasu nagrania. Przydatne jest także zachowanie informacji o przerwach, nakładających się wypowiedziach czy nagłej zmianie tematu, jeżeli już mają one znaczenie dla interpretacji rozmowy. Sam zapis tekstowy nie przesądza natomiast o prawdziwości przedstawionych w nim informacji ani o ich wartości dowodowej. O sposobie wykorzystania nagrania i jego transkrypcji decydują prawidłowe przepisy oraz okoliczności dokładnie określonej sprawy.
W praktyce opracowywanie materiałów dźwiękowych wiąże się z wieloma trudnościami, których nie zawsze można uniknąć poprzez wielokrotne odsłuchiwanie. Problemem bywają niewyraźna wymowa, szumy w tle, słaba jakość mikrofonu, a także rozmowy prowadzone przez kilka osób jednocześnie. Szczególnie wymagające są nagrania, w których uczestnicy na prawdę bardzo często sobie przerywają lub używają skrótów i określeń znanych jedynie z wcześniejszego kontekstu. W tak zaistniałych okolicznościach stenogram powinien zachowywać czytelny układ wypowiedzi, a jednocześnie nie może tworzyć pozornej pewności tam, gdzie dźwięk nie daje możliwość na jednoznaczne postanowienie treści. Rozpoznanie głosów także wymaga ostrożności. Jeśli nie ma podstaw do przypisania wypowiedzi konkretnej osobie, właściwsze jest przeznaczenie neutralnego oznaczenia uczestnika. Warto również pamiętać, że automatyczne narzędzia rozpoznawania mowy mogą błędnie interpretować nazwy własne, daty, liczby i specjalistyczne terminy. Dlatego wynik automatycznego przetwarzania wymaga sprawdzenia z oryginalnym materiałem.
Istotnym elementem pracy z nagraniem jest także sposób zapisywania danych, które mogą mieć znaczenie w następnym postępowaniu lub analizie. Daty, godziny, kwoty, nazwiska i nazwy miejsc powinny być moderowane ze wyjątkową uwagą, ponieważ dosłownie drobna pomyłka może zmodyfikować sens wypowiedzi. W przypadku dłuższych materiałów pomocny jest podział tekstu na odcinki odpowiadające dalszym etapom rozmowy oraz stosowanie znaczników czasu. Ułatwia to odnalezienie konkretnego fragmentu bez konieczności ponownego odsłuchiwania całego pliku. Znaczenie ma także rozróżnienie między słowami de fakto wypowiedzianymi a komentarzami osoby opracowującej zapis. Ewentualne uwagi techniczne powinny być wyraźnie oddzielone od treści rozmowy. Przy materiałach zawierających dane osobowe powinno się dodatkowo uwzględnić zasady ich przetwarzania i przechowywania. Zakres szczegółowości zapisu zależy od celu jego sporządzenia, rodzaju nagrania a także wymagań instytucji, do której dokument ma zostać przekazany.
Zobacz także: transkrypcja nagrań.