W pracy z materiałami dźwiękowymi znaczenie ma nie tylko i wyłącznie 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 przypadkach 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 jednoznacznie usłyszeć. W praktyce należy wówczas rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z owych 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 z dużą uwagą odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Istotne mogą być nie tylko i wyłącznie kompletne zdania, lecz także momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (zobacz także:transkrypcja cennik). Przy dłuższych materiałach ważne staje się też oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. Jeżeli na nagraniu mówi kilka osób, konieczne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się w szczególności wówczas, gdy rozmówcy mówią jednocześnie. W takim wypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.
Określenie stenogram jest często używane zamiennie z transkrypcją, choćby 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 każdy zapis powinien wyglądać jednakowo. Zupełnie inaczej opracowuje się rozmowę, w której istotna jest naturalna metoda wypowiedzi, a inaczej materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się między innymi powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednak w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma w późniejszym czasie 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 wykonane w spokojnym pomieszczeniu zwykle pozwala łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo albo 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 powinno się to wyraźnie podkreślić w tekście. Równie bardzo ważna 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 zatem nie tylko i wyłącznie czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co de fakto wynika z nagrania, a tym, co można jedynie przypuszczać.
Sprawdź: transkrypcja do sądu.