W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, ale 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 za każdym razem jednak wystarcza. Przy mniej wyraźnych nagraniach pojawiają się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się dobitnie usłyszeć. W praktyce powinno się 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 użyty w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie z uwagą 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 lub fragmenty, w których wypowiedź jest niezrozumiała (źródło:transkrypcja do sądu cennik). Przy dłuższych materiałach ważne staje się także 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 jednocześnie. W takim przypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na podstawie domysłów.
Określenie stenogram jest często używane zamiennie z transkrypcją, choćby w zależności od zastosowania może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się głównie 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 tak samo. Całkiem inaczej opracowuje się rozmowę, w której na prawdę istotna jest naturalna metoda wypowiedzi, a przeciwnie 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 później wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana jedynie pod kątem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie wykonane w spokojnym pomieszczeniu zwykle umożliwia łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo albo wiele ludzi rozmawia równocześnie. Znaczenie moraz 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 zaznaczyć 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 zmienić znaczenie całego fragmentu. Transkrypcja jest więc nie tylko i wyłącznie czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co de facto wynika z nagrania, a tym, co można wyłącznie przypuszczać.
Zobacz więcej: stenogram.