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 konkretnej informacji bez zapisu bywa czasochłonne. W takich wypadkach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.

Samo przepisanie słów nie za każdym razem jednakże wystarcza. Przy mniej wyraźnych nagraniach pojawiają się przerwy, nakładające się głosy, urwane zdania lub fragmenty, których nie da się niedwuznacznie usłyszeć. W praktyce powinno się 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 zastosowany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie z uwagą odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko kompletne zdania, lecz też momenty zawahania, przerwy, zmiana osoby mówiącej lub 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, niezbędne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się w szczególności wtedy, gdy rozmówcy mówią jednocześnie. W takiej sytuacji zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na podstawie domysłów.

Określenie stenogram jest często używane zamiennie z transkrypcją, choć w współzależności od wykorzystania 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 oznacza to jednakże, że właściwie każdy zapis powinien wyglądać bardzo podobnie. Inaczej opracowuje się rozmowę, w której na prawdę ważna jest naturalna forma wypowiedzi, a przeciwnie materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się w głównej mierze powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, natomiast w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma w przyszłości wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana jedynie pod względem wyglądu gotowego tekstu.

Na dokładność zapisu wpływa przede wszystkim jakość materiału wejściowego. Nagranie zrealizowane 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 trzeba to wyraźnie podkreślić w tekście. Równie na prawdę 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 więc nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co rzeczywiście wynika z nagrania, a tym, co można tylko przypuszczać.

Więcej: transkrypcja nagrań.