Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w dużej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W takich wypadkach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane podczas pracy.

Samo przepisanie słów nie za każdym razem jest jednakże najprostszym zadaniem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebw dodatku rozpoznać, kto zabiera głos. O ile materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce dużo lepiej zaznaczyć miejsce trudne do ustalenia niż uzupełniać tekst na podstawie przypuszczeń.

Innego podejścia wymaga dokument przeznaczony do wykorzystania w postępowaniu. Transkrypcja do sądu powinna głównie możliwie wnikliwie odzwierciedlać tekst źródłowego nagrania, ponieważ dosłownie pozornie drobne różnice mogą posiadać znaczenie przy ocenie materiału (więcej informacji na stronie: transkrypcja do sądu cennik). Istotne mogą być nie tylko i wyłącznie same słowa, lecz także kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią równocześnie. W współzależności od celu dokumentu wykorzystuje się różny poziom szczegółowości. Zdarza się, że potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, by łatwiej było odnaleźć dany fragment nagrania. Nie powinno się dodatkowo poprawiać wypowiedzi jedynie po to, by brzmiała bardziej literacko. Język mówiony na prawdę bardzo często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone w trakcie nadmiernej redakcji.

W sytuacji dłuższych materiałów często pojawia się pojęcie stenogram, choć w praktyce zakres tego określenia bywa różnie rozumiany. Stenogram może być szczegółowym zapisem przebiegu rozmowy albo wydarzenia, z uwzględnieniem kolejności wypowiedzi poszczególnych osób. Przy pracy z takim materiałem na prawdę istotna staje się konsekwencja w oznaczaniu rozmówców a także zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się szczególnie wówczas, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho lub nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie nieprostych fragmentów z wcześniejszym i późniejszym kontekstem, a w pewnych przypadkach też wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to jednakże, że niejasny fragment należy samodzielnie interpretować. Misją osoby sporządzającej zapis jest możliwie wierne przedstawienie materiału, a nie zmienianie jego treści.

Na dokładność zapisu wpływa także sposób przygotowania samego nagrania. Wyraźny dźwięk, niewielka liczba zakłóceń i możliwie czytelny podział głosów ułatwiają późniejszą pracę. Przy materiałach użytych do celów formalnych warto zachować oryginalny plik, ponieważ treść jest zapisem pochodnym i ewentualnie powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z właściwym miejscem nagrania. Znaczenie ma także metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia użytkowanie z tekstu. Dlatego przy transkrypcji powinno się każdorazowo uwzględnić rodzaj materiału, jego zastosowanie oraz ograniczenia wynikające z jakości źródła.

Więcej informacji: transkrypcja do sądu.