Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w ogromnej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W tak zaistniałych okolicznościach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane w trakcie pracy.
Samo przepisanie słów nie zawsze jest jednakże najprostszym celem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się a także obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebw dodatku rozpoznać, kto zabiera głos. Jeżeli już materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce całkiem dobrze zaznaczyć miejsce trudne do ustalenia niż uzupełniać treść na podstawie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do użycia w postępowaniu. Transkrypcja do sądu powinna przede wszystkim możliwie dokładnie odzwierciedlać tekst źródłowego nagrania, ponieważ wręcz z pozoru drobne różnice mogą posiadać znaczenie przy ocenie materiału (polecamy: transkrypcje cennik). Ważne mogą być nie tylko same słowa, lecz też kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W współzależności od celu dokumentu stosuje się różny poziom szczegółowości. Czasami niezbędny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, by łatwiej było odnaleźć określony fragment nagrania. Nie powinno się dodatkowo poprawiać wypowiedzi jedynie po to, aby brzmiała bardziej literacko. Język mówiony często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone podczas nadmiernej redakcji.
W sytuacji dłuższych materiałów na prawdę bardzo często pojawia się pojęcie stenogram, choć w praktyce zakres tego określenia bywa różnie rozumiany. Stenogram może być szczegółowym zapisem przebiegu rozmowy lub wydarzenia, z uwzględnieniem kolejności wypowiedzi poszczególnych osób. Przy pracy z takim materiałem ważna staje się konsekwencja w oznaczaniu rozmówców oraz zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się zwłaszcza wówczas, gdy kilka osób wypowiada się jednocześnie, ktoś mówi bardzo cicho albo 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 również wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to natomiast, że niejasny fragment trzeba poświęcając własny czas interpretować. Celem osoby sporządzającej zapis jest możliwie wierne pokazanie 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 przeznaczonych do celów formalnych warto zachować oryginalny plik, ponieważ treść jest zapisem pochodnym i w razie konieczności powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można bardzo szybko porównać z właściwym miejscem nagrania. Znaczenie ma także forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednak całkowity brak uporządkowania utrudnia korzystanie z tekstu. Dlatego przy transkrypcji powinno się za każdym razem uwzględnić rodzaj materiału, jego wykorzystanie oraz ograniczenia wynikające z jakości źródła.
Zobacz więcej: transkrypcja do sądu.