Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w bardzo wielu przypadkach, w których późniejsze odtworzenie całego materiału może być niewygodne lub 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 podczas pracy.

Samo przepisanie słów nie zawsze jest jednak najprostszym misją. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebprzy tym rozpoznać, kto zabiera głos. O ile materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce całkiem dobrze podkreślić miejsce skomplikowane do ustalenia niż uzupełniać treść na podstawie przypuszczeń.

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

W przypadku dłuższych materiałów na prawdę 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 ważna staje się konsekwencja w oznaczaniu rozmówców oraz zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się w szczególności wówczas, gdy kilka osób wypowiada się jednocześnie, ktoś mówi bardzo cicho lub nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie trudnych fragmentów z wcześniejszym i późniejszym kontekstem, a zdarza się, że też wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to natomiast, że niejasny fragment powinno się własnymi siłami interpretować. Celem 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 zastosowanych do celów formalnych warto zachować oryginalny plik, ponieważ tekst jest zapisem pochodnym i ewentualnie powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z odpowiednim miejscem nagrania. Znaczenie ma również metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia użytkowanie z tekstu. Dlatego przy transkrypcji trzeba za każdym razem uwzględnić rodzaj materiału, jego wykorzystanie a także ograniczenia wynikające z jakości źródła.

Źródło: transkrypcje nagrań.