W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, niemniej jednak też sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie dokładnie określonej informacji bez zapisu bywa czasochłonne. W takich sytuacjach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.

Samo przepisanie słów nie za każdym razem natomiast wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się jednoznacznie usłyszeć. W praktyce trzeba wówczas rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z tych 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 dokładnie odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Istotne mogą być nie tylko całe zdania, lecz również momenty zawahania, przerwy, zmiana osoby mówiącej lub fragmenty, w których wypowiedź jest niezrozumiała (warto także zobaczyć:transkrypcje cennik). Przy dłuższych materiałach istotne 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 szczególnie wtedy, gdy rozmówcy mówią jednocześnie. W takim przypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.

Określenie stenogram jest na prawdę często używane zamiennie z transkrypcją, choćby w zależności od wykorzystania 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 oznacza to jednak, że każdy zapis powinien wyglądać tożsamo. Zupełnie inaczej opracowuje się rozmowę, w której znacząca jest naturalna forma wypowiedzi, a inaczej 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 w przyszłości wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana wyłącznie pod względem wyglądu gotowego tekstu.

Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrobione w spokojnym pomieszczeniu zwykle pozwala łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo albo wiele ludzi rozmawia jednocześnie. 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 zaznaczyć w tekście. Równie na prawdę istotna jest weryfikacja nazw własnych, dat, liczb oraz terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmodyfikować znaczenie całego fragmentu. Transkrypcja jest zatem nie tylko i wyłącznie czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co de fakto wynika z nagrania, a tym, co można wyłącznie przypuszczać.

Sprawdź: transkrypcja nagrań.