Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w wielu sytuacjach, w których późniejsze odtworzenie całego materiału może być niewygodne lub czasochłonne. W takich przypadkach 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 prostym zadaniem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się a także obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebdodatkowo rozpoznać, kto zabiera głos. O ile materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce nie gorzej podkreślić miejsce skomplikowane do ustalenia niż uzupełniać tekst na podstawie przypuszczeń.

Innego podejścia wymaga dokument przeznaczony do zastosowania w postępowaniu. Transkrypcja do sądu powinna głównie możliwie z dużą uwagą odzwierciedlać tekst źródłowego nagrania, ponieważ wręcz pozornie drobne różnice mogą mieć znaczenie przy ocenie materiału (warto sprawdzić: transkrypcje cennik). Istotne mogą być nie tylko same słowa, lecz również kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W zależności od celu dokumentu wykorzystuje się różny poziom szczegółowości. Zdarza się, że niezbędny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było wyszukać określony fragment nagrania. Nie trzeba w dodatku poprawiać wypowiedzi wyłącznie po to, ażeby brzmiała bardziej literacko. Język mówiony 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, choćby 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 znacząca 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 trudnych fragmentów z wcześniejszym i późniejszym kontekstem, a w pewnych sytuacjach też wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to natomiast, że niejasny fragment trzeba własnymi siłami interpretować. Celem osoby sporządzającej zapis jest możliwie wierne zaprezentowanie materiału, a nie zmienianie jego treści.

Na dokładność zapisu wpływa również 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 tekst jest zapisem pochodnym i w razie potrzeby powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z najlepszym miejscem nagrania. Znaczenie ma też metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia używanie z tekstu. Dlatego przy transkrypcji należy za każdym razem uwzględnić rodzaj materiału, jego przeznaczenie a także ograniczenia wynikające z jakości źródła.

Warto zobaczyć: transkrypcja do sądu.