W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, ale też sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie konkretnej informacji bez zapisu bywa czasochłonne. W takich przypadkach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.
Samo przepisanie słów nie za każdym razem jednak wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się jednoznacznie usłyszeć. W praktyce należy wtedy rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z owych form służy nieco innemu celowi, dlatego sposób opracowania materiału warto ustalić przed rozpoczęciem pracy.
Szczególnego podejścia wymaga materiał, który ma być wykorzystany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie gruntownie odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko i wyłącznie pełne zdania, lecz też momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (warto także zobaczyć:transkrypcja cennik). Przy dłuższych materiałach istotne staje się też oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. Jeżeli 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 wypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na podstawie domysłów.
Określenie stenogram jest często używane zamiennie z transkrypcją, choć w współzależności od wykorzystania może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się przede wszystkim z możliwie wiernym odtworzeniem przebiegu wypowiedzi, dlatego przy jego przygotowaniu liczy się kolejność słów i zachowanie informacji występujących w nagraniu. Nie oznacza to jednakże, że właściwie każdy zapis powinien wyglądać jednakowo. Zupełnie inaczej opracowuje się rozmowę, w której na prawdę ważna jest naturalna metoda wypowiedzi, a inaczej materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się między innymi powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednak w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma później wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana tylko pod względem wyglądu gotowego tekstu.
Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrobione w spokojnym pomieszczeniu zwykle umożliwia łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele ludzi rozmawia jednocześnie. Znaczenie moraz sposób nagrania, rodzaj mikrofonu i odległość rozmówców od urządzenia. Przy bardzo słabej jakości dźwięku niektórych fragmentów nie da się odtworzyć z pełną pewnością i należy to wyraźnie zaznaczyć w tekście. Równie znacząca jest weryfikacja nazw własnych, dat, liczb oraz terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmienić znaczenie całego fragmentu. Transkrypcja jest więc nie tylko i wyłącznie czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co faktycznie wynika z nagrania, a tym, co można wyłącznie przypuszczać.
Więcej: transkrypcja do sądu.