Rozmowa zarejestrowana na dyktafonie, telefonie lub kamerze po pewnym czasie może stać się trudna do szybkiego rozważenia. Kilkudziesięciominutowy plik wymaga odsłuchiwania od początku do końca, nawet jeżeli potrzebny jest wyłącznie jeden określony fragment. W tak zaistniałych okolicznościach transkrypcja nagrań umożliwia zaprezentować zawartość materiału w formie tekstowej.

Nie znaczy to natomiast powszechnego przepisywania słów bez zwracania uwagi na kontekst. Osoba wykonująca zapis musi rozpoznać poszczególnych rozmówców, zachować kolejność ich wypowiedzi i odpowiednio potraktować fragmenty, których nie da się wyraźnie usłyszeć. Problemem bywają zwłaszcza nagrania zrealizowane w miejscach, gdzie występuje hałas, echo lub rozmowy prowadzone są przez kilka osób naraz. W takich ustaleniach pojedyncze frazę może być trudne do ustalenia, a próba wypełnienia go na podstawie domysłu może przemienić znaczenie całej wypowiedzi.

Inaczej powinno się podejść do materiału, który może mieć znaczenie w postępowaniu formalnym. Transkrypcja do sądu wymaga zwrócenia uwagi na szczegóły, które w codziennym zapisie rozmowy mogłyby zostać pominięte. Znaczenie może mieć dokładne wskazanie osoby mówiącej, kolejność zdań, przerwy w wypowiedzi czy moment, w którym dwóch uczestników zaczyna mówić jednocześnie. Przy dłuższych plikach praktycznym wyjściem jest również oznaczanie czasu nagrania. Dzięki temu zapis tekstowy można odnieść do konkretnego miejsca w materiale źródłowym bez konieczności szukania go metodą prób i błędów. Nie bez znaczenia pozostaje sposób zapisywania języka mówionego (zobacz także: transkrypcja cennik). Rozmówcy na prawdę często zmieniają zdanie w połowie wypowiedzi, powtarzają te same słowa lub używają skrótów myślowych. Zbyt daleko idąca korekta może sprawić, że treść będzie brzmiał poprawniej, niemniej jednak równocześnie przestanie z dokładnością odzwierciedlać nagranie.

Przy bardziej rozbudowanych materiałach spotkać można określenie stenogram, odnoszące się do szczegółowego zapisu przebiegu wypowiedzi. W praktyce etap szczegółowości takiego dokumentu może zależeć od jego przeznaczenia. Nierzadko istotna jest prawie każda przerwa i powtórzenie, innym razem większe znaczenie ma czytelne zaprezentowanie kolejnych wypowiedzi wraz z możliwością odnalezienia ich w nagraniu. Trudność rośnie, gdy materiał obejmuje sporo godzin rozmów. Wówczas łatwo o pomyłkę przy oznaczaniu osób lub pominięcie krótkiego fragmentu podczas wielokrotnego przewijania pliku. Pomocne jest dzielenie pracy na mniejsze części i zachowanie jednego sposobu zapisu w całym dokumencie. Szczególnej uwagi wymagają wypowiedzi nakładające się na siebie. Jeżeli nie można jednoznacznie ustalić ich treści, bardziej prawidłowe jest zaznaczenie nieczytelnego miejsca niż wpisanie słów, które wyłącznie pasują do kontekstu. Kontekst może pomóc w ponownym odsłuchaniu danego fragmentu, niemniej jednak nie powinien zastępować tego, co naprawdę znajduje się na nagraniu.

Na jakość końcowego zapisu wpływa głównie materiał źródłowy. Wyraźne nagranie z niewielką liczbą zakłóceń daje inne możliwości niż plik z cichymi głosami, szumem urządzeń lub dźwiękami dochodzącymi z otoczenia. Znaczenie ma również sposób ustawienia mikrofonu a także odległość rozmówców od urządzenia rejestrującego. W przypadku materiałów wykorzystywanych w sprawach formalnych warto zachować oryginalny plik i nie ograniczać się wyłącznie do jego wersji tekstowej. Nagranie pozostaje źródłem, z którym można porównać zapis w razie pojawienia się wątpliwości dotyczących konkretnego zdania. Równie ważne jest zachowanie chronologii. Przestawienie dwóch wypowiedzi albo pominięcie krótkiej konwersji zdań może przemienić sposób odbioru następnej rozmowy. Dlatego przygotowanie transkrypcji wymaga nie tylko sprawnego słuchania i pisania, lecz także stałej kontroli zgodności tekstu z materiałem, na podstawie którego został sporządzony.

Zobacz także: transkrypcja do sądu.