Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w wielu sytuacjach, w których późniejsze odtworzenie całego materiału może być niewygodne lub czasochłonne. W takich wypadkach 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 jednak prostym celem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzeba przy tym rozpoznać, kto zabiera głos. Jeżeli materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce nie gorzej zaznaczyć miejsce trudne do ustalenia niż uzupełniać tekst na podstawie przypuszczeń.

Innego podejścia wymaga dokument przeznaczony do użycia w postępowaniu. Transkrypcja do sądu powinna przede wszystkim możliwie szczegółowo odzwierciedlać tekst źródłowego nagrania, ponieważ nawet na pozór drobne różnice mogą mieć znaczenie przy ocenie materiału (sprawdź też: transkrypcja do sądu cennik). Ważne mogą być nie tylko i wyłącznie same słowa, lecz także kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W współzależności od celu dokumentu wykorzystuje się różny poziom szczegółowości. Czasem potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było znaleźć konkretny fragment nagrania. Nie trzeba w dodatku poprawiać wypowiedzi wyłącznie po to, aby brzmiała bardziej literacko. Język mówiony na prawdę bardzo 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, 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 istotna 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 równocześnie, ktoś mówi bardzo cicho albo nagranie zawiera fragmenty o słabej jakości. Wówczas nie wystarczy mechaniczne rozpoznawanie mowy. Niezbędne jest porównywanie trudnych fragmentów z wcześniejszym i późniejszym kontekstem, a czasami także wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to jednakże, że niejasny fragment powinno się samemu interpretować. Misją osoby sporządzającej zapis jest możliwie wierne zilustrowanie 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 treść jest zapisem pochodnym i w razie konieczności powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można bardzo szybko porównać z odpowiednim miejscem nagrania. Znaczenie ma również forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia korzystanie z tekstu. Dlatego przy transkrypcji należy za każdym razem uwzględnić rodzaj materiału, jego przeznaczenie oraz ograniczenia wynikające z jakości źródła.

Warto zobaczyć: transkrypcja nagrań.