Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w znaczącej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W takich wypadkach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane w trakcie pracy.

Samo przepisanie słów nie zawsze jest natomiast najprostszym misją. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się a także 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 lepiej podkreślić miejsce skomplikowane do ustalenia niż uzupełniać treść na bazie przypuszczeń.

Innego podejścia wymaga dokument przeznaczony do zastosowania w postępowaniu. Transkrypcja do sądu powinna przede wszystkim możliwie ze starannością odzwierciedlać treść źródłowego nagrania, ponieważ nawet z pozoru drobne różnice mogą mieć znaczenie przy ocenie materiału (więcej: stenogram cennik). Istotne mogą być nie tylko same słowa, lecz też kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W zależności od celu dokumentu wykorzystuje się różny poziom szczegółowości. Nierzadko potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, ażeby łatwiej było wyszukać dany fragment nagrania. Nie należy ponadto poprawiać wypowiedzi jedynie 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 na prawdę bardzo często pojawia się pojęcie stenogram, choćby 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 istotna 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 lub nagranie zawiera fragmenty o słabej jakości. Wówczas nie wystarczy mechaniczne rozpoznawanie mowy. Niezbędne jest porównywanie trudnych fragmentów z wcześniejszym i późniejszym kontekstem, a w pewnych przypadkach również wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to jednakże, że niejasny fragment należy poświęcając własny czas interpretować. Celem osoby sporządzającej zapis jest możliwie wierne pokazanie 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 przeznaczonych do celów formalnych warto zachować oryginalny plik, ponieważ tekst jest zapisem pochodnym i ewentualnie powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z najlepszym miejscem nagrania. Znaczenie ma również metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia korzystanie z tekstu. Dlatego przy transkrypcji trzeba za każdym razem uwzględnić rodzaj materiału, jego użycie oraz ograniczenia wynikające z jakości źródła.

Warto sprawdzić: transkrypcje nagrań.