Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w dużej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W takich sytuacjach 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 najprostszym misją. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebprzy tym rozpoznać, kto zabiera głos. O ile materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce dużo lepiej zaznaczyć miejsce trudne do ustalenia niż uzupełniać treść na bazie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do użycia w postępowaniu. Transkrypcja do sądu powinna głównie możliwie dokładnie odzwierciedlać treść źródłowego nagrania, ponieważ wręcz z pozoru drobne różnice mogą posiadać znaczenie przy ocenie materiału (źródło informacji: transkrypcja 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 stosuje się różny poziom szczegółowości. Zdarza się, że potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było znaleźć określony fragment nagrania. Nie powinno się prócz tego poprawiać wypowiedzi jedynie 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, 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 ważna staje się konsekwencja w oznaczaniu rozmówców oraz zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się szczególnie wówczas, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho albo nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Niezbędne jest porównywanie trudnych fragmentów z wcześniejszym i późniejszym kontekstem, a zdarza się, że również wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to jednakże, że niejasny fragment należy 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 bardzo szybko porównać z najlepszym miejscem nagrania. Znaczenie ma także forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednak całkowity brak uporządkowania utrudnia wykorzystywanie z tekstu. Dlatego przy transkrypcji trzeba każdorazowo uwzględnić rodzaj materiału, jego wykorzystanie oraz ograniczenia wynikające z jakości źródła.
Dodatkowe informacje: stenogram.