Wiele informacji przekazywanych podczas rozmów ma znaczenie głównie w chwili, gdy padają konkretne słowa. Prędzej czy później pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku często utrudnia szybkie odnalezienie potrzebnego fragmentu. Z tego powodu przygotowywana jest transkrypcja nagrań, czyli przeniesienie treści wypowiadanej w materiale audio albo wideo do formy pisemnej.
W zależności od rodzaju nagrania zapis może dotyczyć jednej osoby albo wieloosobowej rozmowy, a trudność pracy zmienia się wraz z jakością dźwięku. Inaczej wygląda materiał z wyraźną wymową i jednym rozmówcą, a inaczej spotkanie, podczas którego głosy nakładają się na siebie. Znaczenie mają też pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (więcej informacji: transkrypcje cennik). W takich sytuacjach nie trzeba samoczynnie zastępować niezrozumiałych słów swoją interpretacją, ponieważ nawet niewielka zmiana może wpłynąć na sens całej wypowiedzi.
Szczególnego znaczenia nabiera zapis materiału, który ma zostać zastosowany w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania oraz celu, któremu ma służyć dokument. Ważne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi oraz możliwość odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie za każdym razem właściwe jest również poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich niedociągnięcia, powtórzenia czy zdania rozpoczęte i niedokończone. Ich nadmierne wygładzanie może spowodować, że dokument przestanie wiernie przedstawiać przebieg rozmowy. Sposób opracowania powinien zatem wynikać z tego, czego wymaga dokładnie sprecyzowane przeznaczenie materiału.
W praktyce dużo czasu może zająć nie samo wpisywanie słów, lecz rozstrzyganie miejsc problematycznych. Praktyczny stenogram nie powinien opierać się na zgadywaniu, gdy nagranie nie daje możliwość dobitnie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu potrafią sprawić, że pojedyncze frazę staje się skomplikowane do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią jednocześnie. Wtedy konieczne może być wielokrotne odsłuchanie krótkiego fragmentu i zestawienie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, niemniej jednak nie powinien być traktowany jako podstawa do dopisywania treści, której de facto nie słychać. W dokumentach o charakterze formalnym szczególnie istotne jest rozdzielenie tego, co wynika wprost z nagrania, od tego, co mogłoby być jedynie domysłem osoby wykonującej zapis.
Znaczenie ma także sposób przygotowania materiału przed rozpoczęciem pracy. Oryginalne nagranie powinno pozostać dostępne, ponieważ zapis tekstowy nie zastępuje źródła i w razie potrzeby może wymagać porównania z konkretnym fragmentem audio albo wideo. Przydatne okazuje się także zachowanie jednolitego sposobu oznaczania osób, czasu a także fragmentów, których nie można z uwagą odczytać. W przypadku kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może w późniejszym czasie utrudnić interpretację całego dokumentu. Bardzo ważna jest również jakość samego pliku. Kompresja, bardzo cichy dźwięk lub nagranie zrealizowane z sporej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu powinno się brać pod uwagę nie tylko formę tekstu, lecz też sposobów i ograniczenia materiału, z którego został on sporządzony.
Zobacz więcej: stenogram.