Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w znaczącej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne lub czasochłonne. W takich okolicznościach 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 celem. 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 już materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce całkiem dobrze 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 z dużą dokładnością odzwierciedlać treść źródłowego nagrania, ponieważ dosłownie na pozór drobne różnice mogą mieć znaczenie przy ocenie materiału (więcej: transkrypcja do sądu cennik). Istotne mogą być nie tylko same słowa, lecz także kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią równocześnie. W współzależności od celu dokumentu stosuje się różny poziom szczegółowości. W pewnych przypadkach potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było wyszukać określony fragment nagrania. Nie należy w dodatku poprawiać wypowiedzi jedynie po to, ażeby brzmiała bardziej literacko. Język mówiony na prawdę często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone podczas nadmiernej redakcji.
W sytuacji dłuższych materiałów na prawdę 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 a także zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się w szczególności wtedy, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho lub nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie nieprostych fragmentów z wcześniejszym i późniejszym kontekstem, a w pewnych sytuacjach również wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to natomiast, że niejasny fragment trzeba samodzielnie interpretować. Celem osoby sporządzającej zapis jest możliwie wierne przedstawienie 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 szybko porównać z właściwym miejscem nagrania. Znaczenie ma też forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, natomiast całkowity brak uporządkowania utrudnia użytkowanie z tekstu. Dlatego przy transkrypcji należy za każdym razem uwzględnić rodzaj materiału, jego przeznaczenie a także ograniczenia wynikające z jakości źródła.
Dodatkowe informacje: stenogram.