Rozmowa zarejestrowana na dyktafonie, telefonie lub kamerze prędzej czy później może stać się trudna do szybkiego przemyślenia. Kilkudziesięciominutowy plik wymaga odsłuchiwania od początku do końca, nawet jeśli niezbędny jest jedynie jeden dany fragment. W takich przypadkach transkrypcja nagrań daje możliwość zademonstrować zawartość materiału w formie tekstowej.

Nie znaczy to jednakże zwyczajnego przepisywania słów bez zwracania sugestie na kontekst. Osoba wykonująca zapis musi rozpoznać poszczególnych rozmówców, zachować kolejność ich wypowiedzi i stosownie potraktować fragmenty, których nie da się wyraźnie usłyszeć. Kłopotem bywają szczególnie nagrania zrobione w miejscach, gdzie występuje hałas, echo lub rozmowy prowadzone są przez kilka osób naraz. W takich ustaleniach pojedyncze słowo może być skomplikowane do ustalenia, a próba wypełnienia go na bazie domysłu może zmienić znaczenie całej wypowiedzi.

Inaczej powinno się podejść do materiału, który może posiadać znaczenie w postępowaniu formalnym. Transkrypcja do sądu wymaga zwrócenia sugestie na najmniejsze elementy, które w normalnym zapisie rozmowy mogłyby zostać pominięte. Znaczenie może mieć dokładne wskazanie osoby mówiącej, kolejność zdań, przerwy w wypowiedzi czy moment, w którym dwóch uczestników zaczyna mówić jednocześnie. Przy dłuższych plikach praktycznym rozwiązaniem jest także oznaczanie czasu nagrania. Dzięki temu zapis tekstowy można odnieść do konkretnego miejsca w materiale źródłowym bez konieczności szukania go metodą prób i błędów. Nie bez znaczenia pozostaje sposób zapisywania języka mówionego (sprawdź: transkrypcja cennik). Rozmówcy na prawdę często zmieniają zdanie w połowie wypowiedzi, powtarzają te same słowa lub używają skrótów myślowych. Zbyt daleko idąca korekta może sprawić, że tekst będzie brzmiał poprawniej, niemniej jednak jednocześnie przestanie starannie odzwierciedlać nagranie.

Przy bardziej rozbudowanych materiałach spotkać można określenie stenogram, odnoszące się do dokładnego zapisu przebiegu wypowiedzi. W praktyce stopień szczegółowości takiego dokumentu może zależeć od jego przeznaczenia. Czasami znacząca jest nieomalże każda przerwa i powtórzenie, innym razem większe znaczenie ma czytelne zademonstrowanie kolejnych wypowiedzi wraz z możliwością odnalezienia ich w nagraniu. Trudność rośnie, gdy materiał obejmuje sporo godzin rozmów. Wtedy łatwo o pomyłkę przy oznaczaniu osób albo pominięcie krótkiego fragmentu w trakcie wielokrotnego przewijania pliku. Pomocne jest dzielenie pracy na mniejsze części i zachowanie jednego sposobu zapisu w całym dokumencie. Szczególnej uwagi wymagają wypowiedzi nakładające się na siebie. O ile nie można dobitnie ustalić ich treści, bardziej prawidłowe jest zaznaczenie nieczytelnego miejsca niż wpisanie słów, które jedynie pasują do kontekstu. Kontekst może pomóc w ponownym odsłuchaniu danego fragmentu, ale nie powinien zastępować tego, co w rzeczywistości znajduje się na nagraniu.

Na jakość końcowego zapisu wpływa głównie materiał źródłowy. Wyraźne nagranie z niewielką liczbą zakłóceń daje inne sposobności niż plik z cichymi głosami, szumem urządzeń albo dźwiękami dochodzącymi z otoczenia. Znaczenie ma również sposób ustawienia mikrofonu a także odległość rozmówców od urządzenia rejestrującego. W przypadku materiałów używanych w sprawach formalnych warto zachować oryginalny plik i nie ograniczać się wyłącznie do jego wersji tekstowej. Nagranie pozostaje źródłem, z którym można porównać zapis w razie pojawienia się wątpliwości dotyczących konkretnego zdania. Równie istotne jest zachowanie chronologii. Przestawienie dwóch wypowiedzi albo pominięcie krótkiej konwersji zdań może zmodyfikować sposób odbioru następnej rozmowy. Dlatego przygotowanie transkrypcji wymaga nie tylko i wyłącznie sprawnego słuchania i pisania, lecz także stałej kontroli zgodności tekstu z materiałem, na bazie którego został sporządzony.

Zobacz także: transkrypcja nagrań.