W pracy z materiałami dźwiękowymi znaczenie ma nie tylko i wyłącznie to, co zostało powiedziane, ale też sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie konkretnej informacji bez zapisu bywa czasochłonne. W takich wypadkach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.

Samo przepisanie słów nie za każdym razem jednak wystarcza. Przy mniej wyraźnych nagraniach pojawiają się przerwy, nakładające się głosy, urwane zdania lub fragmenty, których nie da się jednoznacznie usłyszeć. W praktyce należy wówczas rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z tych form służy nieco innemu celowi, dlatego sposób opracowania materiału warto ustalić przed rozpoczęciem pracy.

Szczególnego podejścia wymaga materiał, który ma być wykorzystany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie ze starannością odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko kompletne zdania, lecz także momenty zawahania, przerwy, zmiana osoby mówiącej lub fragmenty, w których wypowiedź jest niezrozumiała (zobacz także:stenogram cennik). Przy dłuższych materiałach istotne staje się również oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. O ile na nagraniu mówi kilka osób, konieczne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się w szczególności wtedy, gdy rozmówcy mówią równocześnie. W takiej sytuacji zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.

Określenie stenogram jest często używane zamiennie z transkrypcją, choć w zależności od wykorzystania może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się głównie z możliwie wiernym odtworzeniem przebiegu wypowiedzi, dlatego przy jego przygotowaniu liczy się kolejność słów i zachowanie informacji występujących w nagraniu. Nie znaczy to jednakże, że właściwie każdy zapis powinien wyglądać dokładnie tak samo. Całkiem inaczej opracowuje się rozmowę, w której istotna jest naturalna metoda wypowiedzi, a inaczej materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się między innymi powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednakże w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma w późniejszym czasie wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana tylko pod kątem wyglądu gotowego tekstu.

Na dokładność zapisu wpływa przede wszystkim jakość materiału wejściowego. Nagranie zrobione w spokojnym pomieszczeniu zwykle pozwala łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele osób rozmawia równocześnie. Znaczenie ma także sposób nagrania, rodzaj mikrofonu i odległość rozmówców od urządzenia. Przy bardzo słabej jakości dźwięku niektórych fragmentów nie da się odtworzyć z pełną pewnością i powinno się to wyraźnie zaznaczyć w tekście. Równie istotna jest weryfikacja nazw własnych, dat, liczb a także terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może przemienić znaczenie całego fragmentu. Transkrypcja jest zatem nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co de facto wynika z nagrania, a tym, co można tylko przypuszczać.

Zobacz więcej: stenogram.