Przygotowanie tekstowego zapisu rozmowy albo innego materiału dźwiękowego wymaga uwzględnienia nie tylko i wyłącznie wypowiadanych słów, ale także kontekstu całej wypowiedzi. Znaczenie ma jakość nagrania, liczba uczestników, sposób prowadzenia rozmowy oraz obecność zakłóceń, które mogą utrudniać rozpoznanie poszczególnych fragmentów. Transkrypcje nagrań mogą obejmować wywiady, spotkania, rozmowy telefoniczne, wykłady, przesłuchania czy materiały zarejestrowane w trakcie różnych wydarzeń.
W współzależności od przeznaczenia zapisu stosuje się różnorakie zasady jego opracowania. W wersji dosłownej uwzględnia się też powtórzenia, urwane zdania, zawahania i charakterystyczne elementy wypowiedzi. Z kolei zapis redagowany może pomijać część naturalnych powtórzeń, jeśli nie zmienia to sensu przekazywanych informacji. Wybór metody powinien wynikać z tego, do czego treść będzie później wykorzystywany.
Szczególnego podejścia wymaga materiał, który ma zostać zastosowany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie wiernie oddawać przebieg rozmowy, bez samodzielnego poprawiania wypowiedzi w sposób wpływający na ich znaczenie. Ważne jest zachowanie kolejności dialogu, rozróżnienie osób zabierających głos oraz oznaczenie fragmentów, których nie można dobitnie odtworzyć (więcej informacji: stenogram cennik). Nie trzeba zastępować niezrozumiałych słów przypuszczeniami, dosłownie jeżeli już kontekst sugeruje określoną treść. W takiej okoliczności dużo lepiej zaznaczyć nieczytelny fragment wraz z właściwym oznaczeniem czasu nagrania. Przydatne jest również zachowanie informacji o przerwach, nakładających się wypowiedziach czy nagłej zmianie tematu, jeżeli mają one znaczenie dla interpretacji rozmowy. Sam zapis tekstowy nie przesądza jednakże o prawdziwości przedstawionych w nim informacji ani o ich wartości dowodowej. O sposobie wykorzystania nagrania i jego transkrypcji decydują prawidłowe przepisy a także okoliczności konkretnej sprawy.
W praktyce opracowywanie materiałów dźwiękowych wiąże się z wieloma trudnościami, których nie zawsze można uniknąć poprzez wielokrotne odsłuchiwanie. Problemem bywają niewyraźna wymowa, szumy w tle, słaba jakość mikrofonu, oraz rozmowy prowadzone przez kilka osób jednocześnie. Szczególnie wymagające są nagrania, w których uczestnicy na prawdę często sobie przerywają albo używają skrótów i określeń znanych tylko z wcześniejszego kontekstu. W takich sytuacjach stenogram powinien zachowywać czytelny układ wypowiedzi, a równocześnie nie może tworzyć pozornej pewności tam, gdzie dźwięk nie umożliwia na jednoznaczne postanowienie treści. Rozpoznanie głosów także wymaga ostrożności. O ile nie ma podstaw do przypisania wypowiedzi dokładnie sprecyzowanej osobie, właściwsze jest wykorzystanie neutralnego oznaczenia uczestnika. Warto także pamiętać, że automatyczne narzędzia rozpoznawania mowy mogą błędnie interpretować nazwy własne, daty, liczby i specjalistyczne terminy. Dlatego wynik automatycznego przetwarzania wymaga sprawdzenia z oryginalnym materiałem.
Istotnym elementem pracy z nagraniem jest również sposób zapisywania danych, które mogą mieć znaczenie w dalszym postępowaniu albo analizie. Daty, godziny, kwoty, nazwiska i nazwy miejsc powinny być kontrolowane ze wyjątkową uwagą, ponieważ wręcz drobna pomyłka może zmienić sens wypowiedzi. W przypadku dłuższych materiałów pomocny jest podział tekstu na odcinki odpowiadające następnym etapom rozmowy a także stosowanie znaczników czasu. Ułatwia to odnalezienie konkretnego fragmentu bez konieczności ponownego odsłuchiwania całego pliku. Znaczenie ma także rozróżnienie między słowami rzeczywiście wypowiedzianymi a komentarzami osoby opracowującej zapis. Ewentualne uwagi techniczne powinny być wyraźnie oddzielone od treści rozmowy. Przy materiałach zawierających dane osobowe powinno się prócz tego uwzględnić zasady ich przetwarzania i przechowywania. Zakres szczegółowości zapisu uzależniony jest od celu jego sporządzenia, rodzaju nagrania a także założeń instytucji, do której dokument ma zostać przekazany.
Warto zobaczyć: transkrypcje nagrań.