Rozmowa zarejestrowana na dyktafonie, telefonie lub kamerze po pewnym czasie może stać się trudna do szybkiego przeanalizowania. Kilkudziesięciominutowy plik wymaga odsłuchiwania od początku do końca, wręcz jeśli niezbędny jest tylko jeden dany fragment. W takich sytuacjach transkrypcja nagrań pozwala przedstawić zawartość materiału w formie tekstowej.
Nie znaczy to jednakże powszechnego 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 zwłaszcza nagrania wykonane w miejscach, gdzie występuje hałas, echo lub rozmowy prowadzone są przez kilka osób naraz. W takich warunkach pojedyncze słowo może być trudne do ustalenia, a próba uzupełnienia go na bazie domysłu może przemienić znaczenie całej wypowiedzi.
Inaczej trzeba podejść do materiału, który może mieć znaczenie w postępowaniu formalnym. Transkrypcja do sądu wymaga zwrócenia sugestie na szczegóły, które w zwykłym 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 równocześnie. Przy dłuższych plikach praktycznym wyjściem jest również 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 (źródło informacji: transkrypcja do sądu cennik). Rozmówcy często zmieniają zdanie w połowie wypowiedzi, powtarzają te same słowa albo używają skrótów myślowych. Zbyt daleko idąca korekta może sprawić, że tekst będzie brzmiał poprawniej, niemniej jednak jednocześnie przestanie z dokładnością odzwierciedlać nagranie.
Przy bardziej rozbudowanych materiałach spotkać można określenie stenogram, odnoszące się do szczegółowego zapisu przebiegu wypowiedzi. W praktyce stopień szczegółowości takiego dokumentu może zależeć od jego przeznaczenia. W pewnych sytuacjach bardzo ważna jest prawie każda przerwa i powtórzenie, innym razem większe znaczenie ma czytelne zaprezentowanie kolejnych wypowiedzi wraz z możliwością odnalezienia ich w nagraniu. Trudność rośnie, gdy materiał obejmuje wiele godzin rozmów. Wówczas łatwo o pomyłkę przy oznaczaniu osób lub 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. Jeżeli nie można niedwuznacznie ustalić ich treści, bardziej właściwe jest zaznaczenie nieczytelnego miejsca niż wpisanie słów, które wyłącznie pasują do kontekstu. Kontekst może pomóc w ponownym odsłuchaniu danego fragmentu, ale nie powinien zastępować tego, co naprawdę znajduje się na nagraniu.
Na jakość końcowego zapisu wpływa przede wszystkim materiał źródłowy. Wyraźne nagranie z niewielką liczbą zakłóceń daje inne sposobów niż plik z cichymi głosami, szumem urządzeń albo dźwiękami dochodzącymi z otoczenia. Znaczenie ma również sposób ustawienia mikrofonu oraz odległość rozmówców od urządzenia rejestrującego. W sytuacji 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 ważne jest zachowanie chronologii. Przestawienie dwóch wypowiedzi lub pominięcie krótkiej zamiany zdań może przemienić sposób odbioru kolejnej rozmowy. Dlatego przygotowanie transkrypcji wymaga nie tylko sprawnego słuchania i pisania, lecz też stałej sprawdzeniu zgodności tekstu z materiałem, na podstawie którego został sporządzony.
Zobacz również: transkrypcje nagrań.