Przygotowanie tekstowego zapisu rozmowy lub 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 a także obecność zakłóceń, które mogą utrudniać rozpoznanie poszczególnych fragmentów. Transkrypcje nagrań mogą obejmować wywiady, spotkania, rozmowy telefoniczne, wykłady, przesłuchania czy materiały zarejestrowane w trakcie różnorakich wydarzeń.

W współzależności od przeznaczenia zapisu stosuje się różnorodne zasady jego opracowania. W wersji dosłownej uwzględnia się również powtórzenia, urwane zdania, zawahania i charakterystyczne elementy wypowiedzi. Z kolei zapis redagowany może pomijać część naturalnych powtórzeń, o ile nie zmienia to sensu przekazywanych informacji. Wybór metody powinien wynikać z tego, do czego treść będzie w późniejszym czasie wykorzystywany.

Szczególnego podejścia wymaga materiał, który ma zostać wykorzystany 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 a także oznaczenie fragmentów, których nie można niedwuznacznie odtworzyć (zobacz więcej: transkrypcje cennik). Nie trzeba zastępować niezrozumiałych słów przypuszczeniami, nawet jeśli kontekst sugeruje określoną treść. W takim przypadku lepiej zaznaczyć nieczytelny fragment wraz z najlepszym oznaczeniem czasu nagrania. Przydatne jest również zachowanie informacji o przerwach, nakładających się wypowiedziach czy nagłej zmianie tematu, jeśli mają one znaczenie dla interpretacji rozmowy. Sam zapis tekstowy nie przesądza jednak o prawdziwości przedstawionych w nim informacji ani o ich wartości dowodowej. O sposobie użycia nagrania i jego transkrypcji decydują właściwe przepisy a także okoliczności dokładnie sprecyzowanej sprawy.

W praktyce opracowywanie materiałów dźwiękowych wiąże się z wieloma trudnościami, których nie za każdym razem można uniknąć poprzez wielokrotne odsłuchiwanie. Problemem bywają niewyraźna wymowa, szumy w tle, słaba jakość mikrofonu, oraz rozmowy prowadzone przez kilka osób równocześnie. W szczególności wymagające są nagrania, w których uczestnicy często sobie przerywają albo używają skrótów i określeń znanych wyłącznie z wcześniejszego kontekstu. W takich okolicznościach stenogram powinien zachowywać czytelny układ wypowiedzi, a jednocześnie nie może zbudować pozornej pewności tam, gdzie dźwięk nie pozwala na jednoznaczne uwarunkowanie treści. Rozpoznanie głosów również wymaga ostrożności. Jeśli nie ma podstaw do przypisania wypowiedzi dokładnie określonej osobie, właściwsze jest użycie neutralnego oznaczenia uczestnika. Warto także pamiętać, że automatyczne narzędzia rozpoznawania mowy mogą błędnie interpretować nazwy swoje, daty, liczby i specjalistyczne terminy. Dlatego wynik automatycznego przetwarzania wymaga sprawdzenia z oryginalnym materiałem.

Istotnym elementem pracy z nagraniem jest też sposób zapisywania danych, które mogą posiadać znaczenie w następnym postępowaniu albo analizie. Daty, godziny, kwoty, nazwiska i nazwy miejsc powinny być kontrolowane ze wyjątkową uwagą, ponieważ nawet drobna pomyłka może przemienić sens wypowiedzi. W przypadku dłuższych materiałów pomocny jest podział tekstu na odcinki odpowiadające kolejnym etapom rozmowy oraz stosowanie znaczników czasu. Ułatwia to odnalezienie konkretnego fragmentu bez konieczności ponownego odsłuchiwania całego pliku. Znaczenie ma również rozróżnienie między słowami de facto wypowiedzianymi a komentarzami osoby opracowującej zapis. Ewentualne sugestie techniczne powinny być wyraźnie oddzielone od treści rozmowy. Przy materiałach zawierających dane osobowe trzeba prócz tego uwzględnić zasady ich przetwarzania i przechowywania. Zakres szczegółowości zapisu zależy od celu jego sporządzenia, rodzaju nagrania a także zaleceń instytucji, do której dokument ma zostać przekazany.

Zobacz również: stenogram.