Wiele informacji przekazywanych podczas rozmów ma znaczenie przede wszystkim w chwili, gdy padają dokładnie sprecyzowane słowa. Prędzej czy później pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku często utrudnia szybkie odnalezienie potrzebnego fragmentu. Z tego powodu przygotowywana jest transkrypcja nagrań, czyli przeniesienie treści wypowiadanej w materiale audio lub wideo do formy pisemnej.

W zależności od rodzaju nagrania zapis może dotyczyć jednej osoby lub wieloosobowej rozmowy, a trudność pracy zmienia się wraz z jakością dźwięku. Inaczej wygląda materiał z wyraźną wymową i jednym rozmówcą, a całkiem inaczej spotkanie, w trakcie którego głosy nakładają się na siebie. Znaczenie mają także pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (zobacz również: transkrypcje cennik). W takich okolicznościach nie powinno się automatycznie zastępować niezrozumiałych słów swoją interpretacją, ponieważ nawet niewielka zmiana może wpłynąć na sens całej wypowiedzi.

Szczególnego znaczenia nabiera zapis materiału, który ma zostać zastosowany w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania a także celu, któremu ma służyć dokument. Istotne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi a także sposobność odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie zawsze prawidłowe jest także poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich niedociągnięcia, powtórzenia czy zdania rozpoczęte i niedokończone. Ich nadmierne wygładzanie może spowodować, że dokument przestanie wiernie przedstawiać przebieg rozmowy. Sposób opracowania powinien więc wynikać z tego, czego wymaga konkretne użycie materiału.

W praktyce dużo czasu może zająć nie samo wpisywanie słów, lecz rozstrzyganie miejsc problematycznych. Użyteczny stenogram nie powinien opierać się na zgadywaniu, gdy nagranie nie umożliwia jednoznacznie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu potrafią sprawić, że pojedyncze frazę staje się skomplikowane do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią jednocześnie. Wówczas niezbędne może być wielokrotne odsłuchanie krótkiego fragmentu i zestawienie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, ale nie powinien być traktowany jako podstawa do dopisywania treści, której de facto nie słychać. W dokumentach o charakterze formalnym w szczególności ważne jest rozdzielenie tego, co wynika wprost z nagrania, od tego, co mogłoby być wyłącznie domysłem osoby wykonującej zapis.

Znaczenie ma także sposób przygotowania materiału przed rozpoczęciem pracy. Oryginalne nagranie powinno pozostać dostępne, ponieważ zapis tekstowy nie zastępuje źródła i w razie konieczności może wymagać porównania z konkretnym fragmentem audio albo wideo. Przydatne okazuje się też zachowanie jednolitego sposobu oznaczania osób, czasu oraz fragmentów, których nie można z dokładnością odczytać. W sytuacji kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może później utrudnić interpretację całego dokumentu. Na prawdę istotna jest także jakość samego pliku. Kompresja, bardzo cichy dźwięk albo nagranie zrealizowane z sporej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu trzeba brać pod uwagę nie tylko i wyłącznie formę tekstu, lecz też sposobów i ograniczenia materiału, z którego został on sporządzony.

Zobacz: transkrypcje nagrań.