Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w znaczącej liczbie przypadków, w których późniejsze odtworzenie całego materiału może być niewygodne albo czasochłonne. W takich okolicznościach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane podczas pracy.

Samo przepisanie słów nie za każdym razem jest natomiast najprostszym zadaniem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebw dodatku rozpoznać, kto zabiera głos. O ile materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce nie gorzej zaznaczyć miejsce skomplikowane do ustalenia niż uzupełniać treść na podstawie przypuszczeń.

Innego podejścia wymaga dokument przeznaczony do użycia w postępowaniu. Transkrypcja do sądu powinna głównie możliwie z dużą dokładnością odzwierciedlać treść źródłowego nagrania, ponieważ dosłownie na pozór drobne różnice mogą mieć znaczenie przy ocenie materiału (warto zobaczyć: transkrypcja cennik). Ważne mogą być nie tylko i wyłącznie same słowa, lecz też kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W współzależności od celu dokumentu stosuje się różny poziom szczegółowości. W pewnych sytuacjach potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było znaleźć konkretny fragment nagrania. Nie trzeba ponadto poprawiać wypowiedzi wyłącznie po to, aby brzmiała bardziej literacko. Język mówiony na prawdę bardzo często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone w trakcie nadmiernej redakcji.

W sytuacji dłuższych materiałów na prawdę często pojawia się pojęcie stenogram, choć w praktyce zakres tego określenia bywa różnie rozumiany. Stenogram może być szczegółowym zapisem przebiegu rozmowy lub wydarzenia, z uwzględnieniem kolejności wypowiedzi poszczególnych osób. Przy pracy z takim materiałem na prawdę ważna staje się konsekwencja w oznaczaniu rozmówców oraz zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się szczególnie wówczas, gdy kilka osób wypowiada się jednocześnie, ktoś mówi bardzo cicho albo nagranie zawiera fragmenty o słabej jakości. Wtedy nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie niełatwych fragmentów z wcześniejszym i późniejszym kontekstem, a czasami także wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to natomiast, że niejasny fragment powinno się własną pracą interpretować. Celem osoby sporządzającej zapis jest możliwie wierne przedstawienie materiału, a nie zmienianie jego treści.

Na dokładność zapisu wpływa też sposób przygotowania samego nagrania. Wyraźny dźwięk, niewielka liczba zakłóceń i możliwie czytelny podział głosów ułatwiają późniejszą pracę. Przy materiałach zastosowanych do celów formalnych warto zachować oryginalny plik, ponieważ tekst jest zapisem pochodnym i w razie konieczności powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można bardzo szybko porównać z odpowiednim miejscem nagrania. Znaczenie ma również forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednakże całkowity brak uporządkowania utrudnia użytkowanie z tekstu. Dlatego przy transkrypcji powinno się za każdym razem uwzględnić rodzaj materiału, jego zastosowanie a także ograniczenia wynikające z jakości źródła.

Warto zobaczyć: transkrypcja nagrań.