Nagranie rozmowy może zawierać znacznie więcej informacji, niż wynikałoby z pobieżnego odsłuchania. Wypowiedzi na prawdę bardzo często są przerywane, rozmówcy wchodzą sobie w słowo, a część zdań pozostaje niedokończona. Dopiero przy dokładnym odsłuchiwaniu widać, jak wiele elementów trzeba uwzględnić w trakcie tworzenia zapisu.
Transkrypcja nagrań polega na przeniesieniu wypowiedzi z formy dźwiękowej do tekstu, ale sposób stworzenia takiego zadania uzależniony jest od przeznaczenia materiału. Całkiem inaczej można opracować rozmowę przeznaczoną do późniejszego przeczytania, a przeciwnie zapis, w którym istotne jest zachowanie możliwie wiernego przebiegu wypowiedzi. Znaczenie moraz jakość pliku. Szum tła, pogłos, cichy głos albo kilka osób mówiących jednocześnie mogą utrudnić właściwe rozpoznanie słów. W tak zaistniałych okolicznościach nie trzeba uzupełniać brakujących fragmentów na bazie przypuszczeń. Lepszym rozstrzygnięciem jest wyraźne zaznaczenie, że dany fragment jest nieczytelny albo trudny do ustalenia.
W sytuacji materiałów używanych w sprawach prawnych szczególnej uwagi wymaga dokładność zapisu. Transkrypcja do sądu może obejmować rozmowy telefoniczne, przesłuchania, spotkania, wiadomości głosowe czy inne nagrania, które mają znaczenie dla określonego postępowania. W takim dokumencie ważna jest kolejność wypowiedzi oraz możliwość łatwego odnalezienia konkretnego miejsca w materiale źródłowym. Z tego powodu przydatne bywają oznaczenia czasu, podział na poszczególnych rozmówców i konsekwentne stosowanie tych samych oznaczeń w całym dokumencie. Nie powinno się ponadto poprawiać wypowiedzi w taki sposób, by brzmiała bardziej logicznie niż na oryginalnym nagraniu. Błędy językowe, powtórzenia czy urwane zdania mogą stanowić część rzeczywistego przebiegu rozmowy (zobacz:transkrypcje cennik). Jeżeli materiał ma być później oceniany w konkretnym postępowaniu, znaczenie ma także to, czy dokument przedstawia dosłowną treść nagrania, czy jedynie jego uporządkowaną wersję. Te dwa podejścia nie są tym samym i nie za każdym razem można je używać zamiennie.
Pojęcie stenogram jest związane z wiernym zapisem wypowiedzi, jednakże w praktyce metoda takiego dokumentu może być dostosowana do charakteru nagrania. Przy większej liczbie uczestników samo rozpoznanie głosów bywa wyzwaniem, zwłaszcza gdy osoby mają podobną barwę głosu albo nagranie zostało wykonane z większej odległości. Pomocny jest wtedy kontekst rozmowy, niemniej jednak nie powinien on prowadzić do dopisywania treści, których nie można usłyszeć. Osobną kwestią są nazwy własne, nazwiska, numery, daty i specjalistyczne określenia. Pomyłka w jednym słowie może zmienić znaczenie całej wypowiedzi, dlatego takie fragmenty wymagają dodatkowego sprawdzenia. W przypadku niepewności warto zachować informację o problemie zamiast przedstawiać domysł jako fakt. Dotyczy to również sytuacji, w której rozmówca mówi niewyraźnie lub jednocześnie wypowiada się kilka osób.
Na sposób przygotowania zapisu wpływa również to, jak będzie on później wykorzystywany. Jeżeli już tekst ma służyć przede wszystkim do analizy treści, można zastosować układ ułatwiający szybkie wyszukiwanie konkretnych fragmentów. Przy dokumentach związanych z materiałem dowodowym większe znaczenie może posiadać zachowanie kolejności wypowiedzi i dokładne wskazanie miejsca w nagraniu. Warto również pamiętać, że treść nie oddaje wszystkich cech komunikacji ustnej. Ton głosu, długość ciszy, sposób wypowiedzenia określonego słowa czy reakcje pozostałych osób mogą mieć znaczenie, którego nie da się całkowicie zilustrować samymi zdaniami. Dlatego oznaczenia dotyczące pauz, śmiechu, hałasu w tle albo jednoczesnych wypowiedzi powinny być stosowane wtedy, gdy de facto pomagają odtworzyć przebieg rozmowy. W szczególności przy długich nagraniach liczy się konsekwencja, ponieważ zmienianie zasad zapisu w połowie dokumentu może utrudnić późniejsze wykorzystywanie z przygotowanego materiału.
Zobacz więcej: transkrypcja nagrań.