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 w trakcie pracy.
Samo przepisanie słów nie zawsze jest jednakże najprostszym zadaniem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebco więcej rozpoznać, kto zabiera głos. Jeżeli już materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce dużo lepiej zaznaczyć miejsce skomplikowane do ustalenia niż uzupełniać treść na podstawie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do wykorzystania w postępowaniu. Transkrypcja do sądu powinna głównie możliwie ze starannością odzwierciedlać tekst źródłowego nagrania, ponieważ dosłownie z pozoru drobne różnice mogą posiadać znaczenie przy ocenie materiału (warto także zobaczyć: stenogram cennik). Ważne mogą być nie tylko same słowa, lecz też kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W współzależności od celu dokumentu używa się różny poziom szczegółowości. Zdarza się, że potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem tekst uporządkowany w taki sposób, ażeby łatwiej było odnaleźć określony fragment nagrania. Nie powinno się przy tym poprawiać wypowiedzi tylko po to, aby brzmiała bardziej literacko. Język mówiony na prawdę 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 istotna 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. Niezbędne jest porównywanie skomplikowanych fragmentów z wcześniejszym i późniejszym kontekstem, a czasami także wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to jednak, że niejasny fragment trzeba własnymi siłami interpretować. Misją osoby sporządzającej zapis jest możliwie wierne zilustrowanie materiału, a nie zmienianie jego treści.
Na dokładność zapisu wpływa również sposób przygotowania samego nagrania. Wyraźny dźwięk, niewielka liczba zakłóceń i możliwie czytelny podział głosów ułatwiają późniejszą pracę. Przy materiałach użytych do celów formalnych warto zachować oryginalny plik, ponieważ tekst jest zapisem pochodnym i ewentualnie powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można bardzo szybko porównać z najlepszym miejscem nagrania. Znaczenie ma też metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednak całkowity brak uporządkowania utrudnia używanie z tekstu. Dlatego przy transkrypcji powinno się każdorazowo uwzględnić rodzaj materiału, jego wykorzystanie a także ograniczenia wynikające z jakości źródła.
Źródło informacji: transkrypcja do sądu.