Sporo informacji przekazywanych w trakcie rozmów ma znaczenie przede wszystkim w chwili, gdy padają konkretne słowa. Po pewnym czasie pamięć uczestników może być niepełna, a ponowne odsłuchiwanie długiego pliku na prawdę bardzo 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 współzależności 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 inaczej spotkanie, podczas którego głosy nakładają się na siebie. Znaczenie mają także pauzy, urwane zdania, powtórzenia i fragmenty wypowiadane niewyraźnie (zobacz także: transkrypcje cennik). W takich wypadkach nie powinno się samoczynnie zastępować niezrozumiałych słów własną interpretacją, ponieważ dosłownie niewielka zmiana może wpłynąć na sens całej wypowiedzi.

Szczególnego znaczenia nabiera zapis materiału, który ma zostać użyty w sprawie formalnej. Transkrypcja do sądu powinna być przygotowywana z uwzględnieniem charakteru nagrania oraz celu, któremu ma służyć dokument. Istotne może być dokładne wskazanie rozmówców, zachowanie kolejności wypowiedzi oraz możliwość odnalezienia konkretnego miejsca w materiale źródłowym. Przy dłuższych nagraniach pomocne są oznaczenia czasu, ponieważ pozwalają sprawdzić, z jakiego fragmentu pochodzi dana część zapisu. Nie za każdym razem prawidłowe jest również poprawianie języka osób mówiących. Wypowiedzi ustne różnią się od tekstu pisanego, dlatego występują w nich błędy, 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 dokładnie określone 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 dobitnie ustalić wypowiedzi. Szum uliczny, odgłosy urządzeń, rozmowy prowadzone w tle czy duża odległość od mikrofonu umieją sprawić, że pojedyncze frazę staje się skomplikowane do rozpoznania. Jeszcze większym wyzwaniem są sytuacje, w których rozmówcy mówią jednocześnie. Wtedy konieczne może być wielokrotne odsłuchanie krótkiego fragmentu i porównanie go z kontekstem całej rozmowy. Kontekst pomaga zrozumieć wypowiedź, niemniej jednak nie powinien być traktowany jako podstawa do dopisywania treści, której realnie nie słychać. W dokumentach o charakterze formalnym w szczególności ważne jest rozdzielenie tego, co wynika bezpośrednio z nagrania, od tego, co mogłoby być jedynie 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 lub wideo. Przydatne okazuje się też zachowanie jednolitego sposobu oznaczania osób, czasu a także fragmentów, których nie można gruntownie odczytać. W sytuacji kilku godzin materiału warto zwracać uwagę na ciągłość zapisu, ponieważ zmiana oznaczenia jednego rozmówcy może w przyszłości utrudnić interpretację całego dokumentu. Ważna jest także jakość samego pliku. Kompresja, bardzo cichy dźwięk albo nagranie wykonane z sporej odległości mogą ograniczać dokładność zapisu niezależnie od sposobu jego opracowania. Dlatego przy ocenie gotowego dokumentu powinno się brać pod uwagę nie tylko formę tekstu, lecz także sposobów i ograniczenia materiału, z którego został on sporządzony.

Zobacz także: transkrypcja do sądu.