Dokładne odtworzenie przebiegu rozmowy wymaga uwzględnienia wielu elementów, które w zwyczajnym słuchaniu mogą pozostać niezauważone. Znaczenie mają nie tylko i wyłącznie same słowa, lecz też kolejność wypowiedzi, sposób reagowania rozmówców i fragmenty, w których kilka osób mówi równocześnie. Transkrypcje nagrań są wykorzystywane między innymi przy dokumentowaniu zebrań, rozmów telefonicznych, wywiadów, konsultacji oraz materiałów związanych z różnymi postępowaniami.
Sposób przygotowania zapisu zależy przede wszystkim od jego przeznaczenia. Inaczej opracowuje się rozmowę, z której potrzebne są tylko najistotniejsze ustalenia, a zupełnie inaczej materiał wymagający zachowania pełnego brzmienia każdej wypowiedzi. W tym drugim przypadku nie należy usuwać powtórzeń, przemieniać szyku zdań ani poprawiać wypowiedzi tak, ażeby brzmiały bardziej formalnie. Dosłownie jeżeli rozmówca stosuje niepoprawnych konstrukcji językowych, ich zmiana może wpłynąć na charakter albo znaczenie wypowiedzi. Zapis tekstowy powinien zatem odzwierciedlać rzeczywisty przebieg rozmowy, a nie jej późniejszą, poprawioną wersję.
Jednym z trudniejszych etapów pracy jest zobowiązanie, które fragmenty nagrania można odtworzyć bez wątpliwości. Kłopoty pojawiają się zwłaszcza przy słabej jakości dźwięku, nagraniach wykonywanych z wielkiej odległości a także rozmowach prowadzonych w miejscach publicznych. Dźwięki otoczenia mogą zagłuszać pojedyncze słowa, a niewyraźna wymowa utrudnia rozpoznanie końcówek i nazw własnych. W takich okolicznościach samo kilkukrotne odtworzenie pliku nie zawsze wystarcza (warto zobaczyć: transkrypcja cennik). W pewnych sytuacjach niezbędne jest sprawdzenie szerszego fragmentu, ponieważ dopiero wcześniejsze i późniejsze zdania pozwalają rozpoznać temat wypowiedzi. Nie oznacza to jednak, że brakujące słowa można uzupełniać na bazie przypuszczeń. O ile tekst pozostaje nieczytelna, należy odpowiednio oznaczyć taki fragment. Podobna zasada tyczy się identyfikacji uczestników. Gdy nie ma pewności, kto zabrał głos, całkiem dobrze zastosować neutralne oznaczenie niż przypisać wypowiedź niewłaściwej osobie. Ma to znaczenie zwłaszcza w materiałach, w których poszczególne kwestie mogą być później analizowane oddzielnie.
W przypadku dokumentów używanych w sprawach prawnych szczególne znaczenie ma zgodność zapisu z oryginalnym materiałem. Transkrypcja do sądu powinna przedstawiać wypowiedzi w adekwatnej kolejności, z zachowaniem rozróżnienia między uczestnikami rozmowy. Istotne jest także uwzględnienie krótkich reakcji, zaprzeczeń, potwierdzeń i pytań, które mogą mieć znaczenie dla odczytania całego dialogu. Nie trzeba samemu skracać wypowiedzi tylko dlatego, że niektóre fragmenty wydają się powtarzalne lub niewiele istotne. W współzależności od celu dokumentu przydatne są znaczniki czasu wskazujące moment rozpoczęcia poszczególnych kwestii. Pozwalają one szybko odnaleźć bardzo dobry fragment w nagraniu i porównać go z zapisem tekstowym. Stenogram może także zawierać oznaczenia przerw, niezrozumiałych słów czy wypowiedzi nakładających się na siebie. Powinno się jednakże pamiętać, że dokładny zapis rozmowy nie jest tym samym co jej ocena prawna. Nie rozstrzyga poświęcając własny czas o wiarygodności uczestników ani o znaczeniu dowodowym przedstawionych treści. Sposób zastosowania takiego dokumentu uzależniony jest od wymogów konkretnego postępowania.
Przy opracowywaniu materiałów audio coraz częściej używa się programy w sposób automatyczny zamieniające mowę na tekst. Takie rozwiązania mogą zbudować wstępną wersję dokumentu, jednak ich wyniki nie za każdym razem odpowiadają rzeczywistej treści nagrania. Niedociągnięcia ukazują się przy rozpoznawaniu nazwisk, nazw miejscowości, dat, kwot oraz wyrazów o podobnym brzmieniu. Dodatkowym ograniczeniem jest trudność w prawidłowym rozdzielaniu wypowiedzi kilku osób, szczególnie gdy rozmówcy sobie przerywają. Z tego powodu w sposób automatyczny wygenerowany treść wymaga kontroli z oryginalnym plikiem. Warto zwrócić uwagę również na sposób zapisu liczb, skrótów i określeń specjalistycznych, ponieważ ich nieprawidłowa interpretacja może prowadzić do zmiany sensu całego zdania. Osobnego podejścia wymagają nagrania wielojęzyczne, w których uczestnicy przechodzą z jednego języka na drugi lub używają obcojęzycznych nazw. Przygotowany dokument powinien zachowywać spójny układ, ale nie może upraszczać treści kosztem jej dokładności. Znaczenie ma także zgodność tekstu z czasami trwania nagrania oraz właściwe oznaczenie wszystkich miejsc, w których odtworzenie wypowiedzi nie było możliwe.
Warto zobaczyć: transkrypcje nagrań.