W pracy z materiałami dźwiękowymi znaczenie ma nie tylko to, co zostało powiedziane, niemniej jednak także sposób uporządkowania wypowiedzi. Nagranie rozmowy, wywiadu, posiedzenia czy spotkania może trwać kilkadziesiąt minut, a późniejsze odnalezienie konkretnej informacji bez zapisu bywa czasochłonne. W takich okolicznościach stosowana jest transkrypcja nagrań, czyli przeniesienie treści mówionej do formy tekstowej.

Samo przepisanie słów nie zawsze natomiast wystarcza. Przy mniej wyraźnych nagraniach ukazują się przerwy, nakładające się głosy, urwane zdania albo fragmenty, których nie da się jednoznacznie usłyszeć. W praktyce powinno się wtedy rozstrzygnąć, czy zachować dosłowny charakter wypowiedzi, czy przygotować zapis bardziej uporządkowany. Każda z takowych form służy nieco innemu celowi, dlatego sposób opracowania materiału warto ustalić przed rozpoczęciem pracy.

Szczególnego podejścia wymaga materiał, który ma być zastosowany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie z uwagą odzwierciedlać zawartość nagrania, bez dopisywania znaczeń, poprawiania wypowiedzi czy zmieniania ich sensu. Ważne mogą być nie tylko kompletne zdania, lecz również momenty zawahania, przerwy, zmiana osoby mówiącej albo fragmenty, w których wypowiedź jest niezrozumiała (sprawdź też:transkrypcja cennik). Przy dłuższych materiałach istotne staje się też oznaczanie czasu nagrania, ponieważ ułatwia ono odnalezienie konkretnego fragmentu w pliku źródłowym. O ile na nagraniu mówi kilka osób, konieczne jest rozróżnienie ich wypowiedzi w sposób czytelny i konsekwentny. Problem pojawia się szczególnie wówczas, gdy rozmówcy mówią równocześnie. W takim przypadku zapis powinien jasno sygnalizować ograniczenie wynikające z jakości materiału, zamiast uzupełniać brakujące słowa na bazie domysłów.

Określenie stenogram jest często używane zamiennie z transkrypcją, choć w zależności od zastosowania może oznaczać nieco inny sposób zapisu. Stenogram kojarzy się przede wszystkim z możliwie wiernym odtworzeniem przebiegu wypowiedzi, dlatego przy jego przygotowaniu liczy się kolejność słów i zachowanie informacji występujących w nagraniu. Nie oznacza to natomiast, że każdy zapis powinien wyglądać dokładnie tak samo. Przeciwnie opracowuje się rozmowę, w której bardzo ważna jest naturalna forma wypowiedzi, a inaczej materiał przeznaczony do analizy dokumentacyjnej. Przy zapisie dosłownym pozostawia się w głównej mierze powtórzenia, charakterystyczne przerwania zdań czy potoczne sformułowania, jednak w wersji redagowanej można ograniczyć elementy utrudniające czytanie. Decyzja dotycząca formy ma później wpływ na sposób interpretowania dokumentu, dlatego nie powinna być podejmowana wyłącznie pod kątem wyglądu gotowego tekstu.

Na dokładność zapisu wpływa głównie jakość materiału wejściowego. Nagranie zrealizowane w spokojnym pomieszczeniu zwykle daje możliwość łatwiej rozpoznać poszczególne głosy niż plik zarejestrowany w miejscu, w którym występuje hałas, echo lub wiele osób rozmawia równocześnie. Znaczenie ma także sposób nagrania, rodzaj mikrofonu i odległość rozmówców od urządzenia. Przy bardzo słabej jakości dźwięku niektórych fragmentów nie da się odtworzyć z pełną pewnością i należy to wyraźnie zaznaczyć w tekście. Równie znacząca jest weryfikacja nazw własnych, dat, liczb a także terminów pojawiających się w wypowiedziach, ponieważ pojedyncza pomyłka w takim miejscu może zmienić znaczenie całego fragmentu. Transkrypcja jest zatem nie tylko czynnością polegającą na wpisywaniu usłyszanych słów. Wymaga uważnego odsłuchiwania, rozpoznawania kontekstu i jednoczesnego respektowania granicy między tym, co rzeczywiście wynika z nagrania, a tym, co można tylko przypuszczać.

Źródło informacji: transkrypcje nagrań.