Dokładne odtworzenie przebiegu rozmowy wymaga uwzględnienia wielu elementów, które w zwyczajnym słuchaniu mogą pozostać niezauważone. Znaczenie mają nie tylko i wyłącznie same słowa, lecz również kolejność wypowiedzi, sposób reagowania rozmówców i fragmenty, w których kilka osób mówi jednocześnie. Transkrypcje nagrań są wykorzystywane między innymi przy dokumentowaniu zebrań, rozmów telefonicznych, wywiadów, konsultacji a także materiałów związanych z różnymi postępowaniami.
Sposób przygotowania zapisu zależy przede wszystkim od jego przeznaczenia. Przeciwnie opracowuje się rozmowę, z której potrzebne są wyłącznie bardzo istotne ustalenia, a całkiem inaczej materiał wymagający zachowania pełnego brzmienia każdej wypowiedzi. W tym drugim przypadku nie trzeba usuwać powtórzeń, edytować szyku zdań ani poprawiać wypowiedzi tak, aby brzmiały bardziej formalnie. Nawet jeśli rozmówca stosuje niepoprawnych konstrukcji językowych, ich zmiana może wpłynąć na charakter albo znaczenie wypowiedzi. Zapis tekstowy powinien więc odzwierciedlać rzeczywisty przebieg rozmowy, a nie jej późniejszą, poprawioną wersję.
Jednym z trudniejszych etapów pracy jest zobowiązanie, które fragmenty nagrania można odtworzyć bez wątpliwości. Problemy ukazują się szczególnie przy słabej jakości dźwięku, nagraniach wykonywanych z dużej odległości oraz rozmowach prowadzonych w miejscach publicznych. Dźwięki otoczenia mogą zagłuszać pojedyncze słowa, a niewyraźna wymowa utrudnia rozpoznanie końcówek i nazw własnych. W takich sytuacjach samo kilkukrotne odtworzenie pliku nie za każdym razem wystarcza (polecana strona: transkrypcje cennik). Zdarza się, że konieczne jest sprawdzenie szerszego fragmentu, ponieważ dopiero wcześniejsze i późniejsze zdania pozwalają rozpoznać temat wypowiedzi. Nie znaczy to jednakże, że brakujące słowa można uzupełniać na podstawie przypuszczeń. Jeżeli już tekst pozostaje nieczytelna, trzeba należycie oznaczyć taki fragment. Dokładnie taka sama zasada tyczy się identyfikacji uczestników. Gdy nie ma pewności, kto zabrał głos, lepiej zastosować neutralne oznaczenie niż przypisać wypowiedź niewłaściwej osobie. Ma to znaczenie zwłaszcza w materiałach, w których poszczególne kwestie mogą być w przyszłości analizowane oddzielnie.
W przypadku dokumentów stosowanych w sprawach prawnych szczególne znaczenie ma zgodność zapisu z oryginalnym materiałem. Transkrypcja do sądu powinna przedstawiać wypowiedzi w odpowiedniej kolejności, z zachowaniem rozróżnienia między uczestnikami rozmowy. Istotne jest też uwzględnienie krótkich reakcji, zaprzeczeń, potwierdzeń i pytań, które mogą posiadać znaczenie dla odczytania całego dialogu. Nie powinno się poświęcając własny czas skracać wypowiedzi tylko dlatego, że niektóre fragmenty wydają się powtarzalne albo mało ważne. W zależności od celu dokumentu przydatne są znaczniki czasu wskazujące moment rozpoczęcia poszczególnych kwestii. Pozwalają one bardzo szybko wyszukać odpowiedni fragment w nagraniu i porównać go z zapisem tekstowym. Stenogram może również zawierać oznaczenia przerw, niezrozumiałych słów czy wypowiedzi nakładających się na siebie. Należy jednakże pamiętać, że szczegółowy zapis rozmowy nie jest tym samym co jej ocena prawna. Nie rozstrzyga własnymi siłami o wiarygodności uczestników ani o znaczeniu dowodowym przedstawionych treści. Sposób użycia takiego dokumentu uzależniony jest od wymogów konkretnego postępowania.
Przy opracowywaniu materiałów audio bardzo często używa się programy w sposób automatyczny zamieniające mowę na tekst. Takie rozwiązania mogą tworzyć wstępną wersję dokumentu, jednak ich wyniki nie zawsze odpowiadają rzeczywistej treści nagrania. Błędy ukazują się przy rozpoznawaniu nazwisk, nazw mieście, dat, kwot oraz wyrazów o podobnym brzmieniu. Dodatkowym ograniczeniem jest trudność w prawidłowym rozdzielaniu wypowiedzi kilku osób, w szczególności gdy rozmówcy sobie przerywają. Z tego powodu automatycznie wygenerowany tekst 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, niemniej jednak nie może upraszczać treści kosztem jej dokładności. Znaczenie ma także zgodność tekstu z w pewnych sytuacjach trwania nagrania oraz właściwe oznaczenie wszystkich miejsc, w których odtworzenie wypowiedzi nie było możliwe.
Zobacz więcej: transkrypcje nagrań.