Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane w wielu przypadkach, w których późniejsze odtworzenie całego materiału może być niewygodne lub czasochłonne. W tak zaistniałych okolicznościach znaczenie ma wierne przeniesienie wypowiedzi do postaci tekstowej. Transkrypcja nagrań może obejmować rozmowy, wywiady, posiedzenia, spotkania, wykłady czy materiały zarejestrowane podczas pracy.
Samo przepisanie słów nie zawsze jest jednakże prostym misją. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się oraz obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebprzy tym rozpoznać, kto zabiera głos. Jeżeli materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce całkiem dobrze podkreślić miejsce trudne do ustalenia niż uzupełniać treść na bazie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do użycia w postępowaniu. Transkrypcja do sądu powinna głównie możliwie gruntownie odzwierciedlać treść źródłowego nagrania, ponieważ nawet na pozór drobne różnice mogą mieć znaczenie przy ocenie materiału (warto sprawdzić: stenogram cennik). Istotne mogą być nie tylko same słowa, lecz też kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią równocześnie. W zależności od celu dokumentu używa się różny poziom szczegółowości. Czasami potrzebny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, ażeby łatwiej było odnaleźć konkretny fragment nagrania. Nie trzeba prócz tego poprawiać wypowiedzi tylko po to, aby brzmiała bardziej literacko. Język mówiony na prawdę bardzo często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone podczas nadmiernej redakcji.
W sytuacji dłuższych materiałów na prawdę często pojawia się pojęcie stenogram, choćby 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 a także zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się w szczególności wtedy, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho lub nagranie zawiera fragmenty o słabej jakości. Wówczas nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie nieprostych fragmentów z wcześniejszym i późniejszym kontekstem, a w pewnych sytuacjach też wielokrotne odsłuchiwanie tego samego miejsca. Nie oznacza to jednak, że niejasny fragment należy własną pracą interpretować. Misją osoby sporządzającej zapis jest możliwie wierne przedstawienie 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 zastosowanych do celów formalnych warto zachować oryginalny plik, ponieważ treść jest zapisem pochodnym i w razie konieczności powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z odpowiednim miejscem nagrania. Znaczenie ma także forma dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, natomiast całkowity brak uporządkowania utrudnia wykorzystywanie z tekstu. Dlatego przy transkrypcji powinno się każdorazowo uwzględnić rodzaj materiału, jego przeznaczenie a także ograniczenia wynikające z jakości źródła.
Zobacz: transkrypcje nagrań.