Przygotowanie tekstowego zapisu rozmowy lub innego materiału dźwiękowego wymaga uwzględnienia nie tylko wypowiadanych słów, ale także kontekstu całej wypowiedzi. Znaczenie ma jakość nagrania, liczba uczestników, sposób prowadzenia rozmowy oraz obecność zakłóceń, które mogą utrudniać rozpoznanie poszczególnych fragmentów. Transkrypcje nagrań mogą obejmować wywiady, spotkania, rozmowy telefoniczne, wykłady, przesłuchania czy materiały zarejestrowane w trakcie różnych wydarzeń.
W zależności od przeznaczenia zapisu wykorzystuje się różnorodne zasady jego opracowania. W wersji dosłownej uwzględnia się także powtórzenia, urwane zdania, zawahania i charakterystyczne elementy wypowiedzi. Z kolei zapis redagowany może pomijać część naturalnych powtórzeń, jeżeli nie zmienia to sensu przekazywanych informacji. Wybór metody powinien wynikać z tego, do czego tekst będzie później wykorzystywany.
Szczególnego podejścia wymaga materiał, który ma zostać zastosowany w postępowaniu prawnym. Transkrypcja do sądu powinna możliwie wiernie oddawać przebieg rozmowy, bez samodzielnego poprawiania wypowiedzi w sposób wpływający na ich znaczenie. Istotne jest zachowanie kolejności dialogu, rozróżnienie osób zabierających głos a także oznaczenie fragmentów, których nie można niedwuznacznie odtworzyć (źródło informacji: transkrypcja cennik). Nie trzeba zastępować niezrozumiałych słów przypuszczeniami, dosłownie jeśli kontekst sugeruje określoną treść. W takim przypadku nie gorzej podkreślić nieczytelny fragment wraz z odpowiednim oznaczeniem czasu nagrania. Przydatne jest również zachowanie informacji o przerwach, nakładających się wypowiedziach czy nagłej zmianie tematu, jeśli mają one znaczenie dla interpretacji rozmowy. Sam zapis tekstowy nie przesądza jednak o prawdziwości przedstawionych w nim informacji ani o ich wartości dowodowej. O sposobie użycia nagrania i jego transkrypcji decydują prawidłowe przepisy a także okoliczności konkretnej sprawy.
W praktyce opracowywanie materiałów dźwiękowych wiąże się z wieloma trudnościami, których nie zawsze można uniknąć poprzez wielokrotne odsłuchiwanie. Kłopotem bywają niewyraźna wymowa, szumy w tle, słaba jakość mikrofonu, a także rozmowy prowadzone przez kilka osób jednocześnie. Szczególnie wymagające są nagrania, w których uczestnicy na prawdę bardzo często sobie przerywają albo używają skrótów i określeń znanych tylko z wcześniejszego kontekstu. W takich okolicznościach stenogram powinien zachowywać czytelny układ wypowiedzi, a jednocześnie nie może tworzyć pozornej pewności tam, gdzie dźwięk nie pozwala na jednoznaczne uwarunkowanie treści. Rozpoznanie głosów także wymaga ostrożności. Jeżeli nie ma podstaw do przypisania wypowiedzi dokładnie sprecyzowanej osobie, właściwsze jest zastosowanie neutralnego oznaczenia uczestnika. Warto również pamiętać, że automatyczne narzędzia rozpoznawania mowy mogą błędnie interpretować nazwy swoje, daty, liczby i specjalistyczne terminy. Dlatego wynik automatycznego przetwarzania wymaga sprawdzenia z oryginalnym materiałem.
Istotnym elementem pracy z nagraniem jest też sposób zapisywania danych, które mogą mieć znaczenie w dalszym postępowaniu lub analizie. Daty, godziny, kwoty, nazwiska i nazwy miejsc powinny być moderowane ze szczególną uwagą, ponieważ dosłownie drobna pomyłka może przemienić sens wypowiedzi. W przypadku dłuższych materiałów pomocny jest podział tekstu na odcinki odpowiadające dalszym etapom rozmowy a także stosowanie znaczników czasu. Ułatwia to odnalezienie konkretnego fragmentu bez konieczności ponownego odsłuchiwania całego pliku. Znaczenie ma także rozróżnienie między słowami realnie wypowiedzianymi a komentarzami osoby opracowującej zapis. Ewentualne sugestie techniczne powinny być wyraźnie oddzielone od treści rozmowy. Przy materiałach zawierających dane osobowe trzeba a przy tym uwzględnić zasady ich przetwarzania i przechowywania. Zakres szczegółowości zapisu zależy od celu jego sporządzenia, rodzaju nagrania a także wymagań instytucji, do której dokument ma zostać przekazany.
Warto zobaczyć: stenogram.