Nagrania dźwiękowe i materiały wideo są dziś wykorzystywane częstokroć, 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 natomiast najprostszym celem. Znaczenie mają jakość dźwięku, liczba osób mówiących, sposób wypowiadania się a także obecność szumów i przerw. Przy nagraniu kilku rozmówców trzebprócz tego rozpoznać, kto zabiera głos. Jeżeli materiał jest niewyraźny, próba odgadnięcia brakującego fragmentu może prowadzić do zmiany sensu wypowiedzi, dlatego w praktyce nie gorzej podkreślić miejsce skomplikowane do ustalenia niż uzupełniać tekst na podstawie przypuszczeń.
Innego podejścia wymaga dokument przeznaczony do wykorzystania w postępowaniu. Transkrypcja do sądu powinna głównie możliwie starannie odzwierciedlać tekst źródłowego nagrania, ponieważ wręcz z pozoru drobne różnice mogą mieć znaczenie przy ocenie materiału (warto sprawdzić: transkrypcja cennik). Istotne mogą być nie tylko i wyłącznie same słowa, lecz również kolejność wypowiedzi, przerwania, powtórzenia czy momenty, w których uczestnicy mówią jednocześnie. W zależności od celu dokumentu używa się różny poziom szczegółowości. Nierzadko niezbędny jest zapis wypowiedzi wraz z oznaczeniami czasu, a innym razem treść uporządkowany w taki sposób, by łatwiej było odnaleźć konkretny fragment nagrania. Nie należy dodatkowo poprawiać wypowiedzi jedynie po to, aby brzmiała bardziej literacko. Język mówiony na prawdę często zawiera niedokończone zdania, powtórzenia i potoczne określenia, które mogą zostać utracone podczas nadmiernej redakcji.
W przypadku dłuższych materiałów na prawdę bardzo 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 bardzo ważna staje się konsekwencja w oznaczaniu rozmówców a także zachowanie jednolitego sposobu zapisu przez cały dokument. Problem pojawia się w szczególności wówczas, gdy kilka osób wypowiada się równocześnie, ktoś mówi bardzo cicho albo nagranie zawiera fragmenty o słabej jakości. Wówczas nie wystarczy mechaniczne rozpoznawanie mowy. Konieczne jest porównywanie skomplikowanych fragmentów z wcześniejszym i późniejszym kontekstem, a nierzadko również wielokrotne odsłuchiwanie tego samego miejsca. Nie znaczy to natomiast, że niejasny fragment trzeba we własnym zakresie interpretować. Misją osoby sporządzającej zapis jest możliwie wierne zademonstrowanie materiału, a nie zmienianie jego treści.
Na dokładność zapisu wpływa także 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 tekst jest zapisem pochodnym i w razie potrzeby powinien dać się odnieść do źródła. Pomocne bywają oznaczenia czasu, dzięki którym konkretną wypowiedź można szybko porównać z właściwym miejscem nagrania. Znaczenie ma także metoda dokumentu: zbyt duża ingerencja redakcyjna może oddalić zapis od rzeczywistego przebiegu rozmowy, jednak całkowity brak uporządkowania utrudnia korzystanie z tekstu. Dlatego przy transkrypcji trzeba za każdym razem uwzględnić rodzaj materiału, jego zastosowanie oraz ograniczenia wynikające z jakości źródła.
Zobacz: stenogram.