Rozmowa zarejestrowana na dyktafonie, telefonie albo kamerze po pewnym czasie może stać się trudna do szybkiego rozważenia. Kilkudziesięciominutowy plik wymaga odsłuchiwania od początku do końca, nawet jeżeli już potrzebny jest wyłącznie jeden konkretny fragment. W takich przypadkach transkrypcja nagrań pozwala przedstawić zawartość materiału w formie tekstowej.
Nie oznacza to jednak powszechnego przepisywania słów bez zwracania uwagi na kontekst. Osoba wykonująca zapis musi rozpoznać poszczególnych rozmówców, zachować kolejność ich wypowiedzi i stosownie potraktować fragmenty, których nie da się wyraźnie usłyszeć. Problemem bywają w szczególności nagrania zrealizowane w miejscach, gdzie występuje hałas, echo albo rozmowy prowadzone są przez kilka osób naraz. W takich warunkach pojedyncze frazę może być skomplikowane do ustalenia, a próba wypełnienia go na podstawie domysłu może zmodyfikować znaczenie całej wypowiedzi.
Inaczej powinno się podejść do materiału, który może mieć znaczenie w postępowaniu formalnym. Transkrypcja do sądu wymaga zwrócenia sugestie na detale, które w zwyczajnym zapisie rozmowy mogłyby zostać pominięte. Znaczenie może posiadać dokładne wskazanie osoby mówiącej, kolejność zdań, przerwy w wypowiedzi czy moment, w którym dwóch uczestników zaczyna mówić równocześnie. Przy dłuższych plikach praktycznym wyjściem jest również oznaczanie czasu nagrania. Dzięki temu zapis tekstowy można odnieść do konkretnego miejsca w materiale źródłowym bez konieczności szukania go metodą prób i błędów. Nie bez znaczenia pozostaje sposób zapisywania języka mówionego (zobacz więcej: transkrypcje cennik). Rozmówcy na prawdę bardzo często zmieniają zdanie w połowie wypowiedzi, powtarzają te same słowa albo używają skrótów myślowych. Zbyt daleko idąca korekta może sprawić, że treść będzie brzmiał poprawniej, ale równocześnie przestanie z uwagą odzwierciedlać nagranie.
Przy bardziej rozbudowanych materiałach spotkać można określenie stenogram, odnoszące się do szczegółowego zapisu przebiegu wypowiedzi. W praktyce odcinek szczegółowości takiego dokumentu może zależeć od jego przeznaczenia. Zdarza się, że bardzo ważna jest niemal każda przerwa i powtórzenie, innym razem większe znaczenie ma czytelne zademonstrowanie kolejnych wypowiedzi wraz z możliwością odnalezienia ich w nagraniu. Trudność rośnie, gdy materiał obejmuje wiele godzin rozmów. Wtedy łatwo o pomyłkę przy oznaczaniu osób albo pominięcie krótkiego fragmentu podczas wielokrotnego przewijania pliku. Pomocne jest dzielenie pracy na mniejsze części i zachowanie jednego sposobu zapisu w całym dokumencie. Szczególnej uwagi wymagają wypowiedzi nakładające się na siebie. O ile nie można niedwuznacznie ustalić ich treści, bardziej właściwe jest zaznaczenie nieczytelnego miejsca niż wpisanie słów, które jedynie pasują do kontekstu. Kontekst może pomóc w ponownym odsłuchaniu danego fragmentu, ale nie powinien zastępować tego, co realnie znajduje się na nagraniu.
Na jakość końcowego zapisu wpływa przede wszystkim materiał źródłowy. Wyraźne nagranie z niewielką liczbą zakłóceń daje inne sposobów niż plik z cichymi głosami, szumem urządzeń lub dźwiękami dochodzącymi z otoczenia. Znaczenie ma również sposób ustawienia mikrofonu a także odległość rozmówców od urządzenia rejestrującego. W przypadku materiałów stosowanych w sprawach formalnych warto zachować oryginalny plik i nie ograniczać się wyłącznie do jego wersji tekstowej. Nagranie pozostaje źródłem, z którym można porównać zapis w razie pojawienia się wątpliwości dotyczących konkretnego zdania. Równie istotne jest zachowanie chronologii. Przestawienie dwóch wypowiedzi lub pominięcie krótkiej wymiany zdań może zmienić sposób odbioru następnej rozmowy. Dlatego przygotowanie transkrypcji wymaga nie tylko sprawnego słuchania i pisania, lecz także stałej kontroli zgodności tekstu z materiałem, na bazie którego został sporządzony.
Zobacz także: transkrypcje nagrań.
