Podczas przepisywania rozmowy z pliku audio bardzo szybko okazuje się, że najwięcej trudności nie wynika z samego pisania, lecz z konieczności właściwego odczytania tego, co realnie zostało powiedziane. Nagranie może zawierać dłuższe przerwy, zmiany tematu, poprawianie własnych wypowiedzi albo fragmenty wypowiadane bardzo cicho. Transkrypcja nagrań wymaga więc jednoczesnego słuchania i zapisywania informacji w sposób uporządkowany.
Przy łatwych rozmowach wystarcza zwykle rozpoznanie kolejnych wypowiedzi, jednak przy bardziej złożonym materiale dochodzi identyfikacja osób, administrowanie kolejności a także zaznaczanie miejsc, których nie można jednoznacznie odczytać. Ważne jest także rozróżnienie pomiędzy zapisem dosłownym a treścią po redakcji. W pierwszym przypadku pozostawia się naturalne cechy mowy, takie jak powtórzenia czy niedokończone zdania. W drugim można ograniczyć elementy utrudniające lekturę, jednakże każda ingerencja w tekst powinna mieć określony cel i nie może prowadzić do zmiany znaczenia wypowiedzi.
Duże znaczenie ma jakość samego nagrania. Plik zarejestrowany w cichym pomieszczeniu daje całkiem inne sposobów niż materiał pochodzący z miejsca, w którym słychać ruch uliczny, pracujące urządzenia albo kilka rozmów prowadzonych jednocześnie. Problematyczne bywają również nagrania z telefonu, gdy urządzenie znajduje się daleko od osoby mówiącej. W takich warunkach pojedyncze słowa mogą być skomplikowane do rozpoznania, a próba odtworzenia ich jedynie na podstawie kontekstu prowadzi do ryzyka błędu. W praktyce dużo lepiej pozostawić oznaczenie niezrozumiałego fragmentu niż wpisać frazę, które wyłącznie wydaje się prawdopodobne. Przy dłuższych materiałach przydaje się też oznaczanie czasu nagrania. Umożliwia ono szybko wrócić do konkretnej wypowiedzi i porównać zapis z oryginalnym plikiem. Ma to znaczenie w szczególności wówczas, gdy dokument będzie analizowany przez osoby, które nie uczestniczyły w rozmowie.
W materiałach związanych z postępowaniem prawnym sposób opracowania zapisu może posiadać dodatkowe znaczenie. Transkrypcja do sądu powinna przedstawiać treść nagrania w sposób czytelny, ale bez swobodnego interpretowania wypowiedzi uczestników. Nie trzeba poprawiać sensu zdania tylko dlatego, że rozmówca użył błędnej formy językowej albo przerwał wypowiedź w połowie (sprawdź również informacje na stronie:transkrypcja cennik). Jeżeli już na nagraniu występuje kilka osób, niezbędne jest konsekwentne oznaczanie ich wypowiedzi. Jeszcze trudniejsza sytuacja pojawia się przy mówieniu jednoczesnym, ponieważ wtedy nie za każdym razem da się ustalić pełną treść obu wypowiedzi. W takiej okoliczności warto podkreślić nakładanie się głosów, zamiast zbudować z pozoru kompletny zapis. Znaczenie mogą mieć również dłuższe pauzy, śmiech, podniesiony głos czy odgłosy wskazujące na reakcję uczestników, jeżeli są wyraźnie słyszalne i istotne dla przebiegu rozmowy.
W współzależności od celu dokumentu używa się różne sposoby przedstawiania materiału. Stenogram może być przygotowany w formie bardzo zbliżonej do rzeczywistego przebiegu rozmowy, z zachowaniem kolejności wypowiedzi i charakterystycznych elementów mowy. Przy innych zastosowaniach tekst może zostać uporządkowany tak, aby łatwiej było odnaleźć konkretne informacje, bez zmieniania ich znaczenia. W obu przypadkach na prawdę ważna pozostaje konsekwencja przy stosowaniu oznaczeń a także dokładne sprawdzanie nazwisk, dat, liczb i nazw własnych. To właśnie takie szczegóły są podatne na pomyłki, zwłaszcza gdy dźwięk jest niewyraźny albo rozmówca posługuje się mało znanym określeniem. Przy pracy z nagraniem warto także pamiętać, że treść nie oddaje wszystkich cech komunikacji ustnej. Nie każdą intonację czy emocję można jednoznacznie opisać, dlatego zapis powinien oddzielać to, co realnie wynika z nagrania, od interpretacji osoby przygotowującej dokument.
Zobacz więcej: transkrypcja do sądu.
