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 rzeczywiście zostało powiedziane. Nagranie może zawierać dłuższe przerwy, zmiany tematu, poprawianie własnych wypowiedzi lub fragmenty wypowiadane bardzo cicho. Transkrypcja nagrań wymaga więc jednoczesnego słuchania i zapisywania informacji w sposób uporządkowany.

Przy prostych rozmowach wystarcza zwykle rozpoznanie kolejnych wypowiedzi, natomiast przy bardziej złożonym materiale dochodzi identyfikacja osób, administrowanie kolejności oraz zaznaczanie miejsc, których nie można jednoznacznie odczytać. Ważne jest także rozróżnienie w gronie zapisem dosłownym a tekstem po redakcji. W pierwszym przypadku pozostawia się naturalne cechy mowy, takie jak powtórzenia czy niedokończone zdania. W drugim można ograniczyć elementy utrudniające lekturę, natomiast każda ingerencja w treść powinna posiadać dany cel i nie może prowadzić do zmiany znaczenia wypowiedzi.

Duże znaczenie ma jakość samego nagrania. Plik zarejestrowany w cichym pomieszczeniu daje całkiem inne możliwości niż materiał pochodzący z miejsca, w którym słychać ruch uliczny, pracujące urządzenia lub kilka rozmów prowadzonych jednocześnie. Problematyczne bywają także nagrania z telefonu, gdy urządzenie znajduje się daleko od osoby mówiącej. W takich ustaleniach pojedyncze słowa mogą być trudne do rozpoznania, a próba odtworzenia ich wyłącznie na bazie kontekstu prowadzi do ryzyka błędu. W praktyce nie gorzej pozostawić oznaczenie niezrozumiałego fragmentu niż wpisać słowo, które wyłącznie wydaje się prawdopodobne. Przy dłuższych materiałach przydaje się również oznaczanie czasu nagrania. Daje możliwość ono szybko wrócić do konkretnej wypowiedzi i porównać zapis z oryginalnym plikiem. Ma to znaczenie szczególnie wówczas, gdy dokument będzie analizowany przez osoby, które nie uczestniczyły w rozmowie.

W materiałach związanych z postępowaniem prawnym sposób opracowania zapisu może mieć dodatkowe znaczenie. Transkrypcja do sądu powinna przedstawiać treść nagrania w sposób czytelny, ale bez swobodnego interpretowania wypowiedzi uczestników. Nie należy poprawiać sensu zdania jedynie dlatego, że rozmówca użył błędnej formy językowej albo przerwał wypowiedź w połowie (sprawdź:transkrypcja cennik). O ile 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 takim przypadku warto podkreślić nakładanie się głosów, zamiast tworzyć z pozoru kompletny zapis. Znaczenie mogą mieć też dłuższe pauzy, śmiech, podniesiony głos czy odgłosy wskazujące na reakcję uczestników, jeżeli są wyraźnie słyszalne i ważne 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 wyszukać dokładnie sprecyzowane informacje, bez zmieniania ich znaczenia. W obu przypadkach znacząca pozostaje konsekwencja przy stosowaniu oznaczeń a także dokładne sprawdzanie nazwisk, dat, liczb i nazw własnych. To właśnie takie detale są podatne na pomyłki, w szczególności gdy dźwięk jest niewyraźny lub rozmówca posługuje się mało znanym określeniem. Przy pracy z nagraniem warto także pamiętać, że tekst nie oddaje wszystkich cech komunikacji ustnej. Nie każdą intonację czy emocję można dobitnie opisać, dlatego zapis powinien oddzielać to, co naprawdę wynika z nagrania, od interpretacji osoby przygotowującej dokument.

Więcej informacji na stronie: transkrypcje nagrań.