Rozmowa zarejestrowana na dyktafonie, telefonie albo kamerze po pewnym czasie może stać się trudna do szybkiego przemyślenia. Kilkudziesięciominutowy plik wymaga odsłuchiwania od początku do końca, dosłownie o ile potrzebny jest jedynie jeden dany fragment. W takich okolicznościach transkrypcja nagrań umożliwia pokazać zawartość materiału w formie tekstowej.

Nie znaczy to natomiast zwyczajnego przepisywania słów bez zwracania sugestie 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 zrobione w miejscach, gdzie występuje hałas, echo albo rozmowy prowadzone są przez kilka osób naraz. W takich warunkach pojedyncze słowo może być skomplikowane do ustalenia, a próba wypełnienia go na bazie domysłu może zmienić znaczenie całej wypowiedzi.

Inaczej trzeba podejść do materiału, który może mieć znaczenie w postępowaniu formalnym. Transkrypcja do sądu wymaga zwrócenia uwagi na najmniejsze elementy, które w zwykłym 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 jednocześnie. Przy dłuższych plikach praktycznym rozstrzygnięciem jest też 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 (warto także zobaczyć: transkrypcja cennik). Rozmówcy na prawdę często zmieniają zdanie w połowie wypowiedzi, powtarzają te same słowa lub używają skrótów myślowych. Zbyt daleko idąca korekta może sprawić, że tekst będzie brzmiał poprawniej, ale równocześnie przestanie gruntownie odzwierciedlać nagranie.

Przy bardziej rozbudowanych materiałach spotkać można określenie stenogram, odnoszące się do szczegółowego zapisu przebiegu wypowiedzi. W praktyce stopień szczegółowości takiego dokumentu może zależeć od jego przeznaczenia. Czasami na prawdę 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 prawidłowe jest zaznaczenie nieczytelnego miejsca niż wpisanie słów, które jedynie pasują do kontekstu. Kontekst może pomóc w ponownym odsłuchaniu danego fragmentu, niemniej jednak nie powinien zastępować tego, co rzeczywiście znajduje się na nagraniu.

Na jakość końcowego zapisu wpływa przede wszystkim materiał źródłowy. Wyraźne nagranie z niewielką liczbą zakłóceń daje inne sposobności niż plik z cichymi głosami, szumem urządzeń albo dźwiękami dochodzącymi z otoczenia. Znaczenie ma także sposób ustawienia mikrofonu oraz odległość rozmówców od urządzenia rejestrującego. W sytuacji materiałów wykorzystywanych w sprawach formalnych warto zachować oryginalny plik i nie ograniczać się jedynie do jego wersji tekstowej. Nagranie pozostaje źródłem, z którym można porównać zapis w razie pojawienia się wątpliwości dotyczących konkretnego zdania. Równie ważne jest zachowanie chronologii. Przestawienie dwóch wypowiedzi albo pominięcie krótkiej wymiany zdań może zmienić sposób odbioru kolejnej rozmowy. Dlatego przygotowanie transkrypcji wymaga nie tylko sprawnego słuchania i pisania, lecz też stałej kontroli zgodności tekstu z materiałem, na bazie którego został sporządzony.

Zobacz także: transkrypcje nagrań.