Dokładne odtworzenie przebiegu rozmowy wymaga uwzględnienia wielu elementów, które w codziennym słuchaniu mogą pozostać niezauważone. Znaczenie mają nie tylko same słowa, lecz także kolejność wypowiedzi, sposób reagowania rozmówców i fragmenty, w których kilka osób mówi jednocześnie. Transkrypcje nagrań są wykorzystywane w głównej mierze przy dokumentowaniu zebrań, rozmów telefonicznych, wywiadów, konsultacji a także materiałów związanych z różnymi postępowaniami.

Sposób przygotowania zapisu zależy przede wszystkim od jego przeznaczenia. Inaczej opracowuje się rozmowę, z której potrzebne są tylko najistotniejsze ustalenia, a inaczej materiał wymagający zachowania pełnego brzmienia każdej wypowiedzi. W tym drugim przypadku nie powinno się usuwać powtórzeń, modyfikować szyku zdań ani poprawiać wypowiedzi tak, ażeby brzmiały bardziej formalnie. Wręcz jeżeli rozmówca stosuje niepoprawnych konstrukcji językowych, ich zmiana może wpłynąć na charakter lub znaczenie wypowiedzi. Zapis tekstowy powinien więc odzwierciedlać rzeczywisty przebieg rozmowy, a nie jej późniejszą, poprawioną wersję.

Jednym z trudniejszych etapów pracy jest ustalenie, które fragmenty nagrania można odtworzyć bez wątpliwości. Kłopoty ukazują się w szczególności przy słabej jakości dźwięku, nagraniach wykonywanych z dużej odległości a także rozmowach prowadzonych w miejscach publicznych. Dźwięki otoczenia mogą zagłuszać pojedyncze słowa, a niewyraźna wymowa utrudnia rozpoznanie końcówek i nazw własnych. W takich przypadkach samo kilkukrotne odtworzenie pliku nie zawsze wystarcza (warto sprawdzić: stenogram cennik). Zdarza się, że konieczne jest sprawdzenie szerszego fragmentu, ponieważ dopiero wcześniejsze i późniejsze zdania pozwalają rozpoznać temat wypowiedzi. Nie oznacza to natomiast, że brakujące słowa można uzupełniać na bazie przypuszczeń. Jeżeli już treść pozostaje nieczytelna, trzeba stosownie oznaczyć taki fragment. Analogiczna zasada tyczy się identyfikacji uczestników. Gdy nie ma pewności, kto zabrał głos, nie gorzej zastosować neutralne oznaczenie niż przypisać wypowiedź niewłaściwej osobie. Ma to znaczenie zwłaszcza w materiałach, w których poszczególne kwestie mogą być później analizowane oddzielnie.

W przypadku dokumentów używanych w sprawach prawnych szczególne znaczenie ma zgodność zapisu z oryginalnym materiałem. Transkrypcja do sądu powinna przedstawiać wypowiedzi w stosownej kolejności, z zachowaniem rozróżnienia między uczestnikami rozmowy. Ważne jest także uwzględnienie krótkich reakcji, zaprzeczeń, potwierdzeń i pytań, które mogą posiadać znaczenie dla odczytania całego dialogu. Nie należy poświęcając własny czas skracać wypowiedzi jedynie dlatego, że niektóre fragmenty wydają się powtarzalne albo mało istotne. W zależności od celu dokumentu przydatne są znaczniki czasu wskazujące moment rozpoczęcia poszczególnych kwestii. Pozwalają one szybko odnaleźć bardzo dobry fragment w nagraniu i porównać go z zapisem tekstowym. Stenogram może także zawierać oznaczenia przerw, niezrozumiałych słów czy wypowiedzi nakładających się na siebie. Powinno się jednak pamiętać, że dokładny zapis rozmowy nie jest tym samym co jej ocena prawna. Nie rozstrzyga własnymi siłami o wiarygodności uczestników ani o znaczeniu dowodowym przedstawionych treści. Sposób wykorzystania takiego dokumentu uzależniony jest od założeń konkretnego postępowania.

Przy opracowywaniu materiałów audio bardzo często wykorzystuje się programy w sposób automatyczny zamieniające mowę na tekst. Takie rozwiązania mogą tworzyć wstępną wersję dokumentu, jednak ich wyniki nie za każdym razem odpowiadają rzeczywistej treści nagrania. Błędy ukazują się przy rozpoznawaniu nazwisk, nazw mieście, dat, kwot oraz wyrazów o podobnym brzmieniu. Dodatkowym ograniczeniem jest trudność w prawidłowym rozdzielaniu wypowiedzi kilku osób, w szczególności gdy rozmówcy sobie przerywają. Z tego powodu automatycznie wygenerowany tekst wymaga testom z oryginalnym plikiem. Warto zwrócić uwagę także na sposób zapisu liczb, skrótów i określeń specjalistycznych, ponieważ ich nieprawidłowa interpretacja może prowadzić do zmiany sensu całego zdania. Osobnego podejścia wymagają nagrania wielojęzyczne, w których uczestnicy przechodzą z jednego języka na drugi albo używają obcojęzycznych nazw. Przygotowany dokument powinien zachowywać spójny układ, niemniej jednak nie może upraszczać treści kosztem jej dokładności. Znaczenie moraz zgodność tekstu z czasami trwania nagrania a także właściwe oznaczenie wszystkich miejsc, w których odtworzenie wypowiedzi nie było możliwe.

Zobacz więcej: stenogram.