W trakcie przepisywania rozmowy z pliku audio 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 zatem jednoczesnego słuchania i zapisywania informacji w sposób uporządkowany.

Przy prostych rozmowach wystarcza zwykle rozpoznanie kolejnych wypowiedzi, jednakże przy bardziej złożonym materiale dochodzi identyfikacja osób, administrowanie kolejności oraz zaznaczanie miejsc, których nie można jednoznacznie odczytać. Ważne jest także rozróżnienie pośród zapisem dosłownym a tekstem po redakcji. W pierwszym przypadku pozostawia się naturalne cechy mowy, tj. powtórzenia czy niedokończone zdania. W drugim można ograniczyć elementy utrudniające lekturę, natomiast każda ingerencja w tekst powinna posiadać konkretny 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 też 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 podstawie kontekstu prowadzi do ryzyka błędu. W praktyce nie gorzej pozostawić oznaczenie niezrozumiałego fragmentu niż wpisać słowo, które wyłącznie może się wydawać prawdopodobne. Przy dłuższych materiałach przydaje się też oznaczanie czasu nagrania. Pozwala ono bardzo szybko wrócić do dokładnie sprecyzowanej wypowiedzi i porównać zapis z oryginalnym plikiem. Ma to znaczenie zwłaszcza wtedy, 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, niemniej jednak bez swobodnego interpretowania wypowiedzi uczestników. Nie powinno się poprawiać sensu zdania wyłącznie dlatego, że rozmówca użył błędnej formy językowej albo przerwał wypowiedź w połowie (źródło informacji:stenogram cennik). O ile na nagraniu występuje kilka osób, konieczne jest konsekwentne oznaczanie ich wypowiedzi. Jeszcze trudniejsza sytuacja pojawia się przy mówieniu jednoczesnym, ponieważ wtedy nie zawsze da się ustalić pełną tekst obu wypowiedzi. W takim wypadku warto podkreślić nakładanie się głosów, zamiast zbudować na pozór kompletny zapis. Znaczenie mogą posiadać też dłuższe pauzy, śmiech, podniesiony głos czy odgłosy wskazujące na reakcję uczestników, jeżeli są wyraźnie słyszalne i ważne dla przebiegu rozmowy.

W zależności od celu dokumentu używa się różnorodne 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 na prawdę istotna pozostaje konsekwencja przy stosowaniu oznaczeń a także dokładne sprawdzanie nazwisk, dat, liczb i nazw własnych. To właśnie takie szczegóły są podatne na pomyłki, szczególnie gdy dźwięk jest niewyraźny albo rozmówca posługuje się mało znanym określeniem. Przy pracy z nagraniem warto również pamiętać, że tekst nie oddaje wszystkich cech komunikacji ustnej. Nie każdą intonację czy emocję można dobitnie opisać, dlatego zapis powinien oddzielać to, co w rzeczywistości wynika z nagrania, od interpretacji osoby przygotowującej dokument.

Sprawdź tutaj: transkrypcja do sądu.