W trakcie przepisywania rozmowy z pliku audio bardzo szybko okazuje się, że najwięcej trudności nie wynika z samego pisania, lecz z konieczności właściwego odczytania tego, co de facto 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, jednakże przy bardziej złożonym materiale dochodzi identyfikacja osób, kontrolowanie kolejności oraz zaznaczanie miejsc, których nie można niedwuznacznie odczytać. Istotne jest też rozróżnienie pośród 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, natomiast każda ingerencja w treść 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 sposobności niż materiał pochodzący z miejsca, w którym słychać ruch uliczny, pracujące urządzenia lub kilka rozmów prowadzonych równocześnie. Problematyczne bywają także nagrania z telefonu, gdy urządzenie znajduje się daleko od osoby mówiącej. W takich warunkach pojedyncze słowa mogą być trudne do rozpoznania, a próba odtworzenia ich tylko na bazie kontekstu prowadzi do ryzyka błędu. W praktyce nie gorzej pozostawić oznaczenie niezrozumiałego fragmentu niż wpisać frazę, które jedynie wydaje się prawdopodobne. Przy dłuższych materiałach przydaje się również oznaczanie czasu nagrania. Pozwala ono szybko wrócić do dokładnie określonej 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 tekst 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 również informacje na stronie:transkrypcja do sądu 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 zaznaczyć nakładanie się głosów, zamiast zbudować pozornie kompletny zapis. Znaczenie mogą mieć też dłuższe pauzy, śmiech, podniesiony głos czy odgłosy wskazujące na reakcję uczestników, o ile są wyraźnie słyszalne i istotne dla przebiegu rozmowy.
W zależności od celu dokumentu wykorzystuje 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 treść może zostać uporządkowany tak, ażeby 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 najmniejsze elementy są podatne na pomyłki, zwłaszcza gdy dźwięk jest niewyraźny lub rozmówca posługuje się niewiele znanym określeniem. Przy pracy z nagraniem warto też pamiętać, że treść 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.
Źródło: transkrypcja do sądu.