Nie prawie każde nagranie nadaje się do bezpośredniego użycia bez wcześniejszego uporządkowania treści. W praktyce bardzo szybko okazuje się, że dźwięk, zwłaszcza dłuższy i wielowątkowy, wymaga przekształcenia w formę tekstową, która pozwala na wygodne operowanie informacją. Taki zapis ułatwia analizę, porównywanie fragmentów oraz wracanie do konkretnych wypowiedzi bez konieczności wielokrotnego odsłuchiwania całości.
Z doświadczenia wynika, że już na etapie pierwszego odsłuchu widać różnice w jakości materiału, co później wpływa na sposób jego opracowania i poziom szczegółowości zapisu.
W tym kontekście transkrypcje nagrań są traktowane jako proces wymagający nie tylko i wyłącznie wiernego odwzorowania słów, niemniej jednak też uporządkowania struktury wypowiedzi. W praktyce pojawiają się sytuacje, w których rozmowy są przerywane, nakładają się na siebie albo zawierają dłuższe pauzy, co utrudnia zachowanie naturalnej ciągłości tekstu. W tak zaistniałych okolicznościach niezbędne jest podjęcie wyborów, jak oddać przebieg rozmowy w sposób czytelny, a równocześnie zgodny z oryginałem. Na prawdę bardzo często zwraca się uwagę na to, że różne rodzaje nagrań wymagają odmiennego podejścia, ponieważ zupełnie inaczej opracowuje się wywiad, a przeciwnie rozmowę kilku osób prowadzoną w mniej uporządkowanych warunkach.
W bardziej formalnych sytuacjach pojawia się transkrypcja do sądu, gdzie szczególną wagę przywiązuje się do dokładności i zgodności z realnym przebiegiem wypowiedzi. W praktyce znaczy to konieczność zapisu bez pomijania bardzo istotnych elementów, wręcz o ile w zwykłym języku mogłyby one zostać uznane za nieistotne. Istotne staje się także zachowanie kolejności wypowiedzi a także oznaczenie osób biorących udział w rozmowie, co umożliwia odtworzyć pełny kontekst zdarzenia (sprawdź: transkrypcja cennik). W pewnych sytuacjach materiał jest nieprosty technicznie, np przez hałas tła lub niewyraźną dykcję, co w dodatku wpływa na czas i sposób opracowania tekstu.
W szerszym ujęciu stenogram jest formą zapisu, która porządkuje wypowiedzi w sposób możliwie wierny, niemniej jednak jednocześnie czytelny dla odbiorcy. W praktyce jego przygotowanie wymaga skupienia na szczegółach językowych, ponieważ dosłownie niewielkie różnice w zapisie mogą konwertować sens wypowiedzi. Na prawdę bardzo często obserwuje się, że dopiero po przekształceniu nagrania w tekst możliwe staje się pełne zrozumienie przebiegu rozmowy, w szczególności gdy zawiera ona sporo wątków albo odniesień do wcześniejszych wypowiedzi. Dzięki temu materiał audio zyskuje formę, która umożliwia na dalszą analizę bez konieczności odtwarzania go całkiem.
Więcej: transkrypcje nagrań.