Un registratore di suoni digitale ha raccolto la voce di uno speaker, ora è collegato ad un personal computer, la voce viene interpretata e trascritta, il testo è a disposizione di chi non è in grado di ascoltare. Il sistema evidenzia la forma audio, uno spezzone (un suono compreso fra due pause) viene evidenziato ed elaborato. Il testo trascritto frase per frase. La pausa indica la posizione della eventuale punteggiatura, rendendo "leggibile" il testo. Testo e voce vengono salvati in sincronismo per permettere un facile controllo e l'eventuale correzione dello scritto. La voce dello speaker deve essere nota al sistema di riconoscimento vocale. L'addestramento può essere effettuato preventivamente dallo speaker tramite un microfono oppure, in assenza dello speaker, attraverso una semplice procedura indicata nel manuale d'uso di VoiceTranscribe. Il risultato sarà migliore se lo speaker sarà addestrato alla gestione della pausa: pronuncerà frasi non troppo lunghe, non troppo corte, a senso compiuto. La qualità del microfono, l'assenza di disturbi (rumori di fondo, musica), la professionalità dello speaker, la presenza nel vocabolario delle parole che saranno utilizzate sono i fattori che garantiscono la fruibilità della trascrizione da parte degli utenti.