Az annotációt úgy terveztük meg, hogy a nyelvészeti és a beszédtechnológiai kutatások számára is jól használható legyen. Több lépcsőben tervezzük közreadni, hogy a már egységesített fájlokhoz minél előbb hozzáférhessenek a kutatók. A készülő annotáció kézi szakaszszintű (korábbi kézi lejegyzés átdolgozása, illetve gépi felismerés eredménye alapján javított), automatikus szó- és hangszintű leiratokat fog tartalmazni, beszélőnként külön-külön szinteken (tierekben). A tierek beszélőkódot tartalmaznak: SPK (adatközlő), EXP (felvételvezető), DP (társalgópartner). A néma szünetet és a hallgatást nem jelöljük, azaz üres címkét kap. A korábbi TextGridben készült annotációval szemben e lejegyzés helyesírásközelibb. Ez azt jelenti, hogy eddig a kötőjelek, nagybetűk, írásjelek más funkciókat töltöttek be, ezért ezeket nem a helyesírás szerint alkalmazták, míg ebben a lejegyzésben ezen funkciókat más jelöléssel oldjuk meg. Ennek következtében pl. a kötőjeles szavakban megjelennek a kötőjelek, a központozás szerint vessző, pont, felkiáltójel és kérdőjel fog szerepelni, illetve a tulajdonnevek nagybetűit alkalmazni fogjuk. A nagybetű elhagyása egy esetben történik meg: Mivel a betűző ejtést nagybetűvel jelöljük (tehát pl. T alakú a lakás), ezért az olyan betűszókban, amelyeket összeolvasunk, csak a kezdőbetűt hagyjuk meg nagynak (pl. Koki, Mol). Ha betűzve olvassuk, megtartjuk a nagybetűket (pl. MTA, ELKH ).

A lejegyzésben használt jelöléseket és funkciójukat az 1. táblázat tartalmazza. Vannak páros és egyedül megjelenő jelölések. Páros például a kérdés kezdetén és végén megjelenő <q> – </q>. Ha kérdés hangzik el, annak a kezdetét és végét jelöli függetlenül a beszédszakasz határától. Azaz ha a beszélő a kérdés előtt vagy után nem tart szünetet, akkor nem szakaszhatárra esik a jelpár. A <laugh> használata is azonos módon történik, nevetve beszélést jelöl. A jelpárok között az elhangzó szöveg lejegyzése található.

A számokat betűvel írjuk, pl. ezerkétszáz. A nagyon rövid zajokat nem jelöljük, a hosszabbakat egy külön NOI nevű tieren <noi> címkével látjuk el. Az érthetetlen beszéd jele <unint>. Az egyszerre beszélt időtartamokban az érthető beszédet lejegyezzük a megfelelő beszélő tierjében. Így ezek intervallumcímkéi átfednek időben a külön szinteken.

Az annotációk mellett az egyes felvételekhez külön-külön egy-egy metaadatfájl is fog tartozni, illetve egy, az összes felvételhez tartozó metaadatokat tartalmazó táblázat készítése is folyamatban van. A felvételi körülményeket (felvételvezető és társalgó partner kódolt megadása, a véleménykifejtő és társalgási rész témakörei) és a beszélő nemét és korát a felvételre vonatkozó technikai adatokkal tüntetjük fel (rendelkezésre álló felvételi egységek, aktuálisan elérhető annotációk és azok szintjei).