1. Användarbehov och funktionella krav

1.1 Hur taluppfattning fungerar – text som kompletterande kanal

Taluppfattning är inte enbart en funktion av örat. Hjärnan syntetiserar kontinuerligt information från flera sinneskanaler: akustiska signaler via hörselnerven, visuell information från läppavläsning och ansiktsuttryck, kontextuell förförståelse och lingvistisk prediktion. Även personer med normal hörsel utnyttjar läppavläsning: McGurk-effekten visar att visuell information kan förändra vad vi uppfattar att vi hör [McGurk & MacDonald, 1976].

För personer med hörselnedsättning blir de kompletterande kanalerna avgörande. Textning fungerar som ytterligare en informationskanal som hjärnan kan integrera med kvarvarande hörsel och visuella ledtrådar. En person med lätt hörselnedsättning använder textningen som stöd för att avkoda de ord som inte uppfattas auditivt – texten läses ofta i det perifera synfältet snarare än ord för ord. En person med grav hörselnedsättning eller dövhet förlitar sig däremot helt på textkanalen och behöver läsa varje ord.

Denna skillnad i hur textning konsumeras har direkta konsekvenser för kravställning: latens, textningshastighet, kondensering och felfrekvens måste anpassas efter hur stor del av den totala taluppfattningen som textkanalen bär.

1.2 Användargrupper och krav på direkttextning

De primära användargrupperna för direkttextning har skiftande behov som måste förstås för att kunna dimensionera lösningar rätt.

Användargrupp	Primärt behov	Latenstolerans	Feltolerans	Texthastighet
Lätt/medel hörselnedsättning	Stöd för att avkoda tal	Mycket låg (under cirka en sekund)	Hög – kombinerar med hörsel	Full talhastighet, läser i periferin
Grav hörselnedsättning	Ersätter hörsel	Viss fördröjning OK	Låg – känslig för fel	Kan inte alltid läsa full talhastighet
Döva (teckenspråk L1)	Enda vägen till tal	Medel	Låg	Kondenserad text, ev. klarspråksanpassad
Dövblinda	Taktilt läsbar text	Flexibel	Låg	Starkt kondenserad
Annat modersmål	Stöd för avkodning	Mycket låg	Hög – som lätt hörselnedsättning	Full talhastighet
Kognitiva funktionsnedsättn.	Minskad kognitiv belastning	Medel	Medel	Anpassad, lugn segmentering

Tabellen visar att latenskravet varierar – men inte linjärt med nedsättningens svårighetsgrad. Personer med lätt eller medelstor hörselnedsättning integrerar text med kvarvarande hörsel i realtid och behöver därför mycket låg latens (under cirka en sekund); synkroniseringskonflikten mellan hörd audio och försenad text skapar annars förvirring. Döva personer som läser text som primär kanal tolererar däremot något högre latens eftersom ingen synkkonflikt med hörd audio uppstår. Feltolerans följer ett liknande mönster: den som kombinerar text med hörsel kan kompensera enstaka ordfel, medan den som förlitar sig helt på textkanalen är känsligare.

1.3 Flerspråkig direkttextning i vård och möten

I flerspråkiga miljöer – vårdmöten med patienter som talar ett annat språk, internationella arbetsgrupper, utbildning med blandade språkgrupper – ställs ytterligare krav på direkttextning. Systemet måste hantera kodväxling (talaren byter språk mitt i meningen), automatiskt språkbyte mellan talare, och i vissa fall tvåspråkig textåtergivning där talet på ett språk visas som text på ett annat.

En allergiklinik på ett universitetssjukhus illustrerar behovet: kliniken införde direkttextning för att stödja döva patienter vid läkarbesök. Tidigare krävdes extern tolk vid varje besök, med begränsad tillgänglighet och hög kostnad. Med direkttextning kunde majoriteten av besöken genomföras utan extern tolk, medan komplexa samtal med emotionella eller medicinskt känsliga inslag fortfarande hanterades med tolk som komplement.

Flerspråkig direkttextning i vård kräver särskild uppmärksamhet på medicinsk terminologi, korrekta patientnamn och dokumentationskrav. Lokal databehandling är i dessa situationer en fördel, eftersom patientrelaterad taldata omfattas av GDPR:s personuppgiftsregler och, beroende på behandlingens karaktär, kan aktualisera reglerna om särskilda kategorier av personuppgifter.

1.4 Latens som funktionellt krav i direkt kommunikation

Latens är i direkttextning inte bara en kvalitetsparameter utan ett funktionskrav. I broadcast kan flera sekunders fördröjning accepteras — Ofcom rekommenderar för liveundertexter en genomsnittlig fördröjning på högst 4,5 sekunder [Ofcom, 2024]. Det illustrerar att undertextning för publik och direkttextning i dialog har olika kravprofiler. För användare som kombinerar kvarvarande hörsel med text måste texten ligga betydligt närmare talet för att fungera i själva samtalet.

Audiovisuell integration bygger på temporal synkroni, där hjärnan sammanfogar information från flera kanaler inom ett begränsat tidsfönster. Som praktisk tumregel kan latens i storleksordningen omkring eller under en sekund möjliggöra nära-samtidig användning, medan flera sekunders fördröjning begränsar användbarheten i dialog.

När ett system är avsett att ge nära-samtidig text i pågående kommunikation stärker det argumentet att programvaran har en kompensatorisk funktion. Det är dock inte en enskild latenssiffra som avgör MDR-bedömningen. Under MDR och MDCG:s vägledning [MDCG 2019-11 rev.1, 2025] är det tillverkarens avsedda användning och den samlade funktionen som är avgörande. Låg och stabil latens bör därför beskrivas som en funktionell egenskap med direkt betydelse för delaktighet i realtid, inte bara som teknisk prestanda.