Allt fler organisationer publicerar poddar, inspelade föreläsningar och andra ljudfiler på sina webbplatser. Men vad krävs egentligen för att göra det ljudinnehållet tillgängligt för alla? Svaret handlar om textmotsvarighet: en fullständig textversion som förmedlar samma information som ljudet. I den här artikeln går vi igenom vad en textmotsvarighet är, hur den skiljer sig från shownotes och sammanfattningar, vad den ska innehålla enligt WCAG och svensk lagstiftning, samt när en enkel transkription räcker och när den inte gör det.
Om du arbetar med video och ljud i din organisation kan vår guide till digital tillgänglighet för video och ljud ge dig en bredare bild av kraven. I den här artikeln fokuserar vi specifikt på ljudinnehåll och de textbaserade alternativ som gör det tillgängligt.
Vad skiljer en textmotsvarighet från shownotes och sammanfattningar?
En textmotsvarighet (på engelska ”alternative for time-based media”) är ett dokument som återger allt väsentligt innehåll i en ljudpublikation i textform. Enligt W3C:s definition ska en textmotsvarighet innehålla korrekt sekvenserade textbeskrivningar av det auditiva innehållet. Det innebär att en person som läser texten ska kunna ta del av samma information som en person som lyssnar på ljudet.
En sammanfattning är däremot en kort översikt, ofta bara ett stycke, som beskriver avsnittets huvudpoänger på en övergripande nivå. Shownotes ligger någonstans mittemellan: de är mer detaljerade än en sammanfattning och innehåller ofta tidsstämplar, citat och länkar, men de återger inte allt som sägs. Shownotes brukar vara mellan 150 och 600 ord, medan en fullständig transkription av ett timslångt samtal kan vara flera tusen ord.
Den avgörande skillnaden är alltså täckningsgrad. Varken en sammanfattning eller shownotes kan ersätta en fullständig textmotsvarighet, eftersom de utelämnar stora delar av det talade innehållet. WCAG kräver specifikt ett fullständigt textalternativ för ljud, inte en förkortad version.
Vad ska en komplett textmotsvarighet innehålla?
En komplett textmotsvarighet för en podd eller annan ljudpublikation ska förmedla samma berättelse och samma information som originalet. Det räcker inte att fånga orden; kontexten måste också finnas med. Här är de centrala komponenterna:
Talaridentifiering
Varje gång en ny person talar ska det framgå tydligt vem det är. Använd namn när de är kända, eller tydliga etiketter som ”Intervjuare” eller ”Talare 1”. Visuell formatering, som fetstil eller radbrytning, hjälper läsaren att snabbt följa vem som säger vad.
Betydelsefulla ljud
Ljud som bidrar till förståelsen, till exempel applåder, skratt, musik som signalerar stämning eller bakgrundsljud som nämns i samtalet, ska beskrivas i texten. Dessa beskrivningar placeras vanligtvis inom hakparenteser, till exempel [applåder] eller [lugn pianomusik], så att det är tydligt att de inte är talat innehåll.
Länkar och information som nämns i inspelningen
Om talarna hänvisar till webbadresser, rapporter eller andra resurser bör dessa inkluderas som klickbara länkar i texten. Det gör att läsaren kan följa upp referenserna på samma sätt som en lyssnare skulle göra.
Rubriker och formatering för publicering på webben
En lång transkription blir svår att navigera utan struktur. W3C rekommenderar att du lägger till rubriker och semantisk HTML-uppmärkning för att göra texten sökbar och överskådlig. Det förbättrar både läsbarheten och sökmotoroptimeringen. I praktiken kan du till exempel dela upp transkriptionen med underrubriker som motsvarar avsnittets olika teman.
När en transkription inte räcker
Om ljudinnehållet hänvisar till visuell information, till exempel en presentation med diagram eller en instruktion som förutsätter att lyssnaren ser något, behöver textmotsvarigheten komplettera det som saknas. En ren transkription av det talade fångar inte det visuella, och då krävs beskrivande text som förklarar det som visas. Det är dock ovanligt för renodlade poddar utan visuellt komplement.
Lagkrav, WCAG-riktlinjer och frivillig bästa praxis
Kraven på tillgängligt ljud kommer från flera håll, och det är viktigt att skilja mellan vad som är lag, vad som är standard och vad som är god praxis.
WCAG-kriteriet för ljudinnehåll
WCAG 1.2.1 är ett grundläggande tillgänglighetskrav på nivå A. Det anger att förinspelat ljudinnehåll ska ha en textmotsvarighet som förmedlar samma information. Observera att det för renodlat ljud (till skillnad från video) är en textmotsvarighet som krävs, inte textning. Kriteriet gäller inte om ljudet i sig redan är ett textalternativ för annat innehåll och tydligt märks som sådant.
Svensk lagstiftning
I Sverige gäller DOS-lagen (lag 2018:1937 om tillgänglighet till digital offentlig service) för offentliga aktörer. Den bygger på EU:s webbtillgänglighetsdirektiv och kräver att digitalt innehåll uppfyller WCAG 2.1 nivå AA. DIGG (Myndigheten för digital förvaltning) utövar tillsyn och kan utfärda förelägganden vid brister.
Sedan juni 2025 gäller dessutom lagen om vissa produkters och tjänsters tillgänglighet (LPTT), som genomför EU:s tillgänglighetsdirektiv (EAA) och för första gången ställer lagkrav på digital tillgänglighet även för privata aktörer. PTS och Mediemyndigheten ansvarar för tillsyn, och sanktionsavgifter kan uppgå till 10 miljoner kronor.
Frivillig bästa praxis
Utöver lagkraven finns det goda skäl att erbjuda textmotsvarigheter. Transkriberade poddar blir sökbara i sökmotorer, vilket ökar räckvidden. Texten kan återanvändas som blogginlägg, nyhetsbrev eller underlag för sociala medier. Dessutom hjälper en textversion personer med kognitiva funktionsnedsättningar som behöver läsa i sin egen takt. Även om din organisation inte omfattas av lagkraven i dag, är en fullständig textmotsvarighet en investering i både tillgänglighet och innehållsstrategi.
Jämförelsetabell: sammanfattning, shownotes, redigerad transkription och textmotsvarighet
För att göra det enklare att välja rätt format har vi sammanställt en jämförelse av de fyra vanligaste textbaserade alternativen för poddinnehåll. Tabellen bygger vidare på de begrepp vi gått igenom ovan och visar tydligt var gränserna går.
- Kort sammanfattning (1-3 meningar): Beskriver avsnittets ämne på en övergripande nivå. Syns i poddappar och kataloger. Uppfyller inte WCAG 1.2.1. Ingen talaridentifiering eller ljudbeskrivning.
- Shownotes (150-600 ord): Sammanfattar innehållet med tidsstämplar, citat och länkar. Bra för SEO och lyssnarvägledning. Uppfyller inte WCAG 1.2.1 eftersom de inte återger allt talat innehåll.
- Redigerad transkription: Återger allt talat innehåll men redigerat för läsbarhet, med borttagna upprepningar och utfyllnadsord. Identifierar talare. Uppfyller WCAG 1.2.1 om den är komplett och inkluderar betydelsefulla ljud.
- Fullständig textmotsvarighet: Återger allt talat innehåll, identifierar talare, beskriver betydelsefulla ljud, inkluderar rubriker och länkar. Uppfyller WCAG 1.2.1 och utgör det mest tillgängliga formatet. Kan kombineras med shownotes för bästa användarupplevelse.
Slutsatsen är tydlig: om du vill uppfylla tillgänglighetskraven behöver du minst en redigerad transkription som är komplett och inkluderar talaridentifiering samt beskrivningar av betydelsefulla ljud. En sammanfattning eller shownotes kan komplettera, men aldrig ersätta, en textmotsvarighet.
Vanliga frågor om textmotsvarighet för podd och ljud
Räcker det med AI-genererad transkription för att uppfylla WCAG?
Moderna AI-verktyg för att transkribera poddar ger en bra utgångspunkt, men automatiska transkriptioner innehåller ofta fel, särskilt vid bakgrundsljud, överlappande tal eller ovanliga namn. En mänsklig granskning är nödvändig för att säkerställa att texten är korrekt och komplett. Vi erbjuder professionell transkribering som kombinerar AI med erfarna språkprofessionella.
Var ska textmotsvarigheten publiceras?
W3C:s riktlinjer rekommenderar att transkriptionen publiceras direkt på webbsidan, nära ljudspelaren. Det gör den tillgänglig för alla besökare och indexerbar för sökmotorer. Nämn gärna i poddens intro att en transkription finns tillgänglig på webbplatsen, så att lyssnare som använder poddappar vet var de hittar den.
Måste jag transkribera äldre poddar som publicerades före juni 2025?
Enligt EU:s tillgänglighetsdirektiv är förinspelade tidsbaserade medier som publicerades före den 28 juni 2025 undantagna från de nya kraven. Undantaget gäller dock inte audiovisuella medietjänster. Om du omfattas av DOS-lagen som offentlig aktör har kraven redan gällt sedan tidigare. Kontrollera alltid vilken lagstiftning som gäller för din verksamhet.
Förbättrar en textmotsvarighet SEO för min podd?
Ja. Sökmotorer kan inte indexera ljud, men de kan indexera text. En fullständig transkription gör poddens innehåll sökbart och kan öka den organiska trafiken till din webbplats. Dessutom kan transkriptionen återanvändas som underlag för blogginlägg, nyhetsbrev och inlägg i sociala medier.
Vad kostar det att skapa en textmotsvarighet?
Kostnaden beror på ljudets längd och antal talare. Hos oss baseras priset på ljudets längd och komplexitet, utan dolda kostnader. Du hittar mer information om våra priser för transkribering.
Att skapa en korrekt textmotsvarighet för podd och ljud behöver inte vara komplicerat, men det kräver mer än en snabb sammanfattning. Med rätt process och rätt stöd kan du göra ditt ljudinnehåll tillgängligt, sökbart och användbart för alla. Vill du veta mer om hur vi kan hjälpa dig? Be om en offert så återkommer vi inom 24 timmar.
