OpenClaw—AI研究专注制药领域语音人工智能的公司Synthio Labs发布了DOSE基准，全称药物名称口头合成评估，这是首个专门测试商用语音合成系统如何读出药物名称的公开评测。结果显示，通用语音模型对新近获批药物的误读率最高可达三分之一，在药房、远程问诊和用药提醒等场景中存在明显的安全隐患。
DOSE的测试设计强调临床真实性：它把274种药物名称嵌入完整的临床句子中，而不是让模型孤立地朗读单词，其中146种是近年新获批药物，128种是使用多年的成熟药名。每个读音由人工审核的临床级参考发音按0到5分评分，4分及以上才算通过，完整数据集与音频已公开发布以便复现。
评测覆盖九个商用语音合成系统。结果显示，通用模型在全部药名上的通过率介于63.1%到80.3%之间，而一旦只看新获批药物，表现明显下滑。ElevenLabs的eleven_v3在成熟药名上通过率为93.0%，到新药名降至67.1%；Google的Gemini TTS从89.1%降至61.6%；微软Azure TTS在通用名药名上的通过率甚至不足一半。
报告给出的典型失败案例是抗病毒药Xofluza。有一个系统完全没有尝试发音，而是逐字母拼读X-O-F-U-L-Z-A。在聊天界面里这或许只是个小故障，但在药房续方电话或问诊摘要中被读出来，就等于系统无法完成它被部署来做的任务。研究者指出，药物名称常混合拉丁与希腊词根、化学后缀和自造音节，新药几乎没有语料积累，这是通用模型最容易失手的地方。
对开发者而言，DOSE给出的直接启示是评测必须贴近使用场景。药物名称、剂量和服用说明一旦读错，可能直接影响用药安全，通用语音模型在自然度上的优势并不能自动转化为临床可靠性。业内建议在部署前用领域数据做针对性验证，并在高风险环节保留人工复核。
Synthio Labs自家的RxPronounce在新药名上通过率为87.0%，领先其他系统约十个百分点，但仍有一成多新药名会被读错。业界认为，DOSE的价值不在于证明某家产品胜出，而在于把一个长期被忽视的评测空白变成公开可复现的数据集，推动语音人工智能在医疗场景中把好听和读对区分开来。