Tavus 发布 Griffin 视频模型，48% 受试者误以为是真人

旧金山 AI 视频公司 Tavus 在 10 月 1 日发布了一款名为 Griffin 的实时视频交互模型，并把它归入一个全新类别——「人类交互模型」（Human Interaction Model，HIM）。与传统数字人不同，Griffin 采用全双工的视频到视频架构，能在用户说话时实时点头、附和、调整表情，而不是等对方说完再机械回应。

让 Griffin 出圈的是一项盲测结果。Tavus 招募 54 名受试者，让他们与「另一位参与者」进行一分钟视频通话，话题是聊聊新的一年有什么期待，全程无人被告知对方其实是 AI。通话结束后，26 人（约 48%）坚信自己面对的是真人。作为对照，上一代系统的误认率仅为 2.4%。Tavus 据此宣称 Griffin 是首个通过实时「视频图灵测试」的模型。

技术层面，Griffin 把感知、对话与视频生成整合进同一个端到端系统，以不足一秒的间隔持续评估对话状态，决定何时开口、倾听或让出话轮。在英伟达的全双工音视频基准 VideoFDB 上，其生成维度得分 3.83（人类参考 3.92），显著领先 Gemini、OpenAI gpt-realtime 等主流方案；从音频输入到画面输出的平均延迟仅 0.43 秒，约为同类方案的一半。

然而，正是这种「太像真人」的特质带来了风险。Tavus 承认，同样的拟真能力可能被用于诈骗——有人可借它在视频通话中冒充他人，而「眼见为实」正是大多数人最后一道心理防线。近年来 AI 换脸与拟声已被大量用于犯罪，Griffin 这类模型让这道防线更加脆弱。

出于安全考量，Tavus 决定暂不向 15 万名企业客户开放 Griffin，仅以研究预览版 Griffin-Lite 提供给少数受信任的测试者，并正在开发强制身份告知功能，待合规与安全问题解决后再正式推出。