Tavus发布Griffin，AI视频模型实现真人级交互，48%用户误认为是真人在聊天

10月1日，美国人工智能视频公司Tavus正式发布了名为Griffin的全新AI视频模型，将其定义为全球首个「人类交互模型」（Human Interaction Model，简称HIM）。这一突破性进展标志着AI视频技术从单纯的面部仿真迈入了真正的实时交互时代。

在一项为期一分钟的视频通话测试中，Tavus发现54名参与者中有26人（占比接近48%）事后认为自己正在与真人进行对话，这一比例远高于该公司上一代系统在相同测试中的表现——当时仅有2.4%的通过率。这种显著提升不仅体现在视觉效果上，更在于Griffin能够实现类似人类的自然交互行为，包括适时点头、抢话、甚至脸红等细微表情变化。

Tavus联合创始人兼CEO Hassaan Raza在演示视频中与虚拟角色Vanessa进行了长达一分多钟的对话。这段视频展示了Griffin如何理解并响应复杂的社交情境：当Raza让Vanessa比大拇指时，她立即照做；当他夸她是自己最喜欢的同事时，Vanessa会笑着说"你让我脸红了"；当Raza炫耀身上那件二手淘来的衣服时，Vanessa则幽默地吐槽他"活在边缘"，并开玩笑说自己会保持呼吸平稳以免耗尽电脑CPU。

为了验证Griffin的真实交互能力，Tavus还设计了多个开放式对话场景。在一个魔方教学测试中，Griffin能持续关注Ari手中的魔方动作，并在对方思考时耐心等待，待其准备就绪后再给出下一步指导。在另一个主板焊接指导场景中，Griffin不仅能记录工程师Sagar的工作进度，还能在适当时候主动开口提供帮助，而不是简单地等待对方完成所有操作后才做出反应。

这些表现背后的技术核心在于Griffin采用了全新的全双工实时交互架构。与传统数字人需要经过语音识别、大语言模型生成回复、语音合成等多个环节的接力式处理不同，Griffin能够直接将用户的语音输入实时映射到连续的潜在值，并在毫秒级延迟内生成相应的面部表情和语音输出。这种架构不仅大幅降低了交互延迟，还保留了更多原始信息，使得AI能够真正理解并响应人类的非语言信号，如沉默、语气变化等。

Tavus首席科学家指出，Griffin的成功标志着AI视频技术进入了一个新的发展阶段。过去几年，数字人赛道主要关注的是「脸像不像」的问题，而Griffin则证明了AI已经具备了「像人一样聊天」的能力。这一突破将对远程办公、在线教育、虚拟客服等多个领域产生深远影响，同时也引发了关于AI伦理和隐私保护的新一轮讨论。

尽管Griffin的表现令人印象深刻，但Tavus也承认，目前的技术仍存在局限性。例如，在处理复杂的情感表达或特定文化背景下的社交礼仪时，AI仍然可能表现出不自然的行为。此外，如何确保用户数据的安全性和隐私保护，也是未来需要重点解决的问题。

随着Griffin的发布，Tavus计划在未来几个月内推出开发者工具包，允许第三方开发者基于Griffin构建自己的AI交互应用。这将进一步推动AI视频技术的普及和创新，但也可能带来新的挑战和风险。业界专家预测，如果Griffin能够稳定运行并获得广泛认可，它可能会成为下一个改变游戏规则的技术标杆，就像当年的iPhone一样，重新定义人们对于AI视频的认知和期待。