简要
- Tavus表示，在一分钟视频通话后，54名参与者中有26人（48%）认为Griffin-Lite是真人，而之前的系统在41人中只有1人相信。
- Griffin-Lite在Nvidia的VideoFDB基准测试中排名第一，生成部分得分3.83（满分5分），次优系统为2.80，人类参考为3.92。
- 结果来自Tavus自己的研究页面，参与者被告知将见到另一个人，Griffin-Lite仅限选定的受信任测试者使用，同时Tavus正在制定安全措施。

AI初创公司Tavus表示，其新模型Griffin说服了48%在实时视频通话中与之交谈的人，让他们相信自己是在与真人交谈。

该公司于10月1日发布了该模型，并称其为首个“人类交互模型”——一种旨在理解和生成面对面对话的AI，不仅关注词语，还关注表情和停顿。其先前系统在同一测试中得分仅为2.4%。

Tavus测试的版本Griffin-Lite与54人进行了对话，其中26人事后表示相信通话对象是真人。旧系统与41人对话，只有1人相信。

Tavus解释说，参与者被告知，他们将被匹配到另一个人，进行一分钟视频通话，谈论他们对今年有什么期待。直到通话结束，他们才被问到是否曾想到过对方可能不是真人。

这不是经典的图灵测试——该测试由英国数学家艾伦·图灵于1950年提出，由裁判与隐藏的人类和隐藏的机器交谈，并判断哪个是哪个。通话中没有人被告知另一端可能是一个机器人。

结果来自Tavus自己的研究页面，参与者是通过其所谓的独立研究平台招募的。X上的一条社区备注已经指出，这些结果未经独立验证，也不遵循标准协议。Tavus表示，那些起疑的人通常会在20秒内产生怀疑。

AI公司朝这个方向发展已经有一段时间了。加州大学圣迭戈分校的一项研究发现，OpenAI的GPT-4.5在被提示扮演一个内向、精通互联网的年轻人时，在73%的对话中让裁判相信它是人类。那次测试只涉及文本。

Griffin加上了一张脸和一个声音，而且是实时的。

在NVIDIA的VideoFDB基准测试（一项实时音视频对话测试）中，Tavus表示Griffin-Lite排名第一。其生成部分对模型回应的自然度和表现力进行评分，给Griffin-Lite打了3.83分。次优系统获得2.80分，人类参考得分3.92。

感知部分则检查模型是否理解它所看到和听到的内容，显示出它仍在哪些方面落后于人类。Griffin-Lite得分3.73，而最强基线为3.44，人类参考达到4.20。Tavus表示，NVIDIA独立进行了评估。

Griffin还是全双工的，意味着它可以同时听、看和说，就像打电话而不是对讲机。在Tavus的演示中，它根据看到的对方手中的情况，指导一名男子还原魔方，并在对方安静思考时等待。在NVIDIA H100芯片（AI数据中心使用的那种）上，音视频延迟平均为0.43秒，Tavus称这是第二快方法的一半。

为什么技术圈以外的人也要关心？首先，因为骗子已经活跃在视频通话中。

早在1月份，与朝鲜有关的黑客就曾在Zoom或Teams通话中使用深度伪造——模仿真人的AI生成视频——冒充可信联系人。安全研究人员将此次入侵归因于Lazarus集团的一个子公司BlueNoroff。受害者会被说服安装伪装成音频修复程序的恶意软件。

Gonka（一个去中心化AI计算网络）的联合创始人David Liberman在该报告中表示，照片和视频不能再被信任为真实事物的证据。那些模型不如这个先进。

公司已经在即兴采取防御措施。2025年，Kraken在安全团队提出即兴问题（例如要求提供政府签发的身份证件和当地餐馆名称）后，标记了一名疑似朝鲜求职者。该候选人应答吃力。

我们试用过Tavus的模型，结果……令人失望。经过一番研究，原来Griffin-Lite并不对客户开放，仅作为研究预览提供给选定的受信任测试者，该公司表示正在开发披露功能，并与AI安全组织合作。

这是因为Tavus表示Griffin在公开发布之前需要安全措施。

Tavus于2025年11月完成了由CRV领投的4000万美元B轮融资。在测试中得分为2.4%的系统拼接了三个独立的模型，分别处理视觉、对话和感知。

受信任的测试者可以通过在Tavus网站上提交表单来申请访问Griffin-Lite。