AI 新創公司 Tavus 表示，其新模型 Griffin 在即時視訊通話中讓 48% 與其交談的人相信自己是在與真人對話。

該公司於 10 月 1 日發表 Griffin，稱其為首個「人類互動模型」——一款旨在理解並生成面對面對話的 AI，不僅關注言語，也關注面部表情和停頓。Tavus 表示，在同樣的測試中，其前代系統的得分僅為 2.4%。

在實驗中，Tavus 測試的版本 Griffin-Lite 與 54 人進行對話，其中 26 人事後表示他們相信交談對象是真人。前代系統面對 41 人，僅讓 1 人信以為真。

據 Tavus 說明，參與者被告知將與另一位人士進行一分鐘的視訊通話，話題是關於今年期待的事情。直到最後，才被問及是否曾想過對方可能不是真人。

這種設置不同於英國數學家 Alan Turing 於 1950 年提出的經典圖靈測試，後者由裁判同時與隱藏的真人及隱藏的機器交談，並必須判斷哪個是哪個。在 Tavus 的測試中，通話過程中沒有人被告知對端可能是機器人。

結果發布在 Tavus 自己的研究頁面上，參與者則透過該公司所稱的獨立研究平台招募。X 上的一則社群備註已指出，這些結果既未經獨立驗證，也未遵循標準協議——也就是說，48% 這個數字目前仍基於該公司自己的數據。Tavus 表示，產生懷疑的參與者通常在 20 秒內便有所察覺。

AI 系統朝向這一里程碑發展已有一段時間。根據加州大學聖地牙哥分校的一項研究，OpenAI 的 GPT-4.5 在被提示扮演一位內向、熟悉網路的年輕人時，在 73% 的對話中讓評審相信它是真人——但該測試僅限文字。Griffin 則加入了即時的面容與聲音。

在 NVIDIA 的 VideoFDB 基準測試——一項針對即時音與視訊對話的測試中，Tavus 表示 Griffin-Lite 排名第一。其生成軌道評分模型回應的自然度與表現力，Griffin-Lite 獲得 5 分中的 3.83 分，而次佳系統為 2.80 分，人類參考值為 3.92 分。

感知軌道衡量模型對所見所聞的理解程度，顯示 Griffin 仍落後於人類之處。Griffin-Lite 得分 3.73，高於最強基線的 3.44，但低於人類參考值 4.20。Tavus 表示該評測由 NVIDIA 獨立執行。

Griffin 還具備全雙工能力，可同時聆聽、觀看與說話——更像電話而非對講機。在一段 Tavus 示範中，模型根據眼前的畫面指導一名男子解魔術方塊，並在他安靜思考時耐心等待。在 NVIDIA H100 晶片上，音訊到視訊的延遲平均為 0.43 秒，Tavus 表示這是次快方法的一半。

這項進展的影響遠超出實驗室，因為詐騙者早已在視訊通話中活動。今年 1 月，與北韓有關聯的駭客在 Zoom 或 Teams 通話中使用深度偽造——即模仿真人的 AI 生成影片——冒充可信聯絡人。安全研究人員將該入侵事件歸因於 BlueNoroff，即 Lazarus Group 的分支機構，受害者被誘騙安裝偽裝成音訊修復工具的惡意軟體。AI 去中心化運算網路 Gonka 的共同創作者 David Liberman 在該報導中表示，照片和影片已無法再作為真實性的證明——而當時所使用的模型還不如 Griffin 先進。

各公司已在臨時構築防禦措施。2025 年，Kraken 在其安全團隊提出即興問題——例如要求政府證件及當地餐廳名稱——後，標記了一名疑似北韓求職者。該應徵者應對得相當吃力。

Decrypt 自行嘗試測試 Tavus 的模型，結果令人失望。經過一些調查後發現，Griffin-Lite 並未對客戶開放；它僅作為研究預覽版，限量提供給受信任的測試者，該公司表示正在開發揭露功能，並與 AI 安全組織合作。Tavus 表示，Griffin 在公開發布前需要安全措施——這些保障措施的具體形態以及何時開放更廣泛的存取，將是接下來值得關注的進展。

Tavus 於 2025 年 11 月完成由 CRV 領投的 4,000 萬美元 B 輪融資。得分為 2.4% 的前代系統將三個獨立模型拼接而成——分別負責視覺、對話與感知。受信任測試者可透過在 Tavus 網站提交表格來申請使用 Griffin-Lite。

原文報導來源：Decrypt。