Griffin模型通过视频图灵测试

首个通过「视频图灵测试」的模型：Griffin 来自 @tavus 团队的 Griffin 让 48% 的实时对话者误以为对面是真人，在此之前同类系统不足 3%，他们还在 NVIDIA 全双工 AI 视频基准（VideoFDB）上感知与生成两项均排名第一，厉害！ 全双工对话是最关键的技术差异点 传统语音 AI 是“回合制”的：说完才听。Griffin 能在说话的同时持续倾听和观看：用户 Mars 讲述无聊约会时，它会实时笑、点头、插话提问，而不是等她说完。 生成整个画面，不只换一张脸 Tavus 明确强调 Griffin "generates the whole frame, not just a face"。Simon Says 演示中它要同时听指令、看手势、做全身动作。这区别于市面上大多数“唇形同步 + 换脸”式数字人。 视觉实时融入对话 用户举起孔雀玩具，Griffin 即兴编入故事；教魔方时能看着用户的手实时指导，并在对方思考时安静等待，时机感本身就是智能的体现。 时间与情境感知 焊接指导演示中，Griffin 能为动作计时，“时间也是对话的一部分”，这暗示模型对物理世界节奏有内在感知。 技术背景补充 Griffin 并非单点突破，它是 Tavus 四模型体系的统一层：Sparrow-2（对话轮次理解，TurnBench 第一）+ Phoenix-4.5（实时人物渲染，宣称 134ms 延迟、单图零样本生成新身份）+ Raven-1（语音/视频/屏幕三路多模态感知，上下文刷新 <300ms），Griffin 将三者整合为实时交互整体。 Tavus @tavus Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM). Your browser does not support the video tag. 🔗 View on Twitter 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 1 👀 312 ⚡