Tavus Griffin：公司測試 48% 誤認真人，證據到哪裡？（2026）

2026 年 10 月 1 日，Tavus 共同創辦人 Hassaan Raza、研究主管 Ioannis Patras 與研究團隊在官網發布了〈Griffin: The First Human Interaction Model〉。這篇 Tavus Griffin 研究文最吸睛的數字，是公司安排的一分鐘視訊通話中，54 人有 26 人認為對面是真人。它值得讀，但「有人看錯」與「AI 已能像人一樣可靠地交談」之間，還隔著幾道需要拆開的問題。

先看 Tavus 想改變什麼，再核對它拿出的兩種證據：公司自己的真人辨識研究，以及 NVIDIA 的對話基準；最後再問，這種能力要怎樣安全地進入產品。

Tavus Griffin 想解決的，是「何時接話」

一般語音加虛擬人的流程，往往先等你說完，再把語音轉文字、交給模型作答，最後合成聲音和表情。Tavus 認為，這種接力在停頓、插話、眼神與手勢上會露出機械感；人與人交談時，這些訊號原本就在同時發生。

Perception never stops while the PAL speaks.

中文：即使螢幕裡的 AI 正在說話，它仍持續觀察與聆聽對方。

Tavus Research，〈Griffin: The First Human Interaction Model〉

原文把 Griffin-Lite 描述為全雙工的視訊對話系統：一個「持續對話建模」部分讀取聲音與影像，反覆決定該說話、點頭、等待還是讓出話語權；另一部分把控制訊號即時轉為聲音與畫面。這是 Tavus 對架構的公開描述，與實際通話品質的量測需分開看。重點是聽、看、決定與生成可以重疊，而非只把一張臉貼在既有語音助理上。

技術細節也服務這個目標。Tavus 說語音生成能以短音訊封包串流輸出，影像端則以時間壓縮後的片段連續生成 720p 畫面，讓表情與回應較快跟上對話。原文某些時間軸圖明說是示意，不能把圖上的節奏直接當成真實通話延遲。

26／54：一分鐘內的辨識結果，不能外推成普遍「通過測試」

Of the 54 participants who spoke with Griffin-Lite, 26 believed their partner was a real person.

中文：與 Griffin-Lite 通話的 54 名參與者中，有 26 人相信對方是真人。

Tavus Research，〈Griffin: The First Human Interaction Model〉

這是 Tavus 自行設計並公布的研究。原文說，參與者由獨立招募平台找來，事先被告知會與另一名參與者視訊，談今年期待的事；通話約一分鐘，最後才被問是否想過對面可能不是人。Tavus 回報 Griffin-Lite 組為 26／54，約 48%；它先前的 Phoenix-4.5、Sparrow-2、Raven-1 系統，在相同流程下為 1／41，約 2.4%。這兩組是不同參與者，因此百分比差距不能直接解讀為同一批人的個體進步。

這個設計同時解釋了數字為何值得關注、又為何有邊界。人們本來就被告知會與人通話，話題短、對象固定，問題直到調查尾聲才揭露。它測到的是這批人在這種期待與一分鐘接觸下的判斷；沒有證明不同語言、較長談話、事先知道可能遇到 AI，或要求對方完成複雜任務時也會得到同樣比例。原文稱它「通過即時視訊圖靈測試」，那是 Tavus 為自家實驗下的結論；有效範圍仍是前述指定流程，不能當作跨場景的通用標準。

原文另外回報七分制「對話流暢」平均 4.9 分，是列出的五項體驗指標中最低的一項。這個細節比單看 48% 更有用：短暫以為對方是真人，不表示對話每個面向都已自然，更不表示內容一定正確。

NVIDIA 的榜單支持「互動表現進步」，驗的不是「會不會騙過人」

另一組證據來自 NVIDIA Research 的 VideoFDB 榜單。它以 237 段真人雙人視訊片段、11 類非語言互動情境，分開評估模型讀懂對方的「感知」與自己產生反應的「生成」；分數由語言模型依規則評判。榜單列出 Griffin-Lite 的生成總分 3.83／5、感知總分 3.73／5；對照的人類參考分別是 3.92 與 4.20。這確認 Tavus 所引的兩項榜單數字確實出現在 NVIDIA 的頁面。

但榜單回答的是固定片段上的回應品質與時間配合，不是陌生人長時間通話後是否會認錯身份。生成軌的比較對象也比感知軌少；不能把「目前榜單中領先」寫成「所有視訊 AI 都已被擊敗」。VideoFDB 的原始研究本身指出，許多系統在視覺訊號與接話時機上仍有缺口。這讓 Griffin-Lite 的榜單位置有意義，也提醒我們評分器與真實使用者不是同一件事。

AlphaLab 的判讀：真正改變的是信任介面

我同意：把時機放進模型，確實切中視訊助理的弱點

對話不是輪流朗讀文字。點頭太晚、在思考停頓時搶話，或眼睛看著零件卻只回答逐字稿，都會讓系統顯得遲鈍。Tavus 的兩部分設計，把「下一句說什麼」與「現在是否該說」放進同一條持續更新的決策路徑。NVIDIA 榜單中的非語言互動評分，給了這個方向一個比宣傳影片更具體的外部座標。

我存疑：一次短通話不能定義真人感，更不能定義可靠性

48% 是 Tavus 自家研究的觀察值，並不是一種固定的模型能力常數。換掉受試者期待、談話長度、語言、人物形象或問題難度，辨識比例可能改變；因此，在外部團隊以同等流程重做之前，應把 48% 留在 Tavus 這項實驗的範圍裡。更關鍵的是，讓人覺得對方「像人」與讓人得到「正確、可驗證的幫助」是兩條不同的品質軸。

推出產品前，揭露身份要與自然互動一起設計

Tavus 在原文承認這種擬真能力也可能用來誤導，並表示截至 2026 年 10 月 1 日，Griffin-Lite 只向選定的可信測試者提供研究預覽，尚未向一般客戶開放；團隊正在研究安全揭露方式。這個限制是有實質意義的。若產品的價值正來自人們可能誤認對面是真人，使用者何時、以何種方式知道自己正在與 AI 對話，就不該等到部署後才補上。

接下來怎麼判斷 Tavus Griffin

對研究者與產品團隊，下一輪最值得看的不是更大的「真人誤判率」，而是公開測試流程、不同語言與較長通話的表現、打斷與沉默的失敗案例，以及清楚揭露 AI 身份後的任務完成率。對一般使用者，視訊裡的表情與即時接話可以增加臨場感，卻不該單獨成為確認對方身份的依據；涉及金錢、帳號或敏感資訊時，改用你原先就知道的獨立聯絡管道核對。

Griffin-Lite 已讓「畫面另一端看起來像真人」成為需要實際測量的產品問題。等 Tavus 公開更長、更可重複的測試與身份揭露設計，才有辦法判斷這項進步會帶來更好的協助，還是只帶來更難察覺的偽裝。