新AI模型在视频对话中的表现几可乱真

2026-10-09 08:29:13来源：科技日报

(资料图片仅供参考)

科技日报北京10月8日电（记者张梦然）美国旧金山AI视频公司Tavus官网称，该公司最新发布的新模型Griffin-Lite，在组织54名受试者进行一分钟视频通话后，26人误以为对方是真人，占比48%。同样的测试流程下，上一代系统只有2.4%的受试者这样判断。Tavus称，这是首个通过“视频图灵测试”的实时视频对话模型，并把它定义为“人类交互模型”。与传统语音助手不同，Griffin-Lite能在双方同时说话的情况下，实时作出反应，无论是附和还是打断，都如同真人聊天一样。

“视频图灵测试”是在实时视频通话场景下检验AI能否在对话中表现得更像真人，受试者不知道对方身份，通过自然交流判断对方是人还是机器。如果相当比例的人在短时间内误以为AI是真人，就视为通过了测试，标准比纯文本图灵测试更严格，还要考验表情、语气、反应速度等非语言能力。

这项成绩也被拿到独立基准中验证。英伟达的VideoFDB专门考察全双工视频对话（双方可以同时说话、同时做反应），从生成和感知两条线打分。Griffin-Lite在两条线上都超过参与对比的公开模型，生成得分与真人参考水平相当接近，主要差距在于响应速度仍慢于真人。在画质、口型同步和延迟的单项对比中，它也处于领先。

能做到这一步，关键是改变了技术路线。Griffin-Lite用端到端方式把感知、判断和生成合在一起。一个连续对话引擎不断接收对方的音视频，以不足一秒的间隔判断当下该说话、附和、插话还是安静等待，同时定下内容和语气，以及表情、手势、身体姿态。另一套生成引擎随之实时生成语音和全身画面，从一张参考照片就能渲染出动态影像，背景、阴影、椅子移动都会跟着变，长时间对话也不会失真。

目前Griffin-Lite仅向少量受信任测试者开放，商业平台没有接入。Tavus解释，暂不大范围开放的原因是太像真人，容易让人误以为对话对象不是AI。

欧盟《人工智能法案》已要求，与人类直接交互的AI必须明确告知AI身份。Tavus正加紧开发强制身份披露功能，并与AI安全机构合作，完整版Griffi则要等合规问题解决后推出，时间表和定价均未公布。

【总编辑圈点】

我们靠什么判断一个人物形象是真人还是机器？过去的数字人，需要语音识别、文本对话、语音合成、形象渲染去进行逐级接力，每交接一次，都会增加延迟，语音中的微妙语气也容易丢失。凭借直觉，我们能很容易地作出判断。但现在，倾听、附和、插话与表情，可以同步发生，人类赖以识别同类的非语言线索失效了。令人欣喜的是，这次技术似乎并未跑在规则前面；令人焦虑的是，“眼见为实”的防线塌了，这套信任重建的成本可能会非常高。

(责任编辑：杨淼)

标签：

责任编辑：hnmd003