Tavus 在2026年10月初发布的实时视频对话模型 Griffin，以“48%对话者误认其为真人”成为业界首个宣称通过“实时视频图灵测试”的全双工人机交互模型（HIM），它想证明的核心命题是：AI与人的对话，可以从“轮流说话”进化到“像真人一样边听边看边回应”。
一、量化证明：从“答题机器”到“真人替身”的跨越
首个视频图灵测试通过者：Griffin 采用端到端 video-to-video 全双工系统，内部真人盲测中，54位受试者进行1分钟实时视频对话，48%误认为对面是真人，前代同类系统通过率普遍低于3%。
基准测试登顶：在 NVIDIA VideoFDB（全双工 AI 视频基准）中综合得分3.83/5排名第一，真人参考基线为3.92，此前公开最优基线仅2.80。
新品类定义：Griffin 被称为“首个人类交互模型（HIM）”，区别于传统聊天机器人，其核心是“交互”而非“应答”。
二、技术支撑：全双工交互的三个关键能力
同步感知：可以一边说话一边监听、观察用户表情、停顿与手势，支持被用户打断也能主动插话，同步生成人脸表情、肢体动作与语音对话。
视觉融入对话：展示物品时能无缝写入正在进行的对话剧情，实现“看到什么就能聊什么”，视觉输入实时参与话轮构建。
等待与节奏感：当用户沉默思考时，Griffin 能够安静等待，而不是急于填补空白，这种“节奏感”是拟真人感的关键细节。
三、范式意义：交互模型 Griffin 想证明的终极命题
超越“响应”走向“共情”：Griffin 展示的不只是“听懂指令”，而是通过声音、表情、姿态同步传递情绪，例如为用户升职表达喜悦时，无需声音即可从表情看出态度。
从“工具”到“同伴”：官方愿景是让使用机器像与朋友或同事交谈一样简单，例如能注意到学生困惑的AI教师、倾听的养老陪伴者。
定义下一代交互标准：Griffin 的成功意味着“类人交互”从文本图灵测试走向“视频+全双工”的新阶段，为AI拟真设立了可量化的新标尺。