Griffin by Tavus

Griffin escucha mientras habla. Puede mantener el turno, cederlo o parar cuando lo interrumpes, y sigue procesando la conversación durante su propia respuesta. Tavus lo construyó como un bucle continuo y no como un intercambio por turnos, y por eso una pausa en tu frase no cierra tu turno automáticamente.

El modelo genera cada píxel del plano a partir de una sola imagen de referencia. Eso incluye la cara, las manos, la silla en la que se sienta la persona, las sombras y el fondo. La mayoría de los sistemas de avatar animan una cabeza recortada, así que una mano en movimiento rompe la ilusión. Griffin no tiene esa costura.

El vídeo sale a 720p mientras la llamada sigue en marcha, un latente cada vez. Tavus midió 0,43 segundos de media para generar el fragmento más pequeño en una H100, con un mejor caso de 0,27 segundos. En una llamada, lo que cuenta es el hueco entre tu interrupción y la reacción de la cara, y medio segundo se lee como atención.

Griffin recibe vídeo, no solo audio. Capta la mirada, la expresión facial, los gestos y los objetos que le muestras a la cámara, y puede leer una pantalla compartida. De ahí que reaccione cuando levantas una pieza rota o apartas la vista para pensar, en lugar de responder a la transcripción de tus palabras.

El modelo cambia el tono, la expresión y el gesto según el contexto de la conversación. Se ríe en el momento adecuado, se pone serio cuando toca y usa señales no verbales para confirmar lo que has dicho. Tavus entrenó estos comportamientos dentro del mismo sistema que decide qué decir, no como una capa añadida después.

El generador de voz de Griffin clona una voz a partir de unos diez segundos de audio de referencia. Funciona con Tavec, el códec de audio de Tavus, que emite fragmentos de hasta 10 milisegundos. Para quien construye un avatar de IA de marca, esa muestra tan corta elimina una sesión de grabación del proceso.