Griffin by Tavus
Tavus · 語音與語言 · 影片 · 聊天機器人
Griffin by Tavus 是第一個稱為人類互動模型的系統，採全雙工、影片對影片架構，在 AI 視訊通話中即時觀察、聆聽並回應。
關於 Griffin by Tavus
What Is Griffin by Tavus
Griffin 是 Tavus 的研究模型，能在視訊通話裡與人面對面交談。它同時讀取鏡頭與麥克風，自己判斷何時開口，並在對話進行中即時生成對方的臉與聲音。Tavus 於 2026 年 10 月 1 日發表，稱它是第一個「人類互動模型」（Human Interaction Model，HIM）。
它的架構與一般作法不同。多數對話式視訊系統把語音辨識、語言模型、語音合成與虛擬人像渲染串成一條流程，而且等你講完才開始動作。Griffin 每零點幾秒就重新判斷一次局勢。因此它能在你說話時點頭、把你的停頓當成思考而不是講完，被插話後也能接回原來的話題。
代價落在取得方式上。目前存在的 Griffin-Lite 屬於研究預覽，只開放給少數受信任的測試者。Tavus 說它還沒上自家平台，沒有公布價格，也沒有公開 API。48% 這個數字來自 Tavus 自己做的研究，54 人受測，通話時間一分鐘。
Getting Started
- 前往 tavus.io/griffin 填寫索取權限的表單。預覽採邀請制，頁面上沒有保證拿到名額的註冊按鈕。
- 通過審核後，用收到的連結加入 AI 視訊通話。電腦不需要安裝任何程式。
- 允許鏡頭與麥克風權限，像跟同事講話一樣開口。虛擬人像會在你說話的同時生成回應。
- 一次只測一種行為。講到一半插話、停下來思考，或把物品拿到鏡頭前，看它怎麼處理。
- 把這場通話當成測試。沒有後台、沒有匯出，也沒有帳單頁面，因為 Griffin-Lite 並不是給客戶用的產品。
產品資訊
快速了解 Griffin by Tavus 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 正在打造即時視訊代理的產品團隊：Griffin 讓你在投入工程時間之前，先感受面對面代理的樣子。權限只給通過審核的測試者，安排時程請以表單為準，別押在上市日期上。
- 企業訓練團隊：模型會對學習者的表情做出反應，適合演練不好開口的對話。預覽版沒有管理工具，所以只能留在評估階段。
- 對話式 AI 研究者：已公布的 VideoFDB 成績與研究方法提供了具體的比較基準。Tavus 沒有釋出權重或模型卡，比較只能停在行為層面。
任務
- 演練業務電話：找一個會插話、會附和、語氣會變的對手練習需求訪談。這比只會說話的文字聊天機器人更接近真實買方。
- 準備面試：進行結構化面試，觀察你思考時它怎麼處理沉默。卡住的人會得到一段真實的停頓，而不是被催著繼續。
- 練外語：對著一張會對猶豫與發音錯誤有反應的臉說話。模型會讀視覺線索，所以它能回應困惑的表情，不只回應字面內容。
- 準備客服升級處理：演練客戶搶話、情緒激動的電話。全雙工正是照腳本訓練最容易漏掉的部分。
情境
- 判斷視訊代理是否適合某個流程：一場短談話，比任何功能表更能說明人們對生成臉孔的真實反應。
- 開發前測試插話處理：產品若需要打斷能力，就把同一個插話動作重複五次，看時間反應是否穩定。
- 檢視受監管的對話場景：醫療或金融團隊可以判斷 AI 揭露與同意機制是否到位。以這個預覽版來說，還不到位。
主要功能
全雙工對話
Griffin 一邊說話一邊聽。它能保住發言權、讓出話題，或在你插話時停下，而且在自己回應的過程中仍持續追蹤對話。Tavus 把它做成連續迴路，而不是一人一次的輪流交接，所以你句子中間的停頓不會自動結束你的發言。
完整場景生成
模型從一張參考照片生成畫面裡的每個像素，包含臉、手、人物坐的椅子、陰影與背景。多數虛擬人像只驅動一顆去背的頭，手一動就露出破綻。Griffin 沒有這道接縫。
即時 720p 輸出
通話進行中就能輸出 720p 影片，一次生成一個潛在表徵。Tavus 在 H100 上測得最小影片片段平均 0.43 秒，最快 0.27 秒。通話裡真正有感的是你插話到臉部反應之間的落差，半秒已經足以讓人覺得對方在聽。
視覺感知
Griffin 接收視訊，不只有音訊。它能讀取視線、表情、手勢，以及你拿到鏡頭前的物品，也能看共用畫面。所以你舉起壞掉的零件，或把眼神移開思考時，它會有所反應，而不是只回答你話語的轉錄文字。
情緒與行為表現
模型會隨對話脈絡改變語氣、表情與手勢。該笑的時候笑，話題轉重時收斂，並用非語言訊號回應你剛才說的話。Tavus 把這些行為跟「決定說什麼」放在同一個系統裡訓練，不是事後加一層。
短音訊聲音複製
Griffin 的語音生成器只要約十秒參考音訊就能複製聲音。它跑在 Tavus 自有的 Tavec 音訊編碼上，封包最小可到 10 毫秒。對要做品牌虛擬人像的團隊來說，這麼短的樣本等於省掉一次錄音作業。
優缺點
優點
- Tavus 的實測研究裡，48% 的受測者以為自己在跟真人說話，前一代 Phoenix-4.5 只有 2.4%。
- Griffin-Lite 在 NVIDIA VideoFDB 的生成項目拿到 3.83，真人參考是 3.92，次佳的 AI 系統是 2.80。
- 它能處理插話與附和而不失焦，這正是串接式語音與人像流程最容易崩掉的地方。
- 完整場景生成讓手勢、坐姿與背景跟著對話變化，不會定格不動。
- 聲音複製只需約十秒音訊，自訂虛擬人像的準備時間因此縮短很多。
缺點
- 買不到。Griffin-Lite 只給通過審核的測試者，Tavus 也沒訂出正式上市時間，團隊無法據此規劃上線。
- 沒有公開 API、模型識別碼或價格。開發者既不能在自家環境測試，也沒辦法編預算。
- 48% 的結果建立在 54 人、每次一分鐘的通話上，而且由開發模型的公司自己執行。長通話與獨立重現都還沒有資料。
- 感知項目仍有明顯落差：3.73 對真人的 4.20，回應時間 2.2 秒對 1.4 秒。複雜的視覺情境還是會讓它出錯。
常見問題
Griffin 是全雙工的影片對影片模型，能即時進行面對面交談。Tavus 稱它為人類互動模型，因為感知、發言判斷與影音生成都在同一個系統裡完成，不必串接獨立的語音、語言與人像模型。
相關內容
探索與 Griffin by Tavus 相關的工具、技能與文章。
Griffin by Tavus 替代方案
Foley
Hanamori Labs, LLC · 語音與語言 · 生產力 · AI 助理Foley 是一款語音待辦清單，把一句話變成歸檔好的任務，專案、日期與時間都先填好，接著再幫你依現有清單排出一整天的順序。
HireKey
HireKey · 語音與語言 · 生產力 · AI 學習HireKey 是由前科技業招募主管打造的 AI 求職副駕駛。它分析職缺契合度、客製化履歷、帶你練習面試，並把每份申請整理在同一處。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。