AI 摘要
- Tavus 發表視訊生成模型 Griffin，官方測試顯示近半數受試者將其誤認為真人。
- 該模型採用全雙工架構降低延遲，但研究方法因樣本偏小且缺乏學術雙盲驗證受到質疑。
- 即時視訊擬真技術大幅進步，引發企業對身分驗證與深偽詐騙風險的關注。
人工智慧視訊生成技術取得重大進展。AI 視訊科技公司 Tavus 於 2026 年 10 月 1 日正式發表名為 Griffin 的全新模型，並宣稱該模型為首個通過「影片圖靈測試」（Video Turing Test）的 AI 系統。根據官方公布的研究數據，近半數受試者在經歷短時間視訊通話後，未能識別對方為人工智慧生成形象。
測試設計：48% 受試者未察覺為 AI 生成
在 Tavus 進行的內部測試中，共有 54 名受試者與預覽版本的 Griffin-Lite 進行了一分鐘的視訊通話。受試者在測試前被告知對方為另一名人類參與者，直到通話結束後才被詢問是否懷疑對話對象為 AI。結果顯示，54 人中有 26 人（約 48%）認為對方是真人。相較之下，Tavus 前一代系統在相同條件下測試 41 人，僅有 1 人（約 2.4%）誤認，顯示新模型在擬真度上有顯著躍升。
技術架構突破：全雙工視訊對視訊生成
Tavus 將 Griffin 定位為「人類互動模型」（Human Interaction Model）。傳統的 AI 視訊通話技術多採用串聯式架構，需先經過語音轉文字（STT）、大型語言模型（LLM）運算回應、文字轉語音（TTS）以及人臉畫面合成等多個獨立環節，各階段累積的延遲往往導致對話停頓與破綻。
Griffin 則改採全雙工（Full-duplex）架構的「影片對影片」（Video-to-Video）模型，將環境感知、對話決策與畫面生成同步處理，大幅降低互動延遲。在 NVIDIA 的 VideoFDB 基準測試中，Griffin 的生成表現獲得 3.83 分，接近真人基準的 3.92 分，大幅領先同場測試次高系統的 2.80 分。
研究方法受質疑：缺乏對照組與同儕審查
儘管測試數字引發關注，科技分析機構與業界媒體亦指出了該測試的局限性與潛在偏差：
- 缺乏真人對照組：實驗並未設置真人對照組供受試者橫向比較。
- 非主動辨識情境：受試者在通話過程中並未被要求主動尋找 AI 破綻，降低了辨識難度。
- 樣本規模有限：受試樣本僅 54 人，以 95% Wilson 信任區間估算，真實比率介於 35% 至 61% 之間。
- 未經獨立同儕審查：該研究完全由 Tavus 內部團隊執行與撰寫，並未公開完整原始數據，亦非外部學術機構進行的雙盲測試。
此外，在 NVIDIA VideoFDB 測試中，參賽的 AI 系統僅有三款，且對手均為傳統串接式架構，外界認為該基準成績的領先幅度應在此脈絡下客觀解讀。
潛在應用場景與深偽詐騙防範
Tavus 指出，Griffin 的潛在應用包括線上輔導、高難度對話情境演練及鏡頭客服支援等。然而，官方亦強調在解決相關安全疑慮之前，暫時不會全面對外開放該模型。
隨著即時視訊生成擬真度逼近真人，深偽（Deepfake）技術在社交工程與詐騙領域的濫用風險進一步提升。多數視訊詐騙往往依賴短時間通話達成欺瞞目的，與本次測試情境高度吻合。資安專家建議，當「見其人、聽其聲」不再能作為身分確認的唯一依據時，企業與金融機構在進行大額轉帳或敏感授權時，應導入多重驗證機制，例如回撥已驗證電話號碼或設定預約暗語，以應對即時深偽技術帶來的安全威脅。
Reference Link : unwire.hk
