首个端到端人类交互模型
Tavus于10月1日发布新模型Griffin，定位为首个「人类交互模型」（Human Interaction Model, HIM）。与业界传统的级联式系统（语音识别→LLM→语音合成→形象驱动）不同，Griffin将感知、决策和生成整合进一个端到端系统，让三者并行运行，实现真正的全双工「视频到视频」实时对话。
48%测试者误以为是真人
Tavus组织了一项测试：54名受试者与Griffin进行1分钟视频通话，其中26人（48%）误以为对方是真人。作为对照，上一代系统的通过率仅为2.4%（41人中仅1人）。判断对方是真人的受试者，平均确信度为79%。
VideoFDB基准排名第一
在英伟达全双工音视频对话基准VideoFDB上，Griffin-Lite的生成得分达到3.83分（满分5分），真人基准为3.92分。在「双人情感呼应」子项上甚至拿到4.40分，超过真人基准的4.14分。感知赛道得分3.73分，优于OpenAI gpt-realtime（2.75分）和Google Gemini 3.1 Flash Live（2.84分）。
技术架构：微轮次对话建模
Griffin的核心是「连续对话建模引擎」，以不足1秒的「微轮次」持续评估对话状态，判断何时开口、倾听、附和或保持安静。音视频生成引擎采用自研Tavec音频编解码器和步数较少的自回归扩散生成器，在H100上从音频输入到视频输出平均延迟仅0.43秒。
暂未商业化，合规待完善
Griffin-Lite目前仅提供给少数受信任的测试人员，暂不对外开放。Tavus表示正在加紧开发「安全披露」（强制身份告知）功能，以符合欧盟AI法案要求。完整版Griffin将在后续推出。