AI 视频数字人正在跨过一条此前难以逾越的线：让人在短时间内分辨不出对面是不是真人。
发生了什么
Tavus 发布了名为 Griffin 的新系统，公司将其称为首个“人类交互模型”（Human Interaction Model）。与以往偏重“生成一段视频”的数字人不同，Griffin 主打实时视频通话：在对话过程中同步处理面部表情、语气和手势，让交互更接近真人交流的节奏。
Tavus 公布的一项内部研究给出了一个醒目的对比：在一分钟通话后，48% 的受试者认为 Griffin 是真人；而据该公司说法，此前的系统在这一指标上最高只有 2%。从 2% 到 48%，是数量级上的变化，也是这次发布最值得注意的地方。
需要说明的是，这组数据来自 Tavus 自己的研究，受试规模、测试条件和判定方式均未在摘要中披露，因此应视为厂商自述的初步结果，而非独立验证的结论。
为什么重要
过去几年，AI 数字人产品的评价标准大多停留在“像不像”：口型是否对得上、表情是否自然、延迟是否可接受。但这些指标衡量的是生成质量，而不是交互质量。一个数字人可以在短视频里以假乱真，却很难在实时对话中维持住“真人感”——因为实时对话要求系统同时理解对方的语气、表情和停顿，并即时给出匹配的回应。
Griffin 的定位正是把重心从“生成”转向“交互”。它把表情、语音和手势放进同一个实时回路里处理，这更接近多模态模型的思路，而不是传统的视频合成管线。如果这条路走通，数字人就不再只是营销素材的生产工具，而可能成为可以“坐下来谈”的交互界面。
48% 这个数字之所以关键，是因为它触及了图灵测试式的门槛：当接近一半的人在短暂接触后无法分辨，说明“可被识别的破绽”已经被压缩到相当小的窗口内。
影响与看点
对行业而言，最直接的影响是应用场景的迁移。实时视频数字人一旦足够可信，客服、销售、在线教育、远程面试等需要“人对人”信任感的环节都会成为候选场景，而这些场景此前对预录式数字人普遍持保留态度。
对开发者来说，值得关注的是接口形态：如果 Griffin 以实时 API 的形式提供，那么它竞争的就不只是视频生成模型，而是实时音视频交互栈——延迟、并发、成本都会成为关键指标，而这些恰恰是厂商通稿里最容易含糊的部分。
对普通用户而言，真正的问题不是技术有多像，而是当它足够像时，我们靠什么确认对面是人。48% 这个数字的另一面，是身份验证与内容披露机制需要同步跟上。
一个独立的判断：这次发布的意义不在于“AI 更像人”，而在于实时交互这条赛道的评价标准正在被重新定义。接下来真正需要第三方验证的，不是它能不能骗过一分钟，而是它能否在十分钟、半小时的对话里维持住可信度——短时欺骗和持续交互，难度完全不在一个量级。
