Tavus заявила, что её модель Griffin первой прошла тест Тьюринга в формате видеосвязи

Американский стартап Tavus показал Griffin — модель, которая в реальном времени ведёт видеоразговор от имени цифрового аватара. В собственном эксперименте компании 26 из 54 участников после минутной беседы восприняли версию Griffin-Lite как живого собеседника. Предыдущую систему Tavus в схожих условиях принял за человека лишь один из 41.

Этот результат Tavus называет первым прохождением теста Тьюринга в формате видеосвязи, то есть проверки, способна ли машина в разговоре выдать себя за человека. Больше половины участников признались, что во время беседы даже не подумали, будто собеседник может оказаться не человеком. Те, кто всё же заподозрил подмену, как правило, начинали сомневаться в первые 20 секунд. Впрочем, всех участников заранее предупреждали, что они будут говорить с другим человеком. Поэтому эксперимент показывает, насколько убедителен аватар в коротком разговоре, но не доказывает, что система выдержит целенаправленную проверку.

- Реклама -

Отличие Griffin от прежних решений — в архитектуре. Раньше такие системы работали цепочкой: сначала распознавали речь, затем передавали текст языковой модели для ответа, а та с помощью синтезатора речи озвучивала цифровой аватар. Из-за этого системе приходилось ждать, пока человек договорит, и только потом она могла начать отвечать.

Griffin же в Tavus описывают как полнодуплексную систему «видео-в-видео», то есть такую, которая слушает и отвечает одновременно. Она состоит всего из двух компонентов. Первый из них непрерывно следит за голосом и изображением собеседника и в реальном времени решает, когда и как реагировать, обновляя оценку диалога чаще раза в секунду. Второй синхронно преобразует эти сигналы в звук и видео. Благодаря этому аватар может кивать, вставлять короткие реплики и менять мимику, пока человек ещё говорит, а то и начать отвечать раньше. Пауза в речи для модели не обязательно означает, что собеседник закончил мысль. Как такой разговор выглядит на практике, Tavus показала в демонстрационном ролике.

Подписывайтесь на Mediasat в Telegram: здесь самые интересные новости из мира технологий
48% of People Thought This AI Was a Real Human | Introducing Griffin

Сама компания относит Griffin к моделям взаимодействия с человеком (Human Interaction Model, HIM): по её замыслу, человек не управляет компьютером, а работает с ним. Griffin-Lite генерирует видео в разрешении 720p фрагментами по 320 мс и может клонировать голос по десятисекундной записи. Подобные инструменты уже доступны и на массовых платформах: весной YouTube разрешил создавать ИИ-аватары с собственным голосом для Shorts.

В сравнении с четырьмя другими генераторами видео модель Tavus опередила конкурентов по трём метрикам качества изображения — DOVER, FID и THEval. Средняя задержка, с которой Griffin-Lite преобразует входящий звук в видео, на ускорителе Nvidia H100 составила 0,43 с. Речь идёт именно об этом этапе, а не о времени ответа всей системы.

Отдельную оценку модели провела Nvidia с помощью набора тестов VideoFDB. За воспроизведение аудиовизуального поведения Griffin-Lite получила 3,83 балла при человеческом эталоне 3,92, а в категории восприятия — 3,73 балла против 4,20 у человека и 3,44 у ближайшего конкурента. Эти баллы по пятибалльной шкале выставляет языковая модель в соответствии с заданными критериями. Они характеризуют отдельные стороны общения, а не то, равноценен ли аватар человеку в целом.

Пока Griffin-Lite доступна ограниченному кругу тестировщиков. Перед более широким запуском Tavus намерена доработать меры защиты, в частности уведомлять собеседника, что он говорит с искусственным интеллектом. Сферами применения системы компания видит обучение, репетиции сложных разговоров и дистанционную поддержку пользователей.

- Реклама -

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

- Реклама -

Читайте также

AST SpaceMobile, конкурент Starlink, создаст собственную ракету-носитель Blacklift

6 ноября AST SpaceMobile объявила о разработке многоразовой ракеты-носителя Blacklift. Первый запуск компания планирует на конец 2028 года.

MEGOGO эксклюзивно покажет матч «Атлетико» — «Барселона»

8 ноября MEGOGO эксклюзивно покажет матч 12-го тура Ла Лиги «Атлетико» — «Барселона». Стартовый свисток прозвучит в 22:00 по киевскому времени.

Google выпустила видеогенератор Gemini Omni 1.2 Flash и снизила цену генерации на 30%

5 ноября Google выпустила видеогенератор Gemini Omni 1.2 Flash. Модель создаёт ролики до 15 секунд вместо 10 и позволяет менять их в диалоге.

Во Франции отказались от налога на каждый гигабайт интернет-трафика

4 ноября депутаты Франции отклонили доходную часть бюджета вместе с налогом на трафик. Двое из них ранее заявили, что проголосовали за налог по ошибке.

Sony выпустила проводные наушники MDR-3R в стиле модели из первого Walkman

5 ноября Sony представила проводные наушники MDR-3R с разъёмом USB-C. Внешне они повторяют модель, вышедшую вместе с первым плеером Walkman в 1979 году.