Tavus Griffin: awatar AI, którego wzięto za człowieka

Czym jest Griffin od Tavus

Griffin to model, który generuje rozmówcę wideo: twarz, głos, mimikę i ruchy głowy. Dotychczasowe awatary AI działały zwykle jak łańcuch osobnych narzędzi. Jeden moduł rozpoznawał mowę, drugi generował odpowiedź, trzeci zamieniał ją na głos, a czwarty animował twarz. Tavus twierdzi, że Griffin łączy te etapy w jednym modelu, który ocenia sytuację w rozmowie co ułamek sekundy, a nie dopiero po zakończeniu wypowiedzi.

W praktyce awatar może przerwać, przytaknąć albo zareagować uśmiechem, gdy rozmówca jeszcze mówi. Według producenta opóźnienie między dźwiękiem a obrazem wynosi średnio 0,43 sekundy na kartach NVIDIA H100, a wideo powstaje w rozdzielczości 720p we fragmentach po 320 ms. Te parametry pochodzą od firmy i nie zostały niezależnie sprawdzone.

Jak wyglądał test z udziałem ludzi

Tavus zrekrutował uczestników przez niezależną platformę badawczą, której nazwy nie podał. Każdy z nich sądził, że zostanie połączony z innym uczestnikiem na minutową rozmowę wideo o planach na ten rok. Po rozmowie ankieta pytała, czy przyszło mu do głowy, że rozmówca może nie być człowiekiem.

Wyniki trzeba czytać ostrożnie. To badanie przeprowadzone przez producenta, na małej próbie i bez opublikowanej pracy naukowej z pełną metodologią. Rozmowa trwała tylko minutę, a uczestnicy nie wiedzieli, że testują AI, więc nie szukali jej śladów.

• Griffin-Lite: 54 uczestników, 48 proc. uznało rozmówcę za człowieka.
• Poprzedni model Tavus: 41 uczestników, 2,4 proc. takich odpowiedzi.
• Średnia pewność odpowiedzi: 79 proc. przy ocenie "człowiek" i 81 proc. przy ocenie "AI".
• NVIDIA VideoFDB, generowanie: Griffin-Lite 3,83 na 5, ludzie 3,92, następny system 2,80.
• NVIDIA VideoFDB, percepcja: Griffin-Lite 3,73 na 5, ludzie 4,20.

Dostępność i zastosowania

Griffin-Lite jest dostępny wyłącznie jako wersja badawcza dla wybranych, zaufanych testerów. Tavus nie podał ceny, terminu szerszego udostępnienia ani listy obsługiwanych języków, w tym polskiego. Deweloperzy mogą dziś budować rozmówców wideo na wcześniejszych modelach firmy przez jej API.

Jako zastosowania Tavus wymienia korepetycje dopasowane do ucznia, ćwiczenie rozmów zawodowych, wsparcie techniczne klientów, rekrutację i szkolenia. Według komunikatu prasowego z technologii firmy korzysta ponad 150 tys. deweloperów i firm, a Tavus zebrał łącznie 70 mln USD, czyli ok. 271 mln zł po kursie NBP z 1 października 2026 roku (1 USD = 3,8762 zł).

Ryzyko oszustw i obowiązki z AI Act

Sam producent przyznaje, że cechy, które czynią model naturalnym rozmówcą, pozwalają też przekonać człowieka, że nie rozmawia z AI. Dlatego Tavus wstrzymuje szeroką premierę do czasu przygotowania funkcji ujawniania i współpracy z organizacjami zajmującymi się bezpieczeństwem AI. Firma nie wspomina o znakowaniu wodnym generowanego wideo.

W Unii Europejskiej kwestię tę reguluje art. 50 rozporządzenia 2024/1689, czyli AI Act. Dostawca systemu AI przeznaczonego do bezpośredniej interakcji z ludźmi musi tak go zaprojektować, aby użytkownik wiedział, że rozmawia z AI, chyba że jest to oczywiste. Firma, która chciałaby użyć takiego awatara w obsłudze klientów w Polsce, powinna więc wyraźnie informować o tym rozmówców.

Co to oznacza dla polskich firm i użytkowników

Do tej pory realistyczny głos był głównym narzędziem oszustów podszywających się pod bliskich lub przełożonych. Model taki jak Griffin pokazuje, że w krótkiej rozmowie wideo twarz i reakcje rozmówcy mogą przestać być wiarygodnym dowodem tożsamości. Badanie dotyczyło jednak ogólnej postaci, a nie podrabiania konkretnej osoby.

W naszej ocenie firmy, które potwierdzają tożsamość klientów lub pracowników na wideorozmowie, powinny już teraz dodać drugi kanał weryfikacji, na przykład oddzwonienie na znany numer albo hasło ustalone wcześniej. Przy prośbach o przelew lub dane dostępowe zasada pozostaje ta sama: rozłączyć się i potwierdzić sprawę inną drogą.