AI视频聊天越来越像真人,测试究竟测到了什么?

现·PRISM

视频通话里的停顿很微妙。对方还没说完就接话，会显得冒失；每次都等一句话完全结束，又像在轮流播放录音。面部表情、视线和语气，常常比一句明确的“轮到你了”更早给出信号。

10月1日，Tavus介绍了Griffin，希望把这些信号放进连续的音视频互动。目前它仍是受邀研究预览，尚未向客户开放。

一分钟里，有26个人把它当成了人

厂商公布的一分钟实验中，54名参与者里有26人判断对面是真人。但实验还带着一个重要背景：参与者事先被告知，将与另一位参与者匹配。这个设定、样本规模和通话长度，都影响结果的含义。

它展示了短时间互动的拟人潜力，还不足以说明长对话里能否保持一致，更不能直接回答能否做好客服、教学或复杂协作。读到“通过图灵测试”时，把测试条件放回去，比争论这个标签更有帮助。

看起来流畅，也要看怎么接话

Griffin的技术说明将持续会话控制与音视频生成衔接起来，让系统在交谈中继续观察、听取并调整响应，而非只等到输入彻底结束。

截至10月4日读取的NVIDIA VideoFDB官方榜，Griffin Lite的生成得分为3.83分，人类对照3.92分；榜单所列中位延迟约1892毫秒，人类对照900毫秒。评分接近，并不表示时延也接近；量表得分也不能折算成人类能力的百分比。

真正落地时，还缺一张成绩单

如果把这种界面放进预约、培训或服务场景，我们还会问：信息有没有听错，任务是否完成，遇到不确定问题会不会停下，用户是否清楚正在与AI交谈。这些是本文提出的应用评价问题，并非上述实验已经证明的能力。

让AI更像人，可以降低交流门槛；也可能让用户更快相信它。这两种影响都需要评估。接下来值得追踪的，不只是多像一个真人，而是自然的互动究竟帮助用户办成了什么事。