Tavus Griffin: 48%의 사람들을 인간이라고 착각하게 한 AI 비디오 모델

샌프란시스코를 기반으로 하는 AI 비디오 스타트업인 Tavus는 2026년 10월 1일에 첫 번째 '휴먼 인터랙션 모델'(HIM)이라고 설명되는 Griffin이라는 새로운 모델을 도입했습니다. 이 시스템은 텍스트를 생성하거나 정적 아바타를 만드는 것이 아니라 실시간으로 얼굴을 맞대고 하는 비디오 대화를 하도록 특별히 구축되었습니다. 회사의 발표에 따르면.

이 릴리스가 주목을 받은 이유는 한 가지 수치 때문입니다. 사내 연구에서 Griffin의 경량 버전인 Griffin-Lite와의 1분짜리 라이브 비디오 통화 후 54명의 참가자 중 48%가 실제 인간과 대화하고 있다고 믿었다고 답했습니다. 이는 Tavus의 이전 시스템인 Phoenix-4.5에 속은 사람의 비율(41명 중 1명, 약 2.4%)과 비교됩니다. Tavus와 Decrypt가 보도했습니다.

Griffin이 이전 AI 아바타와 어떻게 다른가

Tavus의 기술 설명에 따르면, 대부분의 대화형 AI 비디오 도구는 개별 구성 요소의 체인으로 작동합니다. 음성 인식 시스템이 오디오를 텍스트로 변환하고, 언어 모델이 응답을 작성하고, 음성 합성기가 이를 큰 소리로 읽고, 아바타 엔진이 얼굴을 애니메이트하여 일치시킵니다. 각 핸드오프는 지연을 추가하고 미묘함을 잃습니다.

반면 Griffin은 두 개의 연결된 부분을 가진 단일 비디오 간 파이프라인으로 실행됩니다. Tavus에 따르면, '지속적 대화 모델링' 엔진(대화를 1초 미만의 간격으로 재평가하여 언제 어떻게 응답할지 결정)과 '오디오 비주얼 생성' 엔진(음성과 비디오를 동시에 생성)입니다. 인식이 모델이 말하는 동안 계속 실행되기 때문에 Tavus는 Griffin이 중단, 일시 정지, 눈썹 올림 또는 카메라에 손 흔들기에 문중에 반응할 수 있다고 말합니다. 사람이 말을 끝낼 때까지 기다리는 것이 아니라.

벤치마크 수치가 보여주는 것

인간 인식 연구 외에도 Tavus는 NVIDIA의 VideoFDB 벤치마크에서 Griffin-Lite를 테스트했습니다. 이는 전이중 비디오 대화 시스템을 독립적으로 평가합니다. Tavus는 생성 품질 점수가 5점 만점에 3.83, 차점 시스템이 2.80, 실제 인간 비디오가 3.92, 인식 점수가 3.73, 인간이 4.20이라고 보도했습니다.

Neuron과 Decrypt 모두 48% 수치가 표본 크기가 작고 독립적인 복제가 아직 되지 않은 내부 Tavus 연구에서 온다는 것을 지적했습니다. Decrypt는 또한 사람들이 의심하기 시작한 대화에서 일반적으로 약 20초 내에 AI를 식별했다고 보도했습니다.

Tavus가 액세스를 제한하는 이유

결과에도 불구하고 Griffin-Lite는 공개되지 않습니다. Tavus는 안전 및 공개 기능을 개발하는 동안 '선택된 신뢰할 수 있는 테스터'의 연구 미리보기로 제한했습니다. 회사는 자신의 웹사이트와 Business Wire를 통해 배포된 보도자료에서 이를 밝혔습니다.

Tavus는 Decrypt의 보도에 따르면 기존의 딥페이크 지원 사기(암호화폐 근로자 및 거래소를 대상으로 한 비디오 사기 포함)를 조심스러운 이유로 지적했습니다. 회사는 사람들이 인공 지능과 대화하고 있음을 알 수 있는 방법에 대해 AI 안전 조직과 협력하고 있다고 말했습니다.

이 발표는 또한 공개 논쟁을 촉발했습니다. Neuron에 따르면, 이렇게 현실적인 AI는 불법이어야 한다고 주장하는 논평가도 있고, 투자자 Emad Mostaque의 광범위하게 공유된 댓글을 포함한 다른 사람들은 원격 작업에 대한 영향에 대해 우려를 제기했습니다.

알려진 것과 알려지지 않은 것

• 알려진 것: Griffin은 2026년 10월 1일에 공개되었고, Griffin-Lite의 48% 인간 인식 결과는 1분짜리 통화에서 54명 참가자의 Tavus 실시 연구에서 나왔습니다.
• 알려진 것: Griffin은 또한 NVIDIA의 독립적인 VideoFDB 테스트에서 벤치마크 점수를 게시했지만 두 트랙 모두에서 인간 수준의 점수 아래입니다.
• 알려지지 않은 것: 48% 수치가 독립적이고 표준화된 테스트에서 더 큰 표본으로 유지될지 여부.
• 알려지지 않은 것: Griffin의 공개 버전이 언제 또는 어떤 안전 조건 하에서 릴리스될지.