Edición en Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Tavus Griffin: qué muestra su resultado en videollamadas de un minuto

> En llamadas de un minuto realizadas por Tavus, 26 de 54 personas creyeron que Griffin-Lite era una persona. El estudio, la evaluación comparativa de NVIDIA y la vista previa limitada responden preguntas distintas.

By BIG CHANGE Editorial

Published: 2026-10-02T15:28:31.155Z
Updated: 2026-10-02T15:28:31.155Z
Canonical: https://bigchange.ai/blog/tavus-griffin-one-minute-video-call-study

![A charcoal and ink illustration of one hollow translucent face mask mounted on a stand, with a restrained orange reflection.](https://bigchange.ai/api/media/file/tavus-griffin-identity-mask-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Tavus afirma que 26 de 54 personas que participaron en videollamadas de un minuto con su nuevo modelo Griffin-Lite creyeron haber hablado con una persona real. Es un resultado llamativo de un estudio realizado por Tavus, pero mide las respuestas a una llamada y una pregunta concretas. Griffin-Lite sigue siendo una vista previa de investigación para participantes seleccionados, y Tavus afirma que está desarrollando medidas para informar a las personas antes de que sus clientes puedan usarlo.

## El gran cambio

- **Qué cambió:** Tavus ha orientado su investigación sobre asistentes de video hacia un sistema que escucha, observa y genera un rostro y una voz durante la misma conversación. En las breves llamadas realizadas por la empresa, 26 de 54 personas creyeron que el modelo era una persona.
- **Por qué importa:** Para los equipos que diseñan agentes de video, el ritmo de la conversación y un video expresivo pueden facilitar la interacción. El mismo estudio muestra por qué no se debe posponer informar a quienes llaman que están hablando con una IA.
- **Qué conviene observar:** Griffin-Lite está limitado a un grupo seleccionado de participantes de investigación. Tavus afirma que está desarrollando funciones para informar a las personas y otros procedimientos de seguridad; aún no ha anunciado su formato ni su eficacia, el acceso de clientes o un precio específico para Griffin.

## Qué midió el resultado de 26 de 54 personas

En [el informe de investigación de Tavus del 1 de octubre](https://www.tavus.io/griffin), se dijo a los participantes que se les emparejaría con otra persona para una videollamada de un minuto sobre lo que esperaban con ilusión ese año. En realidad, su interlocutor era un avatar de IA de Tavus impulsado por Griffin-Lite. Después de la llamada, calificaron la conversación y respondieron si habían llegado a preguntarse si su interlocutor no era real. Entonces Tavus les informó de que era una IA.

De los 54 participantes que probaron Griffin-Lite, 26 dijeron que su interlocutor era una persona real: alrededor del 48 %. Tavus afirma que usó el mismo protocolo con sus sistemas anteriores Phoenix-4.5, Sparrow-2 y Raven-1; en ese grupo, una de 41 personas dijo que su interlocutor era una persona. Se trata de grupos distintos, no de una comparación antes y después con las mismas personas. El anuncio no permite determinar cómo cambiaría esta respuesta en llamadas más largas, con otros temas o en situaciones cotidianas en las que la gente sabe que podría aparecer un agente de IA.

Tavus califica el resultado como la aprobación de una prueba de Turing de video en tiempo real. Esa es la descripción de la empresa sobre su estudio de un minuto, no una certificación universal de conversación similar a la humana. [El informe independiente de lanzamiento de RuntimeWire](https://runtimewire.com/article/tavus-griffin-video-turing-test) también presenta la cifra del 48 % como un resultado pequeño, obtenido por la propia empresa, y señala que la vista previa aún no está disponible para clientes. El estudio aporta evidencia sobre las valoraciones de los participantes en las condiciones indicadas; no establece una tasa de engaño replicada de forma independiente.

## Una evaluación comparativa distinta mide la calidad de la interacción

La [clasificación de VideoFDB de NVIDIA](https://research.nvidia.com/labs/amri/projects/video-fdb/) asigna a Griffin-Lite 3,83 sobre 5 en generación y 3,73 en percepción. La evaluación utiliza clips de videollamadas reales y la valoración de un modelo de lenguaje con criterios definidos. La generación evalúa si la voz, el rostro y el comportamiento conversacional del modelo son adecuados; la percepción mide sus respuestas al audio y video de una persona. La tabla de NVIDIA sitúa a Griffin-Lite por encima de los sistemas enumerados en ambas categorías, mientras que las puntuaciones de referencia humana son 3,92 y 4,20, respectivamente.

Esas puntuaciones miden una tarea distinta de preguntar a quienes llaman si creen que su interlocutor es una persona. También difieren los sistemas de comparación y las condiciones: la tabla de generación incluye sistemas en cascada de voz a avatar, mientras que la tabla de percepción incluye sistemas evaluados con audio y video o, en filas separadas, solo con audio. La clasificación respalda un resultado según los criterios publicados por NVIDIA. No valida la cifra del 48 % del estudio de llamadas de Tavus ni muestra cómo se desempeñaría Griffin como producto de atención al cliente, tutoría o salud.

## Qué dice Tavus que hace el sistema

Tavus describe Griffin como un diseño de dos partes. Un modelo conversacional continuo recibe el audio y el video de quien llama y genera instrucciones sobre qué decir, cuándo hablar y cómo expresarse. Los generadores de voz y video en streaming convierten esas instrucciones en una voz y una escena en movimiento. La empresa afirma que el sistema puede escuchar mientras habla, ceder la palabra cuando lo interrumpen y reaccionar al contexto visual sin esperar a que termine cada turno. Estas son descripciones técnicas y demostraciones de Tavus; BIG CHANGE no ha accedido a la vista previa ni ha medido su comportamiento.

Esta distinción importa porque un rostro generado no basta para definir toda la interacción. Un sistema que responde a las pausas, la mirada y las interrupciones podría cambiar si quien llama se siente comprendido o se da cuenta de que está hablando con un programa. El resultado de VideoFDB ofrece una comparación puntuable del comportamiento conversacional bajo un protocolo de evaluación. El estudio de llamadas con personas de Tavus ofrece una observación más acotada sobre cómo identifican a su interlocutor. Ninguno sustituye la evidencia pública sobre fiabilidad sostenida, transparencia en una implementación real o consentimiento informado de los usuarios.

## Acceso y la decisión pendiente

Tavus afirma que [Griffin-Lite está disponible solo para un grupo selecto de evaluadores de confianza](https://www.tavus.io/griffin) como vista previa de investigación y que no está disponible para sus clientes. La empresa ofrece un formulario para solicitar acceso a las pruebas. Griffin todavía no forma parte de su plataforma general ni de su API pública, y el anuncio no indica un precio específico. Los modelos Phoenix, Raven y Sparrow que Tavus ya ofrece siguen una vía de producto independiente.

La empresa afirma que trabaja en funciones para informar a las personas y en otros procedimientos de seguridad antes de un lanzamiento más amplio. No ha publicado una fecha, un diseño detallado de esas medidas ni evidencia de que funcionen. Por eso, para quien evalúe un agente de video en tiempo real, la pregunta inmediata es concreta: ¿cómo sabrá la persona que llama quién o qué está al otro lado y cómo se verificará antes de que Griffin se convierta en un producto para clientes?

## Fuentes y lecturas adicionales

- [Tavus Research, “Introducing Griffin: The First Human Interaction Model”](https://www.tavus.io/griffin), 1 de octubre de 2026. Descripción del sistema, protocolo y resultados del estudio, disponibilidad y declaraciones de seguridad del proveedor. Tavus realizó el estudio con personas y, entre las fuentes consultadas aquí, no se ha replicado de forma independiente.
- [NVIDIA y David AI, “VideoFDB: Evaluating Full-Duplex Vision-Speech Capabilities in Conversational Agents”](https://research.nvidia.com/labs/amri/projects/video-fdb/), consultado el 2 de octubre de 2026. Metodología del operador del benchmark y clasificación actual, incluidas las puntuaciones de Griffin-Lite en generación y percepción. Las puntuaciones otorgadas por el modelo evaluador son distintas del estudio de llamadas con personas de Tavus.
- [Ryan Merket, RuntimeWire, “Tavus says Griffin fooled 48% of testers in one-minute video calls”](https://runtimewire.com/article/tavus-griffin-video-turing-test), 1 de octubre de 2026. Cobertura independiente que identifica el tamaño de la muestra y la falta de acceso para clientes; no informa de una réplica propia ni de una prueba práctica de Griffin.

## Sources

- [Introducing Griffin: The First Human Interaction Model](https://www.tavus.io/griffin) — Anuncio principal de Tavus: descripción del modelo, estudio con personas de un minuto realizado por la empresa, vista previa de investigación para participantes seleccionados, trabajo sobre medidas informativas y falta de acceso para clientes. La interpretación del proveedor de que Griffin aprobó una prueba de Turing de video se atribuye a Tavus y no se presenta como un resultado universal.
- [VideoFDB — Evaluating Full-Duplex Vision-Speech Capabilities in Conversational Agents](https://research.nvidia.com/labs/amri/projects/video-fdb/) — Metodología de la evaluación comparativa de NVIDIA/David AI y clasificación actual. Griffin-Lite obtiene 3,83 en generación y 3,73 en percepción; son categorías separadas evaluadas por un modelo, no un estudio sobre la capacidad humana para identificar a otra persona.
- [Tavus says Griffin fooled 48% of testers in one-minute video calls](https://runtimewire.com/article/tavus-griffin-video-turing-test) — Cobertura independiente del pequeño estudio realizado por la empresa y de la falta de acceso para clientes; no es una réplica independiente.