A Tavus afirma que 26 das 54 pessoas que participaram de chamadas de vídeo de um minuto com seu novo modelo Griffin-Lite acreditaram ter conversado com uma pessoa real. É um resultado marcante de um estudo conduzido pela própria Tavus, mas mede as respostas a uma chamada e uma pergunta específicas. Griffin-Lite ainda é uma prévia de pesquisa para testadores selecionados, e a Tavus diz estar desenvolvendo medidas de transparência antes de liberar o modelo para clientes.

A grande mudança

  • O que mudou: A Tavus direcionou sua pesquisa sobre assistentes de vídeo a um sistema que ouve, observa e gera rosto e voz durante a mesma conversa. Em chamadas curtas conduzidas pela empresa, 26 de 54 pessoas acreditaram que o modelo era uma pessoa.
  • Por que isso importa: Para as equipes que projetam agentes de vídeo, o ritmo da conversa e a expressividade do vídeo podem facilitar a interação com a interface. O mesmo estudo mostra por que informar a quem liga que está falando com uma IA não pode ser algo pensado só depois.
  • O que observar: Griffin-Lite está limitado a participantes selecionados para testes de pesquisa. A Tavus afirma que recursos de transparência e procedimentos adicionais de segurança estão em desenvolvimento; o formato e a eficácia deles, o acesso de clientes e o preço específico do Griffin ainda não foram anunciados.

O que o resultado de 26 em 54 mediu

No relato de pesquisa da Tavus de 1º de outubro, disseram aos participantes que seriam colocados em contato com outra pessoa para uma chamada de vídeo de um minuto sobre o que esperavam para aquele ano. Na verdade, a outra parte era uma persona de IA da Tavus, criada com o Griffin-Lite. Depois da chamada, as pessoas avaliaram a conversa e responderam se haviam suspeitado que a outra parte não era real. Em seguida, a Tavus revelou que se tratava de uma IA.

Entre os 54 participantes que conversaram com Griffin-Lite, 26 disseram que a outra parte era uma pessoa real, cerca de 48%. A Tavus afirma que usou o mesmo protocolo com seu sistema anterior, baseado em Phoenix-4.5, Sparrow-2 e Raven-1; entre os 41 participantes daquele grupo, uma pessoa disse que seu interlocutor era humano. São grupos diferentes de participantes, não uma comparação antes e depois com as mesmas pessoas. O anúncio não demonstra como essa resposta mudaria em chamadas mais longas, sobre outros assuntos ou no uso cotidiano, quando as pessoas sabem que pode surgir um agente de IA.

A Tavus descreve o resultado como aprovação em um teste de Turing de vídeo em tempo real. Essa é a caracterização da empresa para seu estudo de um minuto, não uma certificação universal de conversa semelhante à humana. A reportagem independente da RuntimeWire sobre o lançamento também trata o número de 48% como um resultado limitado, obtido pela própria empresa, e observa que a prévia ainda não está disponível para clientes. O estudo mostra como os participantes responderam nas condições descritas; não é uma taxa de engano replicada de forma independente.

Um benchmark separado avalia a qualidade da interação

O placar do NVIDIA VideoFDB dá ao Griffin-Lite notas de 3,83 em geração e 3,73 em percepção, em uma escala de 5. O benchmark usa trechos de chamadas de vídeo reais e um avaliador baseado em modelo de linguagem, com critérios definidos. A avaliação de geração analisa a adequação da voz, do rosto e do comportamento conversacional do modelo; a de percepção examina suas respostas ao áudio e ao vídeo de uma pessoa. A tabela da NVIDIA coloca Griffin-Lite acima dos sistemas listados nas duas categorias, enquanto as pontuações de referência humana são, respectivamente, 3,92 e 4,20.

Essas pontuações medem uma tarefa diferente de perguntar aos participantes se achavam que a outra parte era humana. Os conjuntos de comparação e as condições também diferem: a tabela de geração inclui sistemas em cascata de fala para avatar, enquanto a de percepção inclui sistemas avaliados com áudio e vídeo ou, em linhas separadas, apenas com áudio. O placar sustenta um resultado segundo os critérios publicados pela NVIDIA. Não valida o resultado de 48% do estudo de chamadas da Tavus nem mostra como Griffin se sairia em atendimento ao cliente, ensino ou saúde.

O que a Tavus diz sobre o funcionamento do sistema

A Tavus descreve Griffin como uma arquitetura de duas partes. Um modelo conversacional contínuo recebe áudio e vídeo de quem liga e gera instruções sobre o que dizer, quando falar e como se expressar. Geradores de fala e vídeo em streaming transformam essas instruções em uma voz e uma cena em movimento. A empresa diz que o sistema consegue ouvir enquanto fala, ceder a vez quando alguém o interrompe e reagir ao contexto visual em vez de esperar que cada turno termine. Essas são descrições técnicas e demonstrações da Tavus; a BIG CHANGE não acessou a prévia nem mediu o comportamento do sistema.

Essa distinção importa porque um rosto gerado não é a interação inteira. Um sistema que reage a pausas, olhares e interrupções pode mudar se a pessoa sente que foi compreendida ou percebe que está conversando com um software. O VideoFDB apresenta uma comparação pontuada do comportamento conversacional segundo um protocolo de benchmark. O estudo de chamadas com pessoas conduzido pela Tavus oferece uma observação mais restrita sobre a identificação de quem ou o que estava do outro lado. Nenhum dos dois substitui evidências públicas sobre confiabilidade prolongada, transparência em uma implantação real ou consentimento informado dos usuários.

Acesso e a decisão que vem pela frente

A Tavus afirma que Griffin-Lite está disponível apenas para testadores de pesquisa confiáveis selecionados como prévia de pesquisa e não está disponível para os clientes da empresa. A empresa oferece um formulário para solicitar acesso aos testes. Griffin ainda não está na plataforma geral nem na API pública da Tavus, e o anúncio não informa um preço específico para o modelo. Phoenix, Raven e Sparrow continuam sendo linhas de produtos atuais e separadas.

A empresa diz estar trabalhando em recursos de transparência e procedimentos adicionais de segurança antes de uma liberação mais ampla. Ainda não publicou uma data, uma descrição detalhada do sistema de transparência nem evidências de que essas medidas funcionem. Para quem avalia um agente de vídeo em tempo real, a pergunta imediata é específica: como a pessoa saberá quem ou o que está do outro lado e como isso será verificado antes de Griffin se tornar um produto para clientes?

Fontes e leituras complementares