Tavus’un Griffin modeli, görüntülü görüşmelerde karşı tarafı dinlerken yanıt hazırlayıp konuşma sırasını anlık biçimde yönetmeye odaklanıyor. Şirket, sistemi “İnsan Etkileşim Modeli” olarak tanımlıyor. Griffin-Lite adlı araştırma önizlemesi ise şimdilik yalnızca sınırlı bir test grubuna açık.
Ses ve görüntüyü birlikte değerlendiriyor
Gelen ses ve videoyu sürekli işleyen Griffin, ne zaman konuşacağına ya da susacağına kısa zaman aralıklarında karar veriyor. Tavus’un hedefi, sesi önce metne çeviren, yanıtı ayrı bir sistemle oluşturan ve ardından görüntü üreten parçalı işleyişi kısaltmak. Model, karşısındaki kişi konuşmaya başladığında yanıtını kesebiliyor; kullanıcı düşünürken baş hareketiyle dinlediğini gösterebiliyor.
Bu yaklaşım, Gemini Live Avatar gibi canlı yüz üreten sistemlerle aynı alana giriyor. Tavus, konuşma sırasını, bakışları ve kısa tepkileri tek bir etkileşim içinde yönetmeyi amaçlıyor. Şirketin mimarisinde konuşma akışını izleyen karar sistemi ile ses ve görüntü üreten bölüm birlikte çalışıyor.
Bir dakikalık denemede katılımcıların yüzde 48’i insan olduğunu düşündü
Tavus’un paylaştığı bir dakikalık canlı görüşme çalışmasında katılımcıların yüzde 48’i karşılarında gerçek bir insan olduğunu düşündü. Ancak çalışmanın koşulları ve örneklemi, bu sonucu günlük kullanımdaki tüm görüşmelere genellemeye yetmiyor. Şirketin Griffin’i “gerçek zamanlı video Turing testini geçen ilk model” olarak nitelemesi de kendi değerlendirmesine dayanıyor.
Görüntü kalitesinin yanı sıra ağ gecikmesi, konuşma dili ve beklenmedik sorulara verilen yanıtlar da deneyimi etkileyecek. Tavus, modelin yüz ifadesi ve duraksama gibi söz dışı işaretleri yorumlamasının müşteri desteği ve uzaktan eğitim gibi alanlarda daha doğal görüşmeler sağlayabileceğini belirtiyor. Bu örnekler, ürünün geniş ölçekteki başarısını kanıtlamıyor; şirketin olası kullanım alanlarına ilişkin öngörülerini yansıtıyor.
Griffin’e erişim şimdilik sınırlı
Tavus, Griffin-Lite adlı araştırma önizlemesini sınırlı bir test grubuna açtı. Şirket daha güçlü bir sürümün ileride sunulacağını söylese de genel kullanıma geçiş tarihi veya fiyat bilgisi paylaşmadı. Bu nedenle Griffin’i herkesin bugün kullanabileceği bir görüntülü görüşme hizmeti olarak değerlendirmek mümkün değil. Geliştiricilerin modeli kendi uygulamalarına hangi koşullarda ekleyebileceği de henüz açıklanmadı.
Şirket ayrıca Griffin-Lite’ın, NVIDIA’nın görüntülü görüşme modellerini değerlendiren VideoFDB ölçümlerindeki bazı karşılaştırmalarda öne çıktığını aktarıyor. Bu sonuçlar tepki zamanlaması ve üretilen yüzün akıcılığıyla ilgili olsa da farklı ışık koşullarında, zayıf bağlantıda veya uzun görüşmelerde performansın aynı kalacağını tek başına göstermiyor. Bağımsız kullanıcı denemeleri bu konuda daha fazla bilgi sağlayabilir.
Gerçeğe yakın dijital bir yüzün nerede kullanıldığı da teknik performans kadar önem taşıyor. Tavus, Griffin’in insanla karıştırılabilecek düzeyde etkileşim kurabildiğini öne sürüyor. Görüşmenin başında yapay zekâ kimliğinin açıkça belirtilmesi ve görüntü ile ses verilerinin nasıl işlendiğinin anlatılması da bu çerçevede önem kazanıyor. Griffin, canlı konuşmanın ritmini iyileştirmeyi amaçlayan bir araştırma modeli; geniş çaplı kullanımdaki performansı henüz görülmedi.
