Tavus, görüntülü görüşmelerde karşısındaki kişiyi gerçek zamanlı izleyerek konuşabilen, dinleyebilen beden diliyle tepki verebilen yapay zekâ modeli Griffin’i tanıttı. İnsan Etkileşim Modeli (Human Interaction Model – HIM) olarak geliştirilen sistem, konuşma sırasındaki yüz ifadelerini, duraksamaları sözlü olmayan iletişim işaretlerini işleyerek eş zamanlı yanıt üretiyor. Tavus’un tığı canlı test sonuçlarında katılımcıların yüzde 48’i Griffin’i gerçek insan olarak değerlendirdi.
Griffin, Görüntülü Görüşmelerde İnsan Davranışlarını Gerçek Zamanlı Takip EdiyorTavus’un geliştirdiği Griffin, geleneksel sesli yapay zekâ sistemlerinden farklı olarak iletişimi yalnızca konuşma metni üzerinden yürütmüyor. Model, karşısındaki kişinin sesini işlerken yüz hareketlerini, konuşma ritmini sessizlik anlarını değerlendirerek etkileşimin akışına göre tepki veriyor.
Görüntülü iletişim teknolojilerinde yeni yaklaşım sunan İnsan Etkileşim Modeli, karşı tarafın cümlesini tamamlamasını bekleyen klasik yanıt mekanizmasının ötesine geçiyor. Griffin, kullanıcı konuşurken başını sallayabiliyor, yüz ifadesindeki değişikliklere karşılık verebiliyor uygun gördüğü anlarda konuşmaya katılabiliyor.
Introducing Griffin, the first model to pass the video Turing.
48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video.
It’s the first Human Interaction Model (HIM)./eb11XbC8Xr
Tavus’un açıkladığı deney sonuçları, Griffin-Lite modelinin insan benzeri görüntülü iletişim performansını ortaya koydu. dakika süren görüntülü görüşmelere katılan 54 kişinin 26’sı karşısındaki kişinin gerçek insan olduğunu düşündü. Şirketin önceki Phoenix-4.5 tabanlı sistemiyle yapılan karşılaştırmada ise 41 katılımcıdan yalnızca biri aynı değerlendirmeyi yaptı.
Gerçek zamanlı video Turing testi olarak adlandırılan değerlendirme, yalnızca ses kalitesini veya yüz benzerliğini ölçmüyor. yapay zekânın konuşma sırasını yönetme, karşı tarafın davranışlarını algılama doğal tepkiler üretme becerilerini kapsıyor. Bununla birlikte sonuçların Tavus tarafından yürütülen sınırlı katılımcılı araştırmaya dayandığı, daha geniş bağımsız testlerin henüz bulunmadığı belirtilmeli.
Griffin’in teknik mimarisi, algılama yanıt üretimini ayrı aşamalara bölen geleneksel sistemlerden farklılaşıyor. Tavus, modeli video-video tabanlı tam çift yönlü (full-duplex) yapı üzerine kurarken görüntü işleme, ses üretimi, hareket modelleme konuşma kararlarını aynı etkileşim döngüsünde birleştiriyor.
Şirketin teknik açıklamasına göre Griffin-Lite, referans görüntüyü, gelen ses akışını hareket kontrollerini kullanarak 720p çözünürlükte görüntü üretiyor. Modelin video üretim sistemi, 25 kare/saniye hızında her biri 320 milisaniyelik görüntü parçaları oluştururken NVIDIA H100 grafik işlemcilerinde sesin ekrana yansıyan etkisi ortalama 0,43 saniyede gerçekleşiyor.
Tavus, Griffin’in insanlarla kurduğu gerçekçi iletişimin beraberinde kimlik yanıltma riskleri getirdiğini belirterek genel kullanıma geçişi şimdilik erteliyor. Şirket, Griffin-Lite sürümünü yalnızca seçilmiş test kullanıcılarına açarken yapay zekâ kimliğinin açıkça belirtilmesi güvenli kullanım koşullarının geliştirilmesi üzerinde çalışıyor.
İnsan etkileşim modeli yaklaşımı, müşteri hizmetleri, uzaktan eğitim, dijital danışmanlık teknik destek gibi alanlarda yeni kullanım senaryoları oluşturabilir. Örneğin kullanıcı arızalı cihazını kameraya gösterdiğinde sistem, sözlü açıklamaların yanında görüntüdeki ayrıntıları değerlendirerek yönlendirme yapabilir. Ancak gerçek insan izlenimi oluşturan dijital avatarların yaygınlaşması, Türkiye’deki işletmeler açısından kullanıcı bilgilendirmesi, kişisel verilerin korunması yapay zekâ kaynaklı içeriklerin şeffaf biçimde tanımlanması konularını gündeme taşıyacak.
