一分钟视频通话骗过 48% 的人：Tavus Griffin 把深伪推进实时时代

导语：2026 年 10 月 1 日，Tavus 发布了实时视频交互模型 Griffin（全双工视频到视频）。在自研实验中，一次一分钟的视频通话结束后，48% 的参与者被欺骗——而上一代模型的这一数字只有 2.4%。从 2.4% 到 48%，提升约 20 倍，身份验证所依赖的“眼见为实”，第一次在实时场景里被系统性击穿。

48% 这个数字，意味着什么。此前，深伪大多出现在录播视频里：动作僵硬、口型对不上、光线有断层，人眼仍能识别。Griffin 把这条界线推到了实时交互：它支持 720p 分辨率、25fps 帧率，音频到视频的延迟压到 0.43 秒。在 NVIDIA VideoFDB 基准测试的感知赛道上，Griffin 拿到 3.73 分，排名第一，仅次于人类基准的 4.20 分；仅在响应速度和唇形同步精度上略逊于真人。更关键的是“全双工”——它能像真人一样实时听、实时回应，而不是播放一段预先做好的视频。

门槛低到一张照片、10 秒音频。真正让风险陡增的，是生成门槛的坍塌。按现有能力，一张照片加 10 秒音频，就足以生成可实时对话的数字分身。技术一旦低到这个程度，它就不再是实验室里的演示，而是可以被批量复制、直接用于诈骗的工具。Tavus 官方数据显示，其 API 已有 15 万开发者和企业注册。当这些能力被接入客服、销售、教育、心理咨询等人脸出镜行业，效率提升与滥用风险会同时放大。

深伪诈骗的经济账。风险已经在账面上兑现。Surfshark 的数据显示，深伪欺诈造成的损失 2025 年飙升至 11 亿美元，是 2024 年的 3 倍。更早的案例是 2024 年香港奥雅纳（Arup）案：一名员工参加视频会议时，所有“参会者”均为 AI 假人，公司因此损失约 2500 万美元。当视频会议这种被视为最可信的沟通形式，也可以被整体伪造时，企业风控与身份验证体系都需要重构。

技术给自己踩了刹车。值得注意的是，Tavus 明确表示，在安全机制就绪之前，不会向公众开放 Griffin。这一表态本身说明，发布方也清楚这项能力的双刃剑属性。与此同时，D-ID 等竞品正在布局更低成本的实时方案，监管与行业自律的时间窗口正在收窄。Griffin 实现的，是从“录制视频”到“实时交互”的跨越；而当实时视频通话的成本足够低、质量足够难辨，被重写的将不只是客服与销售，还有我们对“真人”这两个字的默认信任。