视频通话1分钟，一半人没认出是AI：见面确认身份，今后得留一手

视频通话一分钟，54个人里有26个咬定，屏幕对面是个活人。他们都错了。对面那个人的脸、声音、连回话的时机，都是一个AI模型现场生成的。

10月1号，AI视频公司Tavus发布了一个叫Griffin的新模型，宣称它是首个通过实时「视频图灵测试」的模型。上一代同类系统，同样的实验流程，只能骗过41个人里的1个。从2.4%到48%，中间只隔了一代。发布两天，那段演示视频的围观就超过了1700万人次。要是你平时拿「视频一下吧」当确认对方身份的手段，或者家里有老人常接「熟人」的视频电话，这条消息就不是科技圈的热闹，是一条风险提示。

先别管实验，看这个模型凭什么骗过这么多人。关键不在画面多逼真，在互动的节奏。Griffin是个所谓的全双工系统，它能一边说话，一边听你、看你，你的表情、视线、停顿、手势，都进它的判断。它允许被打断，也会主动插话。一段演示里，一个用户在焊电路板，屏幕里的AI看着他的动作，该提示下一步了才提示；用户停下手半天不说话，它也不搭腔，它知道你没干完，只是在想。用过语音助手的人都懂这个细节戳在哪。你停下来组织语言，它抢着接话。视频通话里最容易暴露AI的，往往不是脸，是这种抢麦的急切。

不过，先别急着慌。这个48%，是Tavus自己测的，连「视频图灵测试」的定义都是它自己下的，学术上没有共识。实验只有54个人，只聊了一分钟，参与者还事先被告知对面是另一位真人，话题定好了聊「今年最期待的事」。就这条件，仍然有超过一半的人看穿了，而且看穿的人多半在通话开始20秒内就察觉了。五项体验评分里，最低的是「对话流畅程度」，7分制里只有4.9分。也就是说，AI能糊弄住一分钟的闲聊，但话聊得越久、越往具体的事上走，它越容易露怯。英伟达的公开评测榜上，Griffin的生成得分3.83，人类参考分3.92，只差0.09分，可这也只是特定基准下的分数。眼下Griffin只对少数受信测试者开放，Tavus自己说，要把「身份披露」功能做上、安全评估做完，才会更大范围开放。这个阀门，暂时是拧着的。

真正要上心的，不是这个实验本身，是它暗示的速度。还有一件更现实的事。被视频里的脸骗到，用不着等Griffin发布，骗子的工具旧一代，但早就在实用了。

2024年初，香港，一家跨国公司分部的职员被拉进一场「总部首席财务官发起的多人视频会议」。屏幕里有人说话、有人点头、有人翻文件，一切正常，只有他一个是真人，其余全是深度合成拼出来的。他按指令分15次转账，把2亿港元打进了5个账户，一个星期后才觉出不对。福州的郭先生接到「好友」的视频通话，脸和声音都对得上，因为那确实是用好友本人的微信发起的，账号多半已经被盗了。他转出去430万元，93.16万没能追回来。按反诈机构的披露，黑灰产里一条「换脸加换声」的视频，报价463元左右，大概就是一顿像样的饭钱。按公安部的数据，2025年一季度，AI换脸、拟声诈骗环比涨了45%，受骗的人里老年人占38%。

Griffin说明的是，往后会更难防；这些案子说明的是，眼下已经够危险。

所以判断就一句话。视频通话没有作废，是降级了。它曾经是「眼见为实」的铁证，现在只能算一个需要交叉验证的参考。跟家人同事照常视频，犯不上把每个人都当骗子防。真正要警惕的，是「视频里露了脸」紧跟着「要转钱、要改账户、要办急事」的那种时刻。

遇到那种时刻，怎么办。几招记下来。

让对方动起来：请他摁一下鼻子、把脸侧过去、拿手在脸前挥一挥。现在的人脸合成，遇到物体遮挡脸部的边界容易出破绽，这也是反诈专家公开推荐过的识别办法。

突然问一件只有你们俩知道的小事：骗子能应付寒暄，应付不了你们的共同记忆。香港那个案子还有个细节，骗子几乎不让受害人说话，自我介绍完就以「不方便多说」挂断视频，改用文字指挥。不让你多问、只顾催你快办的视频通话，一律当可疑处理。

涉及钱，必须换渠道：挂了电话，自己找号码打回去，或者直接找到人，再确认一遍。这一步别省。屏幕对面的脸看得再清楚，也清楚不过这一通电话。

工具上也有新的。今年9月，公安部刑侦局指导、上海市公安局研发的「国家反诈AI」App刚上线，三大功能：智能问答、反诈资讯、反诈辞典。把遇到的可疑场景直接丢给它问，它会做风险分析、识别诈骗套路、推送相关案例，辞典还能语音朗读，家里老人听着也行。民警提醒的用法是，别只问「这个号码是不是骗子」，要把整个场景讲清楚，场景越完整，它判得越准。App自己也标了，回答由AI生成、仅供参考，涉及转账，还是得回那句老话，换渠道核实。