10 月 1 日，旧金山 AI 视频公司 Tavus 公布了新模型 Griffin 的一项测试，随后一周，“首个通过视频图灵测试”"48% 的人把 AI 当成真人"的标题刷遍了科技圈。 10 月 11 日，知乎上"新 AI 模型首过「视频图灵测试」，将对人际信任和防诈带来哪些冲击"的提问又把这事顶上了最新讨论前排。小红书知乎
这个标题之所以扎人，是因为视频通话一直是我们心里的最后一道防线：文字可以代写，声音可以合成，但让对方打开摄像头聊几句、看看表情，总该多一分把握。现在有人说这道门被踹开了。
先给结论：Griffin 是真进步，但 48% 这个数字被多数人读错了方向；对普通人来说，真正该上心的不是"以后视频都别信"，而是下面这套账。
48% 测的不是"骗过了人"，是"没人想到要怀疑"
把 Tavus 发布页的实验流程拆开看，这根本不是一场"人和 AI 二选一"的图灵测试。54 名受试者被招募时只被告知：等下和"另一位参与者"视频一分钟，聊聊"今年你最期待什么"。对面其实是 Griffin-Lite 实时生成的虚拟人。通话结束后，受试者要先给对面的自然度、可信度、有没有在认真听逐项打分，"是不是 AI"这个判断不是在通话中做出的，而是在事后问卷的最后一题才出现。知乎
这个标题数字读起来是：54 人里 26 人在 1 分钟视频通话后误以为对方是真人。 但它的准确读法是：在一个没人提醒你要警惕、话题压力极低的一分钟闲聊里，接近一半的人压根没启动怀疑。 一个被要求专门找破绽的裁判，和一个毫无防备的普通人，是两个难度完全不同的任务。DeepTech深科技知乎
还有三个细节值得记住。那些察觉到异样的受试者，大多在前 20 秒内就产生了怀疑——开头几秒正是人校准对面"眼神对不对、反应快不快"的窗口，撑过这个窗口，人往往就不再主动检查。两组人的分歧也没那么大：说对面是真人的一组平均确信度 79%，说对面是 AI 的一组平均确信度 81%，谁也没拍胸脯。知乎
真正的进步藏在哪：不是脸更像了，是时机对了
同一套实验流程，Tavus 上一代级联系统在同样的测试中，41 个人里只有 1 个被"骗"过，比例 2.4%；这一代跳到了 48%。 方向是真实的跃迁，但两组样本量不对称，"二十倍提升"这种说法当不得真。极客公园
跃迁的原因值得所有用过数字人产品的人留意。过去几年，数字人赛道拼的是"脸像不像"，Griffin 想证明的是 AI 开始学会"像人一样聊天"。 传统级联系统是语音识别转文字、大模型想回复、语音合成、再驱动一张预设的脸，每交接一次多一层延迟、丢一层信息，脸必须等你说完才动；Griffin 改成全双工，双方可以同时说话、实时做出反应，能像真人聊天那样互相打断、点头附和、话语交叠。 人类对"接话时机"的敏感远超对五官细节的敏感——一个会在你话尾点头、会抢话再把话头让回来的对手，你下意识就把它当人。极客公园DeepTech深科技
评测分数也要挑着看。在英伟达的全双工音视频对话基准 VideoFDB 上，Griffin-Lite 的生成得分达到 3.83 分（满分 5 分），真人基准为 3.92 分。 但"追平人类"是另一个量级的说法：感知轨它离真人基准还差 0.47 分，而且裁判是语言模型不是人。DeepTech深科技
两个"延迟"数字更是营销话术和工程事实的分界。Tavus 公布的数据里，在英伟达 H100 上从音频输入到视频输出的平均延迟为 0.43 秒，比目前已公开的最快方案还要低上一半。 可宣传里反复出现的这个 0.43 秒，量的只是"音频进来、画面给出反应"这一段的生成延迟，不是整轮对话的响应延迟。 它的中位响应时间其实是 1892 毫秒，而真人的反应时间大约在 900 毫秒左右——"脸动起来快"和"开口回答快"是两回事，决定对话流畅感的恰恰是后者，评分表里最低的"对话流畅度"只有 4.9 分（7 分制）也印证了这一点。DeepTech深科技知乎
真正让人后背发凉的是另一个参数：一张参考照片、大约 10 秒语音，就能撑起一个会实时接话、会被你打断的"人"。知乎
诈骗不需要等 Griffin 上线
先说不用慌的部分：Griffin-Lite 目前只是面向选定的可信测试者提供的研究预览，尚未进入 Tavus 平台，普通客户、免费公开访问、价格或正式上线日期都没有核实。 合规也在压着它：欧盟《人工智能法案》第 50 条自今年 8 月 2 日起适用，明确规定凡是与人类直接交互的 AI 系统，必须明确让用户知晓对方的 AI 身份。 你现在想拿它骗谁或者被它骗，都还轮不到。知乎DeepTech深科技
但"看见脸也不一定是本人"这件事，根本不用等端到端生成数字人普及——诈骗用的是"换脸 + 拟声"的成熟低价方案。国内已有男子被 AI 诈骗 430 万元，骗子正是利用 AI 换脸技术在视频聊天里冒充熟人。知乎
据检察机关披露，2025 年一起案件中，诈骗团伙用 AI 换脸和语音合成虚构"军官"人设，涉及 13 名被害人，转移资金 1300 余万元。 国外的参照是 2024 年港企那起深伪视频会议诈骗案：参会者对面全是生成的假人，公司损失约 2500 万美元。 这些损失数字多为媒体转述，但方向不需要怀疑。知乎知乎
普通人的焦虑其实早就在发酵：小红书上"如何判断刷到的漂亮姐姐帅气哥哥是不是 AI"的辨别帖攒下了 900 多赞、200 多条评论。 这次只是把"视频通话到底还能不能信"顶上了台面。小红书
普通人该做的三件事：靠流程，别靠眼睛
指望肉眼在一分钟通话里识破一个全双工数字人，本来就是过高要求——人在开视频时注意力一半在内容一半在手头的事上，表情破绽会被大脑自动补全。Tavus 那场实验与其说证明了 AI 演得好，不如说证明了人不怀疑时根本不会启动取证模式。所以防线要建在流程里，不是建在视网膜上。
第一，钱相关的视频请求，一律挂断回拨。不管对面是"女儿"“领导"还是"老同学”，凡是视频里提到转账、垫资、保证金、紧急救场，先挂断，用通讯录里存的号码回拨一次。回拨走的是你自己的通信路径，骗子造不了这条路径。
第二，和一个流程较真，而不是和一张脸较真。反诈提示里"可以让对方摁鼻子观察辨别"这类动作检查，对实时换脸有效。 但对 Griffin 这种从像素层面整体生成的数字人，它只算半道防线——所以要叠加：问一件只有你们俩知道的事、让对方读一串你临时生成的数字、大额操作坚持走既有审批流程，两道以上才算保险。知乎
第三，给爸妈只教一句话："视频里要你转钱的，先挂掉再打回来。“国家网络安全宣传周已点名 AI 换脸、AI 合成语音成为新型诈骗的高发手法，冒充"派出所”"子女"的视频通话正在真实发生。 这条规则不需要任何技术理解成本。知乎
平台侧也不是没做事：内容标识监管落地后，数字人内容不标注就会被限流，有做数字人口播的博主自述三个月被封了三个号。 接到风险账号视频通话时的手机反诈提醒，也已经在替家里的老人挂掉一些电话。这些是你不用自己动手就存在的第二层防线。知乎
接下来盯什么
三个信号放进观察列表。Griffin 正式版何时接入 Tavus 平台：官方称待合规与安全问题解决后会"很快"推出，但目前尚未公布具体的时间表和定价方案。 "强制身份披露"功能会不会随之落地；下一个评测会不会改用"强迫选择 + 长通话"口径——在低警觉、一分钟、事后单问这种宽松条件下都能做到 48%，条件收紧后掉到哪里，才是真正该盯的数字；以及国内数字人客服、面试、直播带货里"AI 身份告知"的执行力度。DeepTech深科技
回到开头那道防线：视频通话从"默认成立"变成"需要证明"，是这一年消费级 AI 最实在的变化之一。它不意味着你不该开视频，而是意味着"看见脸"不再等于"确认本人"，大额决策要多走一步验证流程。这一步成本很低——挂断、回拨、问一个只有你们知道的问题。但 430 万的教训说明，这步值得每次都做。
