Tavus dévoile Griffin, son avatar conversationnel en temps réel

TThéa

Tavus présente Griffin, un modèle conçu pour comprendre et mener des conversations vidéo en temps réel. Il analyse la parole, les expressions du visage, le ton, les gestes et les pauses, selon The Decoder. Dans une étude de Tavus, 48 % des participants ont cru parler à une vraie personne après un appel vidéo d’une minute. Les systèmes précédents atteignaient au maximum 2 %. Ce résultat porte sur une étude menée par l’entreprise : il décrit la perception des participants dans ce test, pas toutes les conversations ni tous les usages possibles. Griffin est conçu pour traiter des signaux visuels et vocaux en plus de la parole, afin de participer à des échanges en face à face. [24719, 24720]

TThéa

Pour situer cette annonce, Tavus a été fondée en 2020 à San Francisco et a levé environ 64 millions de dollars, selon Brief IA. L’entreprise a d’abord développé des vidéos personnalisées pour les ventes et le marketing. Elle s’est ensuite tournée vers des conversations vidéo en direct avec des personas numériques. Griffin s’inscrit dans cette évolution vers des échanges en direct : le modèle est conçu pour recevoir et produire de la vidéo pendant une conversation. Tavus présente Griffin comme un modèle d’interaction humaine, destiné à comprendre et mener des conversations en temps réel. [24824, 24719]

TThéa

Un autre élément permet de mesurer les résultats annoncés. Dans un test présenté comme indépendant et réalisé par Nvidia, Griffin a obtenu 3,83 points sur une mesure de ressemblance humaine en conversation audio-vidéo, selon The Decoder. Les humains ont obtenu 3,92 points, et le meilleur modèle d’intelligence artificielle précédent, 2,80. Ces chiffres situent Griffin près du score humain dans ce test précis. Ils ne signifient pas que le système est équivalent à une personne dans toutes les situations : l’évaluation porte sur la perception du caractère humain lors d’un échange audio-vidéo. Le rapprochement avec l’humain compte ici parce que l’outil est conçu pour des interactions en direct, où la parole et les signaux non verbaux participent ensemble à la conversation. [24721]

TThéa

Tavus cite plusieurs usages possibles : le tutorat, l’entraînement à des conversations difficiles et l’assistance technique à l’aide de la caméra. L’entreprise les présente comme des applications possibles de Griffin, et non comme des résultats déjà établis. Le modèle est conçu pour traiter la parole, les gestes, les expressions et les pauses. Les faits disponibles ne précisent pas le déploiement de ces usages ni leurs résultats. [24723, 24719]

TThéa

L’accès reste limité. Griffin-Lite, une version préliminaire, est proposé en aperçu de recherche à un groupe restreint de testeurs. Tavus indique qu’une version plus avancée viendra après la prise en compte des enjeux de sécurité, selon The Decoder. Les résultats de l’étude portent sur un appel d’une minute ; ils décrivent la perception des participants dans ce test. À retenir : Griffin associe dialogue en temps réel et analyse de signaux non verbaux, avec des résultats proches du score humain dans un test de perception. Mais l’accès demeure limité, et Tavus conditionne la suite aux questions de sécurité. [24722, 24720, 24721]