Tavus Inc.，一家致力于開發能模擬真人對話體驗的實時 AI 技術的人工智能研究初創公司，今天宣布發布了一系列突破性的 AI 模型。

該公司表示，正在通過其"對話視頻界面"構建一個人機交互操作系統，使 AI 能夠自然地感知、理解和回應。這種體驗就像在 Zoom 或 FaceTime 通話中與真人交談一樣。Tavus 的使命是讓 AI 不僅能理解面部表情、語氣和肢體語言及其含義，還能通過自身的表情和語氣來傳達意義。

"人類在進化過程中形成了面對面交流的方式。因此，我們希望教會機器如何實現這一點，"首席執行官 Hassaan Raza 在接受 SiliconANGLE 采訪時表示。"如果我們相信未來會出現 AI 同事、朋友和助手，我們就需要為此構建相應的接口。"

此次發布包含三個模型：Phoenix-3，首個能傳達細微表情的全臉 AI 渲染模型;Raven-0，一個突破性的 AI 感知模型，能像人類一樣觀察和推理;以及 Sparrow-0，一個先進的對話輪替模型，為對話增添"生命火花"。

Phoenix-3 是公司的旗艦基礎模型，旨在創建"數字分身"——個人的高度真實再現，并具備 AI 驅動的人類表情能力。現在的第三代版本提供全臉動畫，能夠克隆人物并準確表現臉部每塊肌肉，這對模仿細微表情至關重要。Raza 表示，大多數商用面部動畫模型無法處理完整的面部，導致上下半部分不匹配，破壞了沉浸感。

"Phoenix-3 是一個全臉表情模型，具有情感控制功能，是首個無需大量數據就能實現這一功能的模型，"Raza 說。

最重要的是，Phoenix-3 的高保真度和面部肌肉控制意味著它能準確模擬"微表情"——那些短暫、不由自主的面部表情，它們是情感反應的結果。通過添加這一功能，該模型創造了一個生動的視頻模型體驗，比簡單的動畫面孔更加真實，更具情感和表現力。

為了使 Phoenix-3 能像人類一樣做出響應，Raven-0 賦予了 AI 觀察和理解場景的能力。它不是拍攝單獨的快照，而是持續觀察和理解視頻中事件的上下文，包括識別用戶的面部情緒和檢測環境變化。

例如，AI 輔導員可以通過監控學生的表情來識別他們是否感到困惑或沮喪，并相應地調整解釋方式。同樣，支持助手可以觀察客戶使用產品的過程，并就如何解決問題提供指導。

Raza 表示，Sparrow-0 試圖解決許多 AI 都會犯的錯誤。自然對話有一種流動感，參與者之間有一種給予和接受的關系，一方等待另一方停止說話后再接話。

然而，AI 有時會過早插話——有時甚至會打斷對方。這種突然性發生是因為 AI 模型的思考速度比人類快，而 AI 模型開發者非常努力地降低延遲，即 AI 模型響應所需的時間。但如果 AI 響應太快，就會顯得不自然。

Sparrow 模型通過理解語言節奏來讓對話感覺自然，知道何時暫停、何時說話和何時傾聽。它不會對"呃"這樣的填充詞做出反應，也不會等待長時間的沉默，而是根據語氣、節奏和上下文進行調整。

"如果它確定你正在進行快節奏的友好對話，它會快速回應，"Raza 解釋道。"但如果你說'讓我想想'，AI 會給你空間。這樣就使對話更自然。"

與其他將技術拼湊在一起的公司不同，Raza 表示，Tavus 開發了一個集成系統來整合這些模型。結果是一種高度沉浸式的體驗，更像是在與真人交談，比其他人形化 AI 系統更自然。

Raza 表示，模型功能還有提升空間，這意味著需要持續改進 AI 感知和理解人類的能力。

"現在還不是完美的，但它是同類最佳，"Raza 補充道。"然而，我們未來的目標是開發出一個如此深入理解人類的模型，除非你特意詢問，否則你不會知道它是一個模型。"