Tavus 发布实时数字人模型 Griffin，音到画延迟仅 0.43 秒

Tavus 发布实时数字人模型 Griffin，它全程听、全程看，持续决定该说话、反应还是等待，按你说了什么接管话轮，而不是等声音停下。语音部分把每 10ms 音频压缩成 40 个数字的 latent，模型一知道要说什么就立刻写出下一个 latent 并即时播放，还可用约 10 秒音频克隆声音。