數字人公司Tavus發佈Phoenix-4.5實時人體渲染模型

數字人公司Tavus推出Phoenix-4.5，自稱市場上最快、最富表現力的實時人體渲染模型，面部動畫更豐富，情緒與微動更明顯，動作延伸至上半身，並稱這是人工智能最接近面對面通過圖靈測試的一次。

公司白皮書寫：從音頻到視頻時延134毫秒，較其所稱市面其他模型快約25%，並生成完整幀而非只畫臉，實時約40幀。渲染對象從“一張臉”擴到頭、肩、姿態與軀幹同步的PAL。內部測試中，Phoenix-4上訓練失敗的人臉有64%在4.5上成功。對比表顯示音視語音識別與感知差值上升，FID與FVD下降。模型被描述爲高斯-擴散架構，可在十餘種情緒狀態間切換，避免循環錄像式點頭。

Tavus將渲染層與感知模型Raven、對話輪次模型Sparrow一起出售，接口定位爲可嵌入應用的面對面視頻代理。早期Phoenix用一兩分鐘視頻生成替身，結合音文驅動的三維模型、體渲染與二維生成網絡。圖靈測試式表述是營銷句，不是第三方雙盲實驗結論。

實時數字人的競爭點從“像一張照片”轉到“說話時肩膀會不會一起動、聽的時候會不會點頭錯拍”。134毫秒把對話從可感知延遲推進到接近視頻通話體感，客服、銷售與教育場景纔可能把循環片段換成生成幀。

市場機制上，這是接口訂閱，不是電影級離線渲染。買方是要在視頻通話裏放一張會動的臉的產品團隊；賣方是把時延和表情做成API的Tavus。受益方是已接入其會話視頻接口的應用；承壓方是仍靠預錄片段和固定口型的虛擬主播工具。資金按會話分鐘與席位流向渲染算力。

補充結構：公司未在該發佈中給出獨立實驗室的圖靈測試通過率。上半身運動仍不是全身骨骼級控制。

來源：公開信息