Tavus 推出对话式视频接口：延迟不足 1 秒，数字人能听会看实时聊

首次发布 2024年8月15日 UTC 13:29传播指数 38

Tavus 面向开发者推出对话式视频界面，让数字孪生具备实时视听与对话能力。其端到端延迟控制在 1 秒以内，支持完全白标以及自定义替换底层 LLM 和语音合成模块。也就是说，开发者能直接为应用接入低延迟、带面部反应的实时交互视频分身。

视频通话那头的 AI，终于不用让人等到尴尬了。

Tavus 面向开发者推出了号称全球最快的对话式视频接口。通过这套接口，开发者可以构建能够实时看、听、说的数字分身，并将其无缝接入各种视频交互场景中。

把延迟压进一秒的数字分身

对视频对话来说，延迟就是生命线。以往和虚拟人视频，用户往往要等好几秒才能得到回应，聊起来像在打跨洋卫星电话。

Tavus 这次主打的核心突破就是速度，把响应延迟压到了 1 秒以内。在这个速度下，屏幕里的数字分身可以更自然地与人对视和接话。

这套接口支持端到端即插即用，并且提供完全白标的技术支持。它的底层架构是模块化的，开发者可以按需替换其中的语言模型（LLM）和语音合成（TTS）模块。官方目前也上线了一个名为 Carter 的在线数字人，供开发者实时测试对话效果。

我们认为，Tavus 这次把落点选得很聪明。

对开发者和中小团队来说，自己从零搞定音视频流处理、低延迟面部渲染和多模态驱动几乎是不可能的任务。Tavus 把这套流程封装成即插即用、且允许完全白标的接口，意味着做 AI 客服、虚拟面试官或一对一语言助教的门槛被彻底打了下来。

把延迟打进 1 秒也是一个分水岭。过去视频数字人大多停留在宣传视频和单向播报里，一旦进入双向实时互动，卡顿就会立刻打破沉浸感。不过在实际落地中，不同网络环境下的稳定性和嘴型同步效果，看起来依然是 Tavus 需要接受真实市场检验的地方。