驱动部位
招聘适配度
90
每小时
$60.00
每分钟
$1.00
30 分钟面试
$30.00
简介
Tavus CVI 不是单个模型,而是一整套技术栈:Phoenix 渲染面孔,Raven 通过摄像头观察用户,Sparrow 决定何时开口。正是这层感知能力,让它区别于只会说话的头像渲染器:它能察觉候选人正在看第二块屏幕念稿,或者是停在半句话中思考,而不是已经说完。对于初筛面试,这种行为就是关键所在,也是值得为它支付明显溢价、而不选纯口型同步模型的原因。
- 对话式视频接口
- 视觉感知(Raven)
- 轮次切换模型(Sparrow)
- 基于授权视频训练复刻形象
- 现成角色
- 实时 WebRTC
- 30+ 种语言
驱动范围
- 面部
- 完整
- 口型同步
- 完整
- 上半身
- 部分
- 双手
- 无
- 全身
- 无
- 提示词生成内容
- 无
Phoenix 模型生成整张面孔,因此眉毛、眼睛和头部都会随语音而动,而不只是嘴巴。Phoenix-4.5 增加了自然的躯干和肩部动作,Phoenix-4 支持全身。双手不在画面内。
来源:Tavus documentation and HumanLike hands-on assessment
优势
- 能读取候选人的摄像头画面
- 能处理思考时的停顿
- 大规模复刻招聘人员形象
注意事项
- 成本是 Homo 1 的 200 倍
- 摄像头画面涉及授权与留存义务
- 复刻形象需要书面授权
最适合 首轮对话式初筛 · 为每位候选人定制的雇主品牌视频 · 有监考的测评
3 个版本

Phoenix-4.5最高
最新的面部模型。用一张照片约一分钟即可生成带水印的预览,随后在后台继续优化。躯干、肩部和头发动作自然,取景可为胸部以上或腰部以上。

Phoenix-4高
全身方案。能精确保留复杂的服装纹理,基于视频的保真度最高,但必须等整个训练任务完成后才能使用。

Phoenix-3(旧版)均衡
上一代模型。仅支持视频训练;相比 Phoenix-4.5 或 Phoenix-4,很少是正确的选择。
数据
公开基准
- 口型同步准确率
- 90%估算
- 话语间延迟
- 1000 ms估算
我们公布的近似值(约 90%)。
我们公布的近似值(约 1.0s)。
技术解读
Tavus CVI:一整套对话技术栈,而不只是渲染器
Tavus CVI 把面部渲染器、感知模型和轮次切换模型整合在同一个实时视频接口之后。渲染器让它看起来像人,另外两个模型让对话像人与人之间的交流。
阅读技术解读