Lähe põhisisu juurde
Eesti— Vali keel
Menüü

SIP-telefonija ja LiveKit-i integratsioon

Õppetund 12 / 14 Värskendatud 3. november 2026 Kesktase
Sellel lehel
  1. Ühenda Grok telefonivõrguga
  2. Kolm ühendusviisi
  3. Konfigureeri heli telefoni jaoks
  4. Mida lisab otsene SIP
  5. Mida sa sellega ehitada saad
  6. Telefonispetsiifilised nõuded
  7. Peamised punktid

Uuendatud 3. novembril 2026, tuginedes xAI SIP Phone Calls juhendile, Voice lehele ja Phone Voice Agent näidiskogumikule. xAI suudab vastata kõnedele sinu numbrile otse SIP-i kaudu, pakkudes kõne suunamist, lõpetamist ja DTMF-klahvistikuga tuge. Allikad: SIP Phone Calls · Voice · Phone Voice Agent.

Ühenda Grok telefonivõrguga

Hääleagent ei piirdu ainult veebi- ja mobiilirakendustega. Sinu assistent saab vastata tavapärasele telefoninumbrile: kliendid helistavad sellele statsionaarsest või mobiiltelefonist ning Groki agent võtab kõne vastu. Helistajatel pole vaja midagi installida, mis teeb suure erinevuse vanemate klientide või kehva mobiilse interneti levialaga piirkondade puhul.

Kolm ühendusviisi

Otsene SIP, mis on IP-põhise kõneside standard, on kõige integreeritum valik. Sa registreerid oma numbri xAI-is, sinu sideoperaator suunab kõned xAI-i SIP-aadressile ja xAI teavitab sinu rakendust iga sissetuleva kõne kohta allkirjastatud veebikonksu (webhook) kaudu; seejärel liitub sinu rakendus kõnega WebSocketi kaudu. xAI juhend viib sind läbi seadistuse teenustele Twilio, Bandwidth, Telnyx ja Plivo ning iga sideoperaatori või PBX-süsteemi jaoks, mis suudab avada SIP-tee sellele numbrile.

Sild läbi oma serveri sobib meeskondadele, kes soovivad säilitada kontrolli helivoogu üle. Sinu server võtab vastu kõneheli (näiteks Twilio Media Streams, nagu xAI näidiskogumiku Phone Voice Agent näites) ja edastab selle tavalisele WebSocketi seansile.

Reaalajas raamistikud on lõpuks kolmas võimalus: xAI dokumentatsioon loetleb olemasolevate integratsioonidena LiveKit-i ja Pipecat-i. Need haldavad reaalajas edastust ja kõnede marsruutimist, mis teeb neist lühima tee meeskonnale, kes ei soovi oma telefonikihti ise ehitada.

Konfigureeri heli telefoni jaoks

Otsese SIP-i kasutamisel ei pea sa selle pärast muretsema: xAI edastab helistaja heli seanssi ja esitab agendi häält talle tagasi. Silla puhul on vormingul aga tähtsus. Telefonivõrk töötab kitsaribalise heliga, kasutades oma koodekeid, ja Hääleagent aktsepteerib neid loomupäraselt, mis välistab igasuguse transkodeerimise vajaduse.

G.711 μ-law, deklareeritud kui audio/pcmu, töötab sagedusel 8000 Hz; see on standard Põhja-Ameerika ja Jaapani telefonias. G.711 A-law, deklareeritud kui audio/pcma, omab samu omadusi ja domineerib Euroopa ning rahvusvahelises telefonias. Seega valid selle põhjal, kus sinu sideoperaator tegutseb, mitte isiklike eelistuste põhjal.

{
  "type": "session.update",
  "session": {
    "voice": "ara",
    "instructions": "You are the phone assistant for Miller & Sons. Answer professionally and concisely.",
    "audio": {
      "input": { "format": { "type": "audio/pcma", "rate": 8000 } },
      "output": { "format": { "type": "audio/pcma", "rate": 8000 } }
    },
    "turn_detection": { "type": "server_vad", "idle_timeout_ms": 8000 }
  }
}

Pöörde tuvastamisega tegeleb endiselt server, ilma et oleks vaja läve seadistada. Telefoni puhul on oluline seade idle_timeout_ms: kui helistaja jääb pärast vastust nii kauaks vait, siis agent kontrollib olukorda, selle asemel et jätta liin vaikseks.

Mida lisab otsene SIP

Kolm funktsiooni on olemas ainult otsese SIP-i teel. Esiteks, suunamine: POST /v1/realtime/calls/{call_id}/refer saadab helistaja telefoninumbrile (tel:) või SIP-aadressile (sip:) ja HTTP-vastus annab teada, kas sihtkoht vastas; kui see ebaõnnestub, jääb helistaja agendiga liinile. Teiseks, kõne lõpetamine käsuga POST /v1/realtime/calls/{call_id}/hangup. Kolmandaks, klahvistikusisend: numbrid, mida helistaja vajutab, jõuavad mudelini tekstina (pärast #, pärast 2,5 sekundit ilma uue klahvita või niipea, kui helistaja rääkima hakkab) ja tööriist send_dtmf võimaldagendil endal klahve vajutada, näiteks teise teenuse telefonimenüüs navigeerimiseks.

Mida sa sellega ehitada saad

Esiteks automatiseeritud kõnekeskus. Agent tervitab helistajaid ettevõtte nimel, selgitab vestluse käigus välja, mida nad vajavad, ja seejärel kas suunab nad käsuga refer õigesse osakonda või lahendab lihtsad päringud ise. Erinevalt „vajuta 1 müügiosakonna jaoks“ menüüst kirjeldavad helistajad oma probleemi oma sõnadega, mitte ei navigeeri puustruktuuris, ja kui nad eelistavad klahvistikku, on DTMF endiselt olemas.

Tehnilise toe infoliin läheb veelgi kaugemale. Agent diagnoosib probleemi küsimuste seeria kaudu, annab samm-sammulisi juhiseid, loob pileti funktsioonide kutsumise (function calling) kaudu ja suunab kõne inimtehnikule, kui juhtum ületab tema pädevust. Seansi taastamine võimaldab vestlust jätkata isegi siis, kui klient helistab 30 minuti jooksul tagasi, eeldusel et oled taastamise lubanud ja suudad esimese kõne ID-d hankida.

Telefonispetsiifilised nõuded

Latentsus on kõige olulisem. Märgatav viivitus paneb helistajad agentiga samaaegselt rääkima ja vestlus laguneb. Kolm hooba hoiavad seda kontrolli all: väldi transkodeerimist, majuta oma rakendus võimalikult lähedal oma sideoperaatorile ja hoia agendi kasutatavad funktsioonid kiirena, kuna üksainus päring aeglasele CRM-süsteemile võib kogu latentsuseelarve lõhkuda. Mõõda otsast-otsani viivitust reaalsetel kõnedel, mitte ei tugine võrdlusandmetele.

Järgmisena tuleb vastavus nõuetele, mis ei ole läbiräägitav. Teata helistajatele, et nad räägivad tehisintellektiga, ja kui vestlust salvestatakse, ütle seda kohe alguses. Käitle transkripte ja salvestisi isikuandmetena vastavalt GDPR-ile, määratledes säilitustähtajad ja tagades toimiva kustutamise protsessi.

Lõpuks planeeri tõrkeid, sest need juhtuvad. Varuteade peab astuma sammu, kui Hääleagent pole kättesaadav, vastasel juhul satuvad sinu kliendid surnud liinile. Inimesele suunamine peaks käivituma pärast kahte või kolme järjestikust arusaamatust. Ja transkriptide logimine annab sulle materjali korduvate tõrgete tuvastamiseks ja juhiste täiustamiseks.

Peamised punktid

  • Kolm valikut: otsene SIP koos xAI-ga, sild läbi sinu serveri või raamistik nagu LiveKit või Pipecat
  • Otsese SIP-i korral vastab xAI kõnele, teavitab sinu rakendust allkirjastatud veebikonksuga ja toetab suunamist, kõne lõpetamist ning DTMF-klahve
  • Silla puhul väldivad G.711 koodekid (audio/pcmu, audio/pcma) sagedusel 8000 Hz transkodeerimist
  • Pöörde tuvastamisel pole läve, mida häälestada; idle_timeout_ms annab märku vaikivale helistajale
  • Vastavus nõuetele (helistajate teavitamine, salvestiste teated, GDPR) on telefonias kohustuslik