SIP-puhelinliikenne ja LiveKit-integraatio
Tällä sivulla
Päivitetty 3. marraskuuta 2026 xAI:n SIP Phone Calls -oppaan, Voice-sivun ja Phone Voice Agent -keittokirjaesimerkin perusteella. xAI voi vastata puheluihin omaan numeroosi suoraan SIP:n kautta, ja se tukee puhelun siirtoa, lopettamista sekä DTMF-näppäimistösyötettä. Lähteet: SIP Phone Calls · Voice · Phone Voice Agent.
Yhdistä Grok puhelinverkkoon
Voice Agent ei rajoitu vain web- ja mobiilisovelluksiin. Avustajasi voi vastata tavalliseen puhelinnumeroon: asiakkaat soittavat siihen lankapuhelimella tai matkapuhelimella, ja Grok-agentti vastaa. Soittajien ei tarvitse asentaa mitään, mikä tekee ratkaisusta erityisen arvokkaan iäkkämmille asiakkaille tai alueille, joissa mobiiliverkon kuuluvuus on heikko.
Kolme tapaa muodostaa yhteys
Suora SIP, eli IP-puheluiden standardi, on integroiduin vaihtoehto. Rekisteröit numerosi xAI:lle, operaattorisi reitittää puhelut xAI:n SIP-osoitteeseen, ja xAI ilmoittaa sovelluksellesi allekirjoitetulla webhookilla jokaisesta saapuvasta puhelusta; sovelluksesi liittyy tämän jälkeen puheluun WebSocket-yhteyden kautta. xAI:n opas käy läpi määritykset palveluille Twilio, Bandwidth, Telnyx ja Plivo sekä mille tahansa operaattorille tai PBX-järjestelmälle, joka pystyy avaamaan SIP-reitin kyseiseen numeroon.
Silta oman palvelimesi kautta sopii tiimeille, jotka haluavat pitää äänivirran hallinnassa. Palvelimesi vastaanottaa puheluäänidataa (esimerkiksi Twilio Media Streams -tekniikalla, kuten xAI:n keittokirjan Phone Voice Agent -esimerkissä) ja välittää sen eteenpäin tavalliselle WebSocket-istunnolle.
Reaaliaikaiset kehykset ovat kolmas vaihtoehto: xAI:n dokumentaatio listaa LiveKitin ja Pipecatin olemassa olevina integraatioina. Ne hoitavat reaaliaikaisen siirron ja puhelujen reitityksen, mikä tekee niistä nopeimman tavan tiimeille, jotka eivät halua rakentaa omaa telefoniakerrosta.
Määritä ääni puheluita varten
Suorassa SIP-yhteydessä sinun ei tarvitse huolehtia tästä: xAI välittää soittajan äänen istuntoon ja toistaa agentin äänen takaisin soittajalle. Siltaa käytettäessä formaatti kuitenkin ratkaisee. Puhelinverkko käyttää kapeakaistaista ääntä omien koodekkien kanssa, ja Voice Agent hyväksyy ne natiivisti, mikä välttää tarpeen muuntaa ääniformaattia (transcoding).
G.711 μ-law, joka ilmoitetaan muodossa audio/pcmu, toimii taajuudella 8000 Hz; se on standardi Pohjois-Amerikan ja Japanin telefoniassa. G.711 A-law, joka ilmoitetaan muodossa audio/pcma, on ominaisuuksiltaan samanlainen ja hallitsee Euroopan ja kansainvälistä telefoniaa. Valinta tehdään siis sen perusteella, missä operaattorisi toimii, ei henkilökohtaisten mieltymysten mukaan.
{
"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 }
}
}
Vuoron tunnistuksen hoitaa edelleen palvelin, eikä kynnysarvoa tarvitse säätää. Puheluiden kannalta tärkein asetus on idle_timeout_ms: jos soittaja vaikenee tämän ajan agentin vastauksen jälkeen, agentti kysyy kuulumisia sen sijaan, että linja jäisi hiljaiseksi.
Mitä suora SIP tarjoaa lisää
Kolme ominaisuutta on saatavilla vain suoralla SIP-polulla. Ensinnäkin siirto: POST /v1/realtime/calls/{call_id}/refer ohjaa soittajan puhelinnumeroon (tel:) tai SIP-osoitteeseen (sip:), ja HTTP-vastaus kertoo, vastasiko kohde; jos siirto epäonnistuu, soittaja jää linjalle agentin kanssa. Toiseksi puhelun lopetus komennolla POST /v1/realtime/calls/{call_id}/hangup. Kolmanneksi näppäimistösyöte: soittajan painamat numerot saapuvat mallille tekstinä (merkin # jälkeen, 2,5 sekunnin kuluttua edellisestä näppäinpainalluksesta tai heti kun soittaja puhuu), ja työkalu send_dtmf antaa agentille mahdollisuuden painaa näppäimiä itse, esimerkiksi navigoidakseen toisen palvelun puhelinvalikossa.
Mitä voit rakentaa tämän avulla
Ensimmäinen käyttötarkoitus on automatisoitu puhelinvaihde. Agentti tervehtii soittajia yrityksen puolesta, selvittää heidän tarpeensa keskustelun edetessä ja joko siirtää heidät oikealle osastolle komennolla refer tai hoitaa yksinkertaiset pyynnöt itse. Toisin kuin perinteisessä “paina 1 myynnille” -valikossa, soittajat kuvailevat ongelmaansa omin sanoin sen sijaan, että heidän pitäisi navigoida puurakenteessa, ja jos he suosivat näppäimistöä, DTMF on edelleen käytettävissä.
Tekninen tukipuhelin vie asiat pidemmälle. Agentti diagnosoi ongelman kysymyssarjan avulla, antaa vaiheittaiset ohjeet, luo tukipyynnön funktiokutsun kautta ja siirtää puhelun ihmiselle, jos tapaus ylittää sen osaamisalueen. Istunnon jatkaminen (session resumption) mahdollistaa jopa keskustelun jatkamisen, jos asiakas soittaa uudelleen 30 minuutin kuluessa, edellyttäen että jatko-ominaisuus on käytössä ja ensimmäisen puhelun tunnistetieto on saatavilla.
Puhelukohtaiset vaatimukset
Viive on tärkein tekijä. Havaittava viive saa soittajat puhumaan agentin päälle, jolloin keskustelu epäonnistuu. Kolme vipua pitää viiveen kurissa: vältä ääniformaatin muunnosta, isännöi sovellustasi mahdollisimman lähellä operaattoriasi ja pidä agentin kutsumat funktiot nopeina, sillä yksi hidas kysely CRM-järjestelmään voi rikkoa koko viivebudjetin. Mittaa päästä päähän -viive oikeissa puheluissa äläkä luota pelkkiin vertailuarvoihin.
Seuraavaksi tulee vaatimustenmukaisuus, joka ei ole neuvoteltavissa. Kerro soittajille, että he keskustelevat tekoälyn kanssa, ja jos keskustelu nauhoitetaan, mainitse se heti alussa. Käsittele litterointeja ja nauhoitteita henkilötietoina GDPR:n mukaisesti määritellyillä säilytysajoilla ja toimivalla poistoprosessilla.
Lopuksi varaudu virhetilanteisiin, sillä niitä tulee tapahtumaan. Varaosanoman on otettava vastuu, jos Voice Agent ei ole saatavilla, muuten asiakkaasi törmäävät katkokseen. Puhelun siirto ihmiselle tulisi aktivoitua kahden tai kolmen peräkkäisen väärinkäsityksen jälkeen. Litterointien lokittaminen antaa sinulle materiaalia toistuvien virheiden havaitsemiseen ja ohjeistuksen hiomiseen.
Keskeiset asiat
- Kolme vaihtoehtoa: suora SIP xAI:n kanssa, silta oman palvelimesi kautta tai kehys kuten LiveKit tai Pipecat
- Suorassa SIP-yhteydessä xAI vastaa puheluun, ilmoittaa sovelluksellesi allekirjoitetulla webhookilla ja tukee siirtoa, lopetusta sekä DTMF-näppäimiä
- Siltaa käytettäessä G.711-koodekit (
audio/pcmu,audio/pcma) taajuudella 8000 Hz välttävät ääniformaatin muunnoksen - Vuoron tunnistuksessa ei ole säädettävää kynnysarvoa;
idle_timeout_mskehottaa hiljaista soittajaa jatkamaan - Vaatimustenmukaisuus (soittajien informointi, nauhoitusilmoitukset, GDPR) on pakollista telefoniassa