Comhtháthú Teileafóin (Twilio, srl.)
Ar an leathanach seo
Nuashonraithe an 3 Samhain, 2026 bunaithe ar dhoiciméadú an Realtime API: tugtar
audio/pcmuar fhormáid G.711 μ-law (luaigh an téacs roimhe seog711_ulaw, arb é an t-ainm béite a bhí air). Foinse: Realtime API.
Nuashonrú an 2 Samhain, 2026 — Múnlaí fuaime. Tá roinnt múnlaí sa chúrsa seo tar éis dul in éag: stopfaidh
tts-1,tts-1-hd, agusgpt-4o-mini-ttsag obair ar an 6 Eanáir, 2027 (is égpt-realtime-2.1-minian t-ionadaí a luaitear, a deir treoir TTS OpenAI nach dtacaítear leis le/v1/audio/speech: ní mór imirce sintéise cainte dul tríd an Realtime API);gpt-realtime,gpt-4o-realtime, agus múnlaí fuaime oidhreachta ar an 20 Eanáir, 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribe, agus/v1/audio/translationsar an 26 Feabhra, 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Maidir le guth lán-dúbailte, tá GPT-Live 1 ar fáil san API ón 10 Meán Fómhair, 2026.
Comhtháthú Teileafóin (Twilio, srl.)
Ní bheidh gníomhaire gutha fíor-úsáideach mura bhfuil sé inrochtana trí fhón. Ligeann ardáin teileafóin scamaill cosúil le Twilio, LiveKit, agus Daily duit an Realtime API a nascadh leis an líonra teileafóin domhanda. Déanann úsáideoir glaoch ar uimhir, agus freagraíonn do ghníomhaire i bhfíor-am.
Ailtireacht Teileafóin
Cuireann comhtháthú teileafóin sraith idir an líonra teileafóin agus an Realtime API:
Glao Isteach → Twilio
Cuireann an t-úsáideoir glaoch ar uimhir fhóin. Faigheann Twilio an glaoch agus seolann sé webhook chuig do fhreastalaí.
Do Fhreastalaí → Sruth Meán
Freagraíonn do fhreastalaí le treoracha TwiML a osclaíonn WebSocket Srutha Meán déthreoch.
Sruth Meán ↔ Realtime API
Seolann do fhreastalaí fuaime ar aghaidh idir Sruth Meán Twilio agus OpenAI Realtime API.
Freagra Gutha → Úsáideoir
Seoltar an fhuaim fhreagartha ón Realtime API ar ais trí Twilio chuig fón an úsáideora.
Cur Chun Feidhme le Twilio
Webhook Glao Isteach
Nuair a thagann glaoch isteach, seolann Twilio iarratas HTTP chuig do fhreastalaí. Freagraíonn tú le TwiML a osclaíonn Sruth Meán:
from fastapi import FastAPI, Request
from fastapi.responses import Response
app = FastAPI()
@app.post("/incoming-call")
async def incoming_call(request: Request):
"""Twilio webhook for incoming calls."""
twiml = """<?xml version="1.0" encoding="UTF-8"?>
<Response>
<Say language="en-US">
Welcome to Corsen AI. Connecting you to your voice assistant.
</Say>
<Connect>
<Stream url="wss://your-server.com/media-stream">
<Parameter name="caller" value="{caller_number}" />
</Stream>
</Connect>
</Response>"""
form_data = await request.form()
caller = form_data.get("From", "unknown")
twiml = twiml.replace("{caller_number}", caller)
return Response(content=twiml, media_type="application/xml")
An Droichead Sruth Meán ↔ Realtime API
Faigheann an freastalaí WebSocket fuaime ó Twilio agus seolann sé ar aghaidh é chuig an Realtime API:
from fastapi import WebSocket
import websockets
import json
import base64
import audioop
import asyncio
OPENAI_API_KEY = "sk-..."
REALTIME_URL = "wss://api.openai.com/v1/realtime?model=gpt-realtime-2.1"
@app.websocket("/media-stream")
async def media_stream(twilio_ws: WebSocket):
"""Bridge between Twilio Media Stream and the Realtime API."""
await twilio_ws.accept()
# Connect to the Realtime API
headers = {
"Authorization": f"Bearer {OPENAI_API_KEY}"
}
async with websockets.connect(REALTIME_URL, additional_headers=headers) as openai_ws:
await openai_ws.recv() # session.created
# Configure the session
await openai_ws.send(json.dumps({
"type": "session.update",
"session": {
"type": "realtime",
"output_modalities": ["audio"],
"instructions": "You are a phone assistant. "
"Respond in English, concisely.",
"audio": {
"input": {
"format": {"type": "audio/pcmu"},
"turn_detection": {
"type": "server_vad",
"threshold": 0.5,
"silence_duration_ms": 600
}
},
"output": {
"format": {"type": "audio/pcmu"},
"voice": "marin"
}
}
}
}))
await openai_ws.recv()
stream_sid = None
async def twilio_to_openai():
nonlocal stream_sid
async for message in twilio_ws.iter_text():
data = json.loads(message)
if data["event"] == "media":
audio_b64 = data["media"]["payload"]
await openai_ws.send(json.dumps({
"type": "input_audio_buffer.append",
"audio": audio_b64
}))
elif data["event"] == "start":
stream_sid = data["start"]["streamSid"]
async def openai_to_twilio():
async for message in openai_ws:
event = json.loads(message)
if event["type"] == "response.output_audio.delta":
await twilio_ws.send_json({
"event": "media",
"streamSid": stream_sid,
"media": {
"payload": event["delta"]
}
})
await asyncio.gather(twilio_to_openai(), openai_to_twilio())
Formáid Fuaime G.711
Úsáideann teileafónaíocht an fhormáid G.711 μ-law (8 kHz, beart amháin in aghaidh an tsampla). Tacaíonn an Realtime API leis seo go dúchasach faoin ainm audio/pcmu, a dhecláraíonn tú don ionchur agus don aschur araon (audio.input.format agus audio.output.format, mar atá sa chód thuas). Seachnaíonn sé seo aon tiontú ar thaobh an fhreastalaí. Ba leis an mbéite API an t-ainm g711_ulaw; tugtar audio/pcma ar an leagan coibhéiseach A-law.
Roghanna Seachas Twilio
| Ardán | Neart | Comhtháthú Realtime API |
|---|---|---|
| Twilio | Éiceachóras iomlán, uimhreacha i mbreis agus 100 tír | Sruthanna Meán WebSocket dúchasacha |
| LiveKit | Foinse oscailte, moill íseal, WebRTC | Breiseán oifigiúil OpenAI |
| Daily | Simplí, óstáilte, maith le haghaidh prótatípaithe | SDK Pipecat le ceanglóir Realtime |
Príomhphointí
- Ligeann Sruthanna Meán Twilio duit glaoch fóin a nascadh le WebSocket déthreoch
- Feidhmíonn do fhreastalaí mar dhroichead idir Sruth Meán Twilio agus OpenAI Realtime API
- Is dúchasach don teileafónaíocht é an fhormáid G.711 μ-law agus tacaíonn an Realtime API go díreach léi
- Is roghanna inmharthana iad LiveKit (foinse oscailte, WebRTC) agus Daily (óstáilte) in ionad Twilio
- Is í an ailtireacht i gcónaí ná: teileafónaíocht → do fhreastalaí → Realtime API