Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Telefonia SIP e integrazione con LiveKit

Lezione 12 di 14 Aggiornata il 3 novembre 2026 Intermedio
In questa pagina
  1. Collega Grok alla rete telefonica
  2. Tre modi per connettersi
  3. Configura l’audio per il telefono
  4. Cosa aggiunge il SIP diretto
  5. Cosa puoi costruire
  6. Requisiti specifici per il telefono
  7. Punti chiave

Aggiornato il 3 novembre 2026, sulla base della guida SIP Phone Calls di xAI, della pagina Voice e dell’esempio di cookbook Phone Voice Agent. xAI può rispondere alle chiamate sul tuo numero direttamente tramite SIP, supportando il trasferimento di chiamata, la riaggancio e la tastiera DTMF. Fonti: SIP Phone Calls · Voice · Phone Voice Agent.

Collega Grok alla rete telefonica

L’agente vocale non si limita alle applicazioni web e mobili. Il tuo assistente può rispondere a un normale numero di telefono: i clienti lo compongono da un fisso o da un cellulare e l’agente Grok risponde. I chiamanti non devono installare nulla, il che fa tutta la differenza per i clienti più anziani o per le aree con scarsa copertura internet mobile.

Tre modi per connettersi

SIP diretto, lo standard per la voce su IP, è l’opzione più integrata. Registri il tuo numero presso xAI, il tuo operatore instrada le chiamate all’indirizzo SIP di xAI e xAI notifica la tua app con un webhook firmato per ogni chiamata in arrivo; la tua app si unisce quindi alla chiamata tramite WebSocket. La guida di xAI illustra la configurazione per Twilio, Bandwidth, Telnyx e Plivo, nonché per qualsiasi operatore o PBX in grado di aprire una rotta SIP verso quel numero.

Un ponte attraverso il tuo server si adatta ai team che desiderano mantenere il controllo del flusso audio. Il tuo server riceve l’audio della chiamata (ad esempio, Twilio Media Streams, come nell’esempio Phone Voice Agent del cookbook di xAI) e lo inoltra a una sessione WebSocket standard.

Framework in tempo reale, infine: la documentazione di xAI elenca LiveKit e Pipecat tra le integrazioni esistenti. Gestiscono il trasporto in tempo reale e l’instradamento delle chiamate, rendendoli il percorso più breve per un team che non vuole costruire il proprio strato di telefonia.

Configura l’audio per il telefono

Con il SIP diretto, non devi preoccupartene: xAI inoltra l’audio del chiamante nella sessione e riproduce la voce dell’agente al mittente. In un ponte, invece, il formato conta. La rete telefonica funziona con audio a banda stretta e codec propri, e l’agente vocale li accetta nativamente, evitando qualsiasi transcodifica.

G.711 μ-law, dichiarato come audio/pcmu, opera a 8000 Hz; è lo standard nella telefonia nordamericana e giapponese. G.711 A-law, dichiarato come audio/pcma, ha le stesse caratteristiche e domina la telefonia europea e internazionale. Scegli quindi in base alla sede del tuo operatore, non in base alle preferenze personali.

{
  "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 }
  }
}

Il rilevamento del turno di parola è ancora gestito dal server, senza soglie da regolare. L’impostazione importante per il telefono è idle_timeout_ms: se il chiamante rimane in silenzio per quel periodo dopo una risposta, l’agente interviene invece di lasciare la linea muta.

Cosa aggiunge il SIP diretto

Tre funzionalità esistono solo sul percorso SIP diretto. Primo, il trasferimento: POST /v1/realtime/calls/{call_id}/refer invia il chiamante a un numero di telefono (tel:) o a un indirizzo SIP (sip:), e la risposta HTTP indica se la destinazione ha risposto; in caso di fallimento, il chiamante rimane in linea con l’agente. Secondo, il riaggancio, con POST /v1/realtime/calls/{call_id}/hangup. Terzo, l’input da tastiera: le cifre premute dal chiamante raggiungono il modello come testo (dopo #, dopo 2,5 secondi senza nuovi tasti, o non appena il chiamante parla), e lo strumento send_dtmf permette all’agente di premere i tasti autonomamente, ad esempio per navigare nel menu telefonico di un altro servizio.

Cosa puoi costruire

Un centralino automatizzato viene per primo. L’agente saluta i chiamanti per conto dell’azienda, capisce di cosa hanno bisogno mentre la conversazione si svolge, quindi li trasferisce al reparto giusto con refer o gestisce direttamente le richieste semplici. A differenza di un menu telefonico “premi 1 per le vendite”, i chiamanti descrivono il loro problema con le proprie parole invece di navigare in un albero decisionale, e se preferiscono la tastiera, il DTMF è comunque disponibile.

Una hotline di supporto tecnico va oltre. L’agente diagnostica il problema attraverso una serie di domande, fornisce istruzioni passo dopo passo, crea un ticket tramite chiamata di funzione e trasferisce a un tecnico umano quando il caso supera le sue competenze. La ripresa della sessione permette persino di continuare la conversazione se il cliente richiama entro 30 minuti, purché tu abbia abilitato la ripresa e possa recuperare l’ID della prima chiamata.

Requisiti specifici per il telefono

La latenza ha la priorità su tutto. Un ritardo percepibile spinge i chiamanti a sovrapporsi all’agente e la conversazione crolla. Tre leve la tengono sotto controllo: evita la transcodifica, ospita la tua app il più vicino possibile al tuo operatore e mantieni veloci le funzioni chiamate dall’agente, poiché una singola query a un CRM lento può far saltare l’intero budget di latenza. Misura il ritardo end-to-end su chiamate reali invece di affidarti a dati di benchmark.

Viene poi la conformità, che non è negoziabile. Informa i chiamanti che stanno parlando con un’IA e, se la conversazione viene registrata, dillo all’inizio. Tratta trascrizioni e registrazioni come dati personali ai sensi del GDPR, con periodi di conservazione definiti e un processo di cancellazione che funzioni realmente.

Infine, pianifica i guasti, perché accadranno. Un messaggio di fallback deve subentrare se l’agente vocale non è disponibile, altrimenti i tuoi clienti troveranno una linea morta. Un trasferimento a un operatore umano dovrebbe scattare dopo due o tre incomprensioni consecutive. E la registrazione delle trascrizioni ti fornisce il materiale per individuare guasti ricorrenti e affinare le tue istruzioni.

Punti chiave

  • Tre opzioni: SIP diretto con xAI, un ponte attraverso il tuo server o un framework come LiveKit o Pipecat
  • Con il SIP diretto, xAI risponde alla chiamata, notifica la tua app con un webhook firmato e supporta trasferimento, riaggancio e tasti DTMF
  • In un ponte, i codec G.711 (audio/pcmu, audio/pcma) a 8000 Hz evitano la transcodifica
  • Il rilevamento del turno di parola non ha soglie da regolare; idle_timeout_ms sollecita un chiamante silenzioso
  • La conformità (informare i chiamanti, avvisi di registrazione, GDPR) è obbligatoria nella telefonia