Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

SIP telefonija ir integracija su LiveKit

Paskaita 12 iš 14 Atnaujinta 2026 m. lapkričio 3 d. Vidutinis lygis
Šiame puslapyje
  1. Prijunk Grok prie telefono tinklo
  2. Trys prisijungimo būdai
  3. Konfigūruok telefonui skirtą garsą
  4. Ką suteikia tiesioginis SIP
  5. Ką gali sukurti
  6. Telefonijai specifiniai reikalavimai
  7. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 3 d. remiantis xAI SIP Phone Calls vadovu, Voice puslapiu ir Phone Voice Agent pavyzdine knyga. xAI gali atsakyti į skambučius jūsų numeriu tiesiai per SIP, palaikydamas skambučio peradresavimą, pakabinimą ir DTMF klaviatūros funkcijas. Šaltiniai: SIP Phone Calls · Voice · Phone Voice Agent.

Prijunk Grok prie telefono tinklo

Balso agentas nėra apribotas tik žiniatinklio ir mobiliųjų programėlių. Tavo asistentas gali atsakyti į paprastą telefono numerį: klientai jam skambina stacionariu arba mobiliuoju telefonu, o Grok agentas pakelia ragelį. Skambinantiesiems nereikia nieko diegti, o tai yra esminis privalumas vyresnio amžiaus klientams arba regionams, kuriuose mobiliojo interneto ryšys prastas.

Trys prisijungimo būdai

Tiesioginis SIP, kuris yra balso per IP (VoIP) standartas, yra labiausiai integruotas variantas. Tu registruoji savo numerį xAI sistemoje, tavo operatoras nukreipia skambučius į xAI SIP adresą, o xAI praneša tavo programai pasirašytu „webhook“ apie kiekvieną gaunamą skambutį; tada tavo programa prisijungia prie skambučio per „WebSocket“. xAI vadove išsamiai aprašyta sąranka naudojant „Twilio“, „Bandwidth“, „Telnyx“ ir „Plivo“, taip pat bet kuriam operatoriui ar PBX sistemai, galinčiai atverti SIP maršrutą į tą numerį.

Tiltas per tavo paties serverį tinka komandoms, norinčioms išlaikyti garso srauto kontrolę. Tavo serveris priima skambučio garsą (pavyzdžiui, „Twilio Media Streams“, kaip xAI pavyzdinėje knygoje Phone Voice Agent) ir perduoda jį į įprastą „WebSocket“ sesiją.

Realiojo laiko sistemos: xAI dokumentacijoje tarp esamų integracijų išvardyti „LiveKit“ ir „Pipecat“. Jos tvarko realiojo laiko perdavimą ir skambučių maršrutizavimą, todėl tai yra trumpiausias kelias komandai, nenorinčiai kurti savo telefonijos sluoksnio.

Konfigūruok telefonui skirtą garsą

Naudojant tiesioginį SIP, dėl to rūpintis nereikia: xAI perduoda skambinančiojo garsą į sesiją ir atkuria agento balsą jam. Tačiau naudojant tiltą, formatas yra svarbus. Telefono tinklas veikia siaurajuosčiu garsu su savo kodekais, o Balso agentas juos priima natūraliai, todėl išvengiama bet kokio perkodavimo.

G.711 μ-law, deklaruojamas kaip audio/pcmu, veikia 8000 Hz dažniu; tai Šiaurės Amerikos ir Japonijos telefonijos standartas. G.711 A-law, deklaruojamas kaip audio/pcma, turi tas pačias savybes ir dominuoja Europos bei tarptautinėje telefonijoje. Todėl renkiesi pagal tai, kur veikia tavo operatorius, o ne pagal asmeninius pageidavimus.

{
  "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 }
  }
}

Pokalbio eigos nustatymą (turn detection) vis dar tvarko serveris, todėl nereikia derinti jokios slenkstinės vertės. Telefone svarbiausias nustatymas yra idle_timeout_ms: jei skambinantysis tyli tiek laiko po atsakymo, agentas pasiteirauja, užuot palikęs liniją tylią.

Ką suteikia tiesioginis SIP

Tik tiesioginio SIP keliu galima naudotis trimis funkcijomis. Pirma, peradresavimas: POST /v1/realtime/calls/{call_id}/refer nukreipia skambinantįjį į telefono numerį (tel:) arba SIP adresą (sip:), o HTTP atsakas praneša, ar paskirties vieta atsakė; jei nepavyksta, skambinantysis lieka linijoje su agentu. Antra, pakabinimas, naudojant POST /v1/realtime/calls/{call_id}/hangup. Trečia, klaviatūros įvestis: skambinančiojo paspausti skaitmenys pasiekia modelį kaip tekstas (po #, po 2,5 sekundės be naujo paspaudimo arba kai tik skambinantysis pradeda kalbėti), o įrankis send_dtmf leidžia agentui pačiam spausti klavišus, pavyzdžiui, norint naršyti kitos tarnybos telefono meniu.

Ką gali sukurti

Pirmiausia – automatinę komutatorių. Agentas pasveikina skambinančiuosius įmonės vardu, pokalbio eigoje išsiaiškina, ko jiems reikia, ir arba peradresuoja juos į tinkamą skyrių naudodamas refer, arba pats tvarko paprastus prašymus. Skirtingai nei telefono meniu „spauskite 1 pardavimams“, skambinantieji savo žodžiais aprašo savo problemą užuot naršę medį, o jei pageidauja klaviatūros, DTMF visada yra prieinama.

Techninės pagalbos linija eina dar toliau. Agentas diagnozuoja problemą užduodamas klausimų seriją, pateikia žingsnis po žingsnio instrukcijas, sukuria užklausą naudodamas funkcijų iškvietimą ir peradresuoja į žmogų techniką, kai atvejis viršija jo kompetenciją. Sesijos atnaujinimas netgi leidžia tęsti pokalbį, jei klientas perskambina per 30 minučių, su sąlyga, kad įgalinai atnaujinimą ir gali gauti pirmojo skambučio ID.

Telefonijai specifiniai reikalavimai

Delsa yra svarbiau už viską. Pastebimas delsos laikas verčia skambinančiuosius kalbėti agentui per burną, ir pokalbis suyra. Trys svertai padeda tai suvaldyti: venk perkodavimo, talpink savo programą kuo arčiau savo operatoriaus ir užtikrink, kad agento kviečiamos funkcijos veiktų greitai, nes viena užklausa į lėtą CRM gali sugadinti visą delsos biudžetą. Matuok galutinę delsą realių skambučių metu, o ne pasikliauk etaloniniais rodikliais.

Kitas dalykas – atitiktis reikalavimams, kurių negalima ignoruoti. Informuok skambinančiuosius, kad jie bendrauja su DI, o jei pokalbis įrašomas, apie tai pranešk pokalbio pradžioje. Traktuoju transkripcijas ir įrašus kaip asmens duomenis pagal BDAR (GDPR), nustatykite jų saugojimo laikotarpius ir įdiegite veiksmingą jų ištrynimo procesą.

Galiausiai, planuok nesėkmes, nes jų neišvengsi. Jei Balso agentas nepasiekiamas, turi perimti atsarginis pranešimas, kitaip tavo klientai pateks į „negyvą“ liniją. Peradresavimas į žmogų turi suveikti po dviejų ar trijų iš eilės einančių nesusipratimų. O transkripcijų registravimas suteikia medžiagos pastebėti pasikartojančias nesėkmes ir patobulinti savo instrukcijas.

Svarbiausi punktai

  • Trys variantai: tiesioginis SIP su xAI, tiltas per tavo serverį arba sistema, tokia kaip „LiveKit“ ar „Pipecat“
  • Naudojant tiesioginį SIP, xAI atsako į skambutį, praneša tavo programai pasirašytu „webhook“ ir palaiko peradresavimą, pakabinimą bei DTMF klavišus
  • Naudojant tiltą, G.711 kodekai (audio/pcmu, audio/pcma) esant 8000 Hz dažniui leidžia išvengti perkodavimo
  • Pokalbio eigos nustatymas neturi derinamos slenkstinės vertės; idle_timeout_ms paragina tylintį skambinantįjį
  • Atitiktis reikalavimams (skambinančiųjų informavimas, pranešimai apie įrašymą, BDAR) telefonijoje yra privaloma