Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

SIP telefoniya un LiveKit integrācija

Nodarbība 12 no 14 Atjaunota 2026. gada 3. novembris Vidējs
Šajā lapā
  1. Savieno Grok ar telefona tīklu
  2. Trīs savienojuma veidi
  3. Konfigurē audio telefonijai
  4. Ko pievieno tiešais SIP
  5. Ko tu vari izveidot
  6. Telefonijai specifiskas prasības
  7. Galvenās atziņas

Atjaunināts 2026. gada 3. novembrī, pamatojoties uz xAI SIP Phone Calls rokasgrāmatu, Voice lapu un Phone Voice Agent parauga piemēru. xAI spēj atbildēt uz zvaniem uz tava numura, izmantojot pašu SIP, nodrošinot zvanu pāradresāciju, atvienošanu un DTMF tastatūras atbalstu. Avoti: SIP Phone Calls · Voice · Phone Voice Agent.

Savieno Grok ar telefona tīklu

Voice Agent neaprobežojas tikai ar tīmekļa un mobilo lietotņu vidēm. Tavs asistents spēj atbildēt uz parastu telefona numuru: klienti uz to zvana no stacionārā vai mobilā tālruņa, un Grok aģents uzņem zvanu. Zvanītājiem nav nekas jāinstalē, kas ir izšķiroši svarīgi gados vecākiem klientiem vai apgabaliem ar sliktu mobilā interneta pārklājumu.

Trīs savienojuma veidi

Tiešais SIP, kas ir balss pārraides standarts pār IP (VoIP), ir visintegrētākais risinājums. Tu reģistrē savu numuru pie xAI, tavs operators novirza zvanus uz xAI SIP adresi, un xAI informē tavu lietotni ar parakstītu tīmekļa āķi (webhook) par katru ienākošo zvanu; pēc tam tava lietotne pievienojas zvanam, izmantojot WebSocket. xAI rokasgrāmata soli pa solim izskaidro iestatīšanu pakalpojumiem Twilio, Bandwidth, Telnyx un Plivo, kā arī jebkuram operatoram vai PBX, kas spēj atvērt SIP maršrutu uz šo numuru.

Tilts caur tavu serveri ir piemērots komandām, kas vēlas saglabāt kontroli pār audio plūsmu. Tavs serveris saņem zvana audio (piemēram, Twilio Media Streams, kā tas parādīts xAI parauga grāmatas Phone Voice Agent piemērā) un nodod to tālāk parastai WebSocket sesijai.

Reāllaika ietvari: visbeidzot, xAI dokumentācijā starp esošajām integrācijām minēti LiveKit un Pipecat. Tie nodrošina reāllaika pārraidi un zvanu maršrutēšanu, padarot tos par īsāko ceļu komandai, kas nevēlas veidot savu telefona slāni.

Konfigurē audio telefonijai

Izmantojot tiešo SIP, tev par to nav jāuztraucas: xAI nodod zvanītāja audio sesijā un atskaņo aģenta balsi atpakaļ zvanītājam. Tomēr tilta gadījumā formātam ir nozīme. Telefona tīkls darbojas ar šaurjoslas audio un saviem kodekiem, un Voice Agent tos pieņem dabiski, tādējādi izvairoties no jebkādas transkodēšanas.

G.711 μ-law, deklarēts kā audio/pcmu, darbojas ar 8000 Hz; tas ir standarts Ziemeļamerikas un Japānas telefonijā. G.711 A-law, deklarēts kā audio/pcma, ir ar tādām pašām īpašībām un dominē Eiropas un starptautiskajā telefonijā. Tāpēc izvēle ir atkarīga no tā, kur darbojas tavs operators, nevis no personīgās preferences.

{
  "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 }
  }
}

Sarunu maiņas noteikšanu (turn detection) joprojām veic serveris, un nav jāpielāgo nekāds slieksnis. Iestatījums, kam telefonijā ir nozīme, ir idle_timeout_ms: ja zvanītājs pēc atbildes tik ilgi klusē, aģents ierunājas, nevis atstāj līniju klusu.

Ko pievieno tiešais SIP

Tikai tiešajā SIP ceļā ir pieejamas trīs funkcijas. Pirmkārt, pāradresācija: POST /v1/realtime/calls/{call_id}/refer nosūta zvanītāju uz telefona numuru (tel:) vai SIP adresi (sip:), un HTTP atbilde informē, vai galamērķis atbildēja; ja tas neizdodas, zvanītājs paliek līnijā kopā ar aģentu. Otrkārt, atvienošana, izmantojot POST /v1/realtime/calls/{call_id}/hangup. Treškārt, tastatūras ievade: cipari, ko zvanītājs nospiež, sasniedz modeli kā teksts (pēc #, pēc 2,5 sekundēm bez jauna taustiņa nospiešanas vai tiklīdz zvanītājs sāk runāt), un rīks send_dtmf ļauj aģentam pašam nospiest taustiņus, piemēram, lai navigētu cita servisa telefona izvēlnē.

Ko tu vari izveidot

Pirmkārt, automatizētu komutatoru. Aģents sveic zvanītājus uzņēmuma vārdā, sarunas gaitā noskaidro, kas viņiem nepieciešams, un pēc tam vai nu pāradresē viņus uz pareizo nodaļu, izmantojot refer, vai arī pats apstrādā vienkāršus pieprasījumus. Atšķirībā no telefona izvēlnes „nospied 1 pārdošanas nodaļai”, zvanītāji apraksta savu problēmu saviem vārdiem, nevis navigē pa koku, un, ja viņi dod priekšroku tastatūrai, DTMF joprojām ir pieejams.

Tehniskā atbalsta tālrunis iet vēl tālāk. Aģents diagnosticē problēmu, uzdodot virkni jautājumu, sniedz soli pa solim instrukcijas, izveido pieteikumu, izmantojot funkciju izsaukumus, un pāradresē uz cilvēku tehniķi, ja gadījums pārsniedz tā kompetenci. Sesijas atsākšana pat ļauj turpināt sarunu, ja klients atzvana 30 minūšu laikā, ar nosacījumu, ka esi iespējojis atsākšanu un vari izgūt pirmā zvana ID.

Telefonijai specifiskas prasības

Latentums ir svarīgāks par visu. Manāma aizture liek zvanītājiem runāt pāri aģentam, un saruna sabrūk. Trīs sviras to kontrolē: izvairies no transkodēšanas, izmitini savu lietotni pēc iespējas tuvāk savam operatoram un uzturi ātras funkcijas, ko aģents izsauc, jo viens vienīgs vaicājums lēnam CRM var iztērēt visu latentuma budžetu. Mēri kopējo aizturi reālos zvanos, nevis paļaujies uz etalonrādītājiem.

Tālāk seko atbilstība prasībām, kas nav apspriežama. Informē zvanītājus, ka viņi runā ar AI, un, ja saruna tiek ierakstīta, paziņo par to sarunas sākumā. Uztver transkriptus un ierakstus kā personas datus saskaņā ar GDPR, nosakot glabāšanas periodus un nodrošinot dzēšanas procesu, kas patiešām darbojas.

Visbeidzot, plāno kļūmes, jo tās notiks. Rezerves ziņojumam jāpārņem vadība, ja Voice Agent nav pieejams, citādi tavi klienti trāpīs mirušā līnijā. Pāradresācijai uz cilvēku jāstājas spēkā pēc divām vai trim secīgām nepareizas sapratnes reizēm. Un transkriptu reģistrēšana dod materiālu, lai noteiktu atkārtotas kļūmes un pilnveidotu savas instrukcijas.

Galvenās atziņas

  • Trīs opcijas: tiešais SIP ar xAI, tilts caur tavu serveri vai ietvars, piemēram, LiveKit vai Pipecat
  • Izmantojot tiešo SIP, xAI atbild uz zvanu, informē tavu lietotni ar parakstītu tīmekļa āķi un atbalsta pāradresāciju, atvienošanu un DTMF taustiņus
  • Tilta gadījumā G.711 kodeki (audio/pcmu, audio/pcma) ar 8000 Hz novērš transkodēšanu
  • Sarunu maiņas noteikšanai nav jāpielāgo slieksnis; idle_timeout_ms mudina kluso zvanītāju
  • Atbilstība prasībām (zvanītāju informēšana, paziņojumi par ierakstīšanu, GDPR) telefonijā ir obligāta