--- read_when: - Chcesz wykonać wychodzące połączenie głosowe z OpenClaw - Konfigurujesz lub tworzysz plugin połączeń głosowych - Potrzebujesz obsługi głosu w czasie rzeczywistym lub transkrypcji strumieniowej w telefonii sidebarTitle: Voice call summary: Nawiązuj wychodzące i odbieraj przychodzące połączenia głosowe za pośrednictwem Twilio, Telnyx lub Plivo, z opcjonalną obsługą głosu w czasie rzeczywistym i transkrypcją strumieniową. title: Plugin połączeń głosowych x-i18n: generated_at: "2026-05-10T19:51:03Z" model: gpt-5.5 provider: openai source_hash: 94e3942b8330ebf2014f1899267f69f8a135859cfa1002ae390244a4f89883d6 source_path: plugins/voice-call.md workflow: 16 --- Połączenia głosowe dla OpenClaw przez Plugin. Obsługuje powiadomienia wychodzące, wieloturowe rozmowy, pełnodupleksowy głos w czasie rzeczywistym, strumieniową transkrypcję oraz połączenia przychodzące z zasadami listy dozwolonych. **Aktualni dostawcy:** `twilio` (Programmable Voice + Media Streams), `telnyx` (Call Control v2), `plivo` (Voice API + XML transfer + GetInput speech), `mock` (tryb deweloperski/bez sieci). Plugin Voice Call działa **wewnątrz procesu Gateway**. Jeśli używasz zdalnego Gateway, zainstaluj i skonfiguruj Plugin na maszynie, na której działa Gateway, a następnie uruchom ponownie Gateway, aby go załadować. ## Szybki start ```bash openclaw plugins install @openclaw/voice-call ``` ```bash PLUGIN_SRC=./path/to/local/voice-call-plugin openclaw plugins install "$PLUGIN_SRC" cd "$PLUGIN_SRC" && pnpm install ``` Użyj samej nazwy pakietu, aby śledzić aktualny oficjalny tag wydania. Przypnij dokładną wersję tylko wtedy, gdy potrzebujesz odtwarzalnej instalacji. Następnie uruchom ponownie Gateway, aby Plugin został załadowany. Ustaw konfigurację w `plugins.entries.voice-call.config` (pełny kształt znajdziesz poniżej w sekcji [Konfiguracja](#configuration)). Minimalnie: `provider`, dane uwierzytelniające dostawcy, `fromNumber` oraz publicznie osiągalny adres URL Webhook. ```bash openclaw voicecall setup ``` Domyślne wyjście jest czytelne w logach czatu i terminalach. Sprawdza, czy Plugin jest włączony, dane uwierzytelniające dostawcy, ekspozycję Webhook oraz czy aktywny jest tylko jeden tryb audio (`streaming` albo `realtime`). Użyj `--json` w skryptach. ```bash openclaw voicecall smoke openclaw voicecall smoke --to "+15555550123" ``` Domyślnie oba są przebiegami próbnymi. Dodaj `--yes`, aby faktycznie wykonać krótkie połączenie wychodzące z powiadomieniem: ```bash openclaw voicecall smoke --to "+15555550123" --yes ``` W przypadku Twilio, Telnyx i Plivo konfiguracja musi rozwiązywać się do **publicznego adresu URL Webhook**. Jeśli `publicUrl`, URL tunelu, URL Tailscale albo awaryjne udostępnianie rozwiązuje się do local loopback lub prywatnej przestrzeni sieciowej, konfiguracja zakończy się niepowodzeniem zamiast uruchamiać dostawcę, który nie może odbierać Webhook od operatorów. ## Konfiguracja Jeśli `enabled: true`, ale wybranemu dostawcy brakuje danych uwierzytelniających, uruchomienie Gateway zapisuje ostrzeżenie o niekompletnej konfiguracji z brakującymi kluczami i pomija uruchomienie środowiska wykonawczego. Polecenia, wywołania RPC i narzędzia agenta nadal zwracają dokładną brakującą konfigurację dostawcy, gdy są używane. Dane uwierzytelniające voice-call akceptują SecretRefs. `plugins.entries.voice-call.config.twilio.authToken`, `plugins.entries.voice-call.config.realtime.providers.*.apiKey`, `plugins.entries.voice-call.config.streaming.providers.*.apiKey` oraz `plugins.entries.voice-call.config.tts.providers.*.apiKey` są rozwiązywane przez standardową powierzchnię SecretRef; zobacz [powierzchnię danych uwierzytelniających SecretRef](/pl/reference/secretref-credential-surface). ```json5 { plugins: { entries: { "voice-call": { enabled: true, config: { provider: "twilio", // or "telnyx" | "plivo" | "mock" fromNumber: "+15550001234", // or TWILIO_FROM_NUMBER for Twilio toNumber: "+15550005678", sessionScope: "per-phone", // per-phone | per-call numbers: { "+15550009999": { inboundGreeting: "Silver Fox Cards, how can I help?", responseSystemPrompt: "You are a concise baseball card specialist.", tts: { providers: { openai: { voice: "alloy" }, }, }, }, }, twilio: { accountSid: "ACxxxxxxxx", authToken: "...", }, telnyx: { apiKey: "...", connectionId: "...", // Telnyx webhook public key from the Mission Control Portal // (Base64; can also be set via TELNYX_PUBLIC_KEY). publicKey: "...", }, plivo: { authId: "MAxxxxxxxxxxxxxxxxxxxx", authToken: "...", }, // Webhook server serve: { port: 3334, path: "/voice/webhook", }, // Webhook security (recommended for tunnels/proxies) webhookSecurity: { allowedHosts: ["voice.example.com"], trustedProxyIPs: ["100.64.0.1"], }, // Public exposure (pick one) // publicUrl: "https://example.ngrok.app/voice/webhook", // tunnel: { provider: "ngrok" }, // tailscale: { mode: "funnel", path: "/voice/webhook" }, outbound: { defaultMode: "notify", // notify | conversation }, streaming: { enabled: true /* see Streaming transcription */ }, realtime: { enabled: false /* see Realtime voice */ }, }, }, }, }, } ``` - Twilio, Telnyx i Plivo wymagają **publicznie osiągalnego** adresu URL Webhook. - `mock` to lokalny dostawca deweloperski (bez wywołań sieciowych). - Telnyx wymaga `telnyx.publicKey` (albo `TELNYX_PUBLIC_KEY`), chyba że `skipSignatureVerification` ma wartość true. - `skipSignatureVerification` służy tylko do testów lokalnych. - W bezpłatnej warstwie ngrok ustaw `publicUrl` na dokładny URL ngrok; weryfikacja podpisów jest zawsze wymuszana. - `tunnel.allowNgrokFreeTierLoopbackBypass: true` zezwala na Webhook Twilio z nieprawidłowymi podpisami **tylko** wtedy, gdy `tunnel.provider="ngrok"` i `serve.bind` to local loopback (lokalny agent ngrok). Tylko lokalny dev. - Adresy URL bezpłatnej warstwy Ngrok mogą się zmieniać lub dodawać zachowanie pośrednie; jeśli `publicUrl` się rozjedzie, podpisy Twilio przestaną działać. Produkcja: preferuj stabilną domenę albo tunel Tailscale. - `streaming.preStartTimeoutMs` zamyka gniazda, które nigdy nie wysyłają prawidłowej ramki `start`. - `streaming.maxPendingConnections` ogranicza łączną liczbę nieuwierzytelnionych gniazd przed startem. - `streaming.maxPendingConnectionsPerIp` ogranicza nieuwierzytelnione gniazda przed startem na źródłowy adres IP. - `streaming.maxConnections` ogranicza łączną liczbę otwartych gniazd strumienia mediów (oczekujących + aktywnych). Starsze konfiguracje używające `provider: "log"`, `twilio.from` albo starszych kluczy OpenAI `streaming.*` są przepisywane przez `openclaw doctor --fix`. Awaryjna obsługa w czasie wykonywania nadal akceptuje stare klucze voice-call, ale ścieżką przepisywania jest `openclaw doctor --fix`, a warstwa zgodności jest tymczasowa. Automatycznie migrowane klucze strumieniowania: - `streaming.sttProvider` → `streaming.provider` - `streaming.openaiApiKey` → `streaming.providers.openai.apiKey` - `streaming.sttModel` → `streaming.providers.openai.model` - `streaming.silenceDurationMs` → `streaming.providers.openai.silenceDurationMs` - `streaming.vadThreshold` → `streaming.providers.openai.vadThreshold` ## Zakres sesji Domyślnie Voice Call używa `sessionScope: "per-phone"`, więc powtórne połączenia od tego samego dzwoniącego zachowują pamięć rozmowy. Ustaw `sessionScope: "per-call"`, gdy każde połączenie operatora powinno zaczynać ze świeżym kontekstem, na przykład w przepływach recepcji, rezerwacji, IVR albo mostka Google Meet, gdzie ten sam numer telefonu może reprezentować różne spotkania. ## Rozmowy głosowe w czasie rzeczywistym `realtime` wybiera pełnodupleksowego dostawcę głosu w czasie rzeczywistym dla dźwięku połączeń na żywo. Jest oddzielny od `streaming`, które tylko przekazuje dźwięk do dostawców transkrypcji w czasie rzeczywistym. `realtime.enabled` nie można łączyć z `streaming.enabled`. Wybierz jeden tryb audio na połączenie. Aktualne zachowanie środowiska wykonawczego: - `realtime.enabled` jest obsługiwane dla Twilio Media Streams. - `realtime.provider` jest opcjonalne. Jeśli nie jest ustawione, Voice Call używa pierwszego zarejestrowanego dostawcy głosu w czasie rzeczywistym. - Dołączani dostawcy głosu w czasie rzeczywistym: Google Gemini Live (`google`) i OpenAI (`openai`), rejestrowani przez ich Plugin dostawców. - Surowa konfiguracja należąca do dostawcy znajduje się w `realtime.providers.`. - Voice Call domyślnie udostępnia współdzielone narzędzie czasu rzeczywistego `openclaw_agent_consult`. Model czasu rzeczywistego może je wywołać, gdy dzwoniący prosi o głębsze rozumowanie, aktualne informacje albo normalne narzędzia OpenClaw. - `realtime.consultPolicy` opcjonalnie dodaje wskazówki, kiedy model czasu rzeczywistego powinien wywołać `openclaw_agent_consult`. - `realtime.agentContext.enabled` jest domyślnie wyłączone. Po włączeniu Voice Call wstrzykuje ograniczoną tożsamość agenta, nadpisanie promptu systemowego i wybraną kapsułę plików obszaru roboczego do instrukcji dostawcy czasu rzeczywistego podczas konfiguracji sesji. - `realtime.fastContext.enabled` jest domyślnie wyłączone. Po włączeniu Voice Call najpierw przeszukuje zindeksowaną pamięć/kontekst sesji pod kątem pytania konsultacyjnego i zwraca te fragmenty do modelu czasu rzeczywistego w ramach `realtime.fastContext.timeoutMs`, zanim przejdzie awaryjnie do pełnego agenta konsultacyjnego tylko wtedy, gdy `realtime.fastContext.fallbackToConsult` ma wartość true. - Jeśli `realtime.provider` wskazuje niezarejestrowanego dostawcę albo żaden dostawca głosu w czasie rzeczywistym nie jest w ogóle zarejestrowany, Voice Call zapisuje ostrzeżenie i pomija media czasu rzeczywistego zamiast przerywać działanie całego Plugin. - Klucze sesji konsultacji ponownie używają zapisanej sesji połączenia, gdy jest dostępna, a następnie przechodzą awaryjnie do skonfigurowanego `sessionScope` (`per-phone` domyślnie albo `per-call` dla izolowanych połączeń). ### Zasady narzędzi `realtime.toolPolicy` steruje uruchomieniem konsultacji: | Zasada | Zachowanie | | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------- | | `safe-read-only` | Udostępnia narzędzie konsultacji i ogranicza zwykłego agenta do `read`, `web_search`, `web_fetch`, `x_search`, `memory_search` oraz `memory_get`. | | `owner` | Udostępnia narzędzie konsultacji i pozwala zwykłemu agentowi używać normalnych zasad narzędzi agenta. | | `none` | Nie udostępnia narzędzia konsultacji. Niestandardowe `realtime.tools` nadal są przekazywane do dostawcy czasu rzeczywistego. | `realtime.consultPolicy` steruje tylko instrukcjami modelu czasu rzeczywistego: | Zasada | Wskazówki | | ------------- | ----------------------------------------------------------------------------------------------- | | `auto` | Zachowaj domyślny prompt i pozwól dostawcy zdecydować, kiedy wywołać narzędzie konsultacji. | | `substantive` | Odpowiadaj bezpośrednio na proste elementy rozmowy i konsultuj przed faktami, pamięcią, narzędziami lub kontekstem. | | `always` | Konsultuj przed każdą merytoryczną odpowiedzią. | ### Kontekst głosowy agenta Włącz `realtime.agentContext`, gdy mostek głosowy powinien brzmieć jak skonfigurowany agent OpenClaw bez kosztu pełnej rundy agent-consult przy zwykłych turach. Kapsuła kontekstu jest dodawana raz podczas tworzenia sesji czasu rzeczywistego, więc nie dodaje opóźnienia na turę. Wywołania `openclaw_agent_consult` nadal uruchamiają pełnego agenta OpenClaw i powinny być używane do pracy z narzędziami, aktualnych informacji, wyszukiwania w pamięci albo stanu obszaru roboczego. ```json5 { plugins: { entries: { "voice-call": { config: { agentId: "main", realtime: { enabled: true, provider: "google", toolPolicy: "safe-read-only", consultPolicy: "substantive", agentContext: { enabled: true, maxChars: 6000, includeIdentity: true, includeSystemPrompt: true, includeWorkspaceFiles: true, files: ["SOUL.md", "IDENTITY.md", "USER.md"], }, }, }, }, }, }, } ``` ### Przykłady dostawców realtime Domyślne: klucz API z `realtime.providers.google.apiKey`, `GEMINI_API_KEY` albo `GOOGLE_GENERATIVE_AI_API_KEY`; model `gemini-2.5-flash-native-audio-preview-12-2025`; głos `Kore`. `sessionResumption` i `contextWindowCompression` są domyślnie włączone dla dłuższych, możliwych do ponownego połączenia rozmów. Użyj `silenceDurationMs`, `startSensitivity` i `endSensitivity`, aby dostroić szybsze przejmowanie tury w dźwięku telefonicznym. ```json5 { plugins: { entries: { "voice-call": { config: { provider: "twilio", inboundPolicy: "allowlist", allowFrom: ["+15550005678"], realtime: { enabled: true, provider: "google", instructions: "Speak briefly. Call openclaw_agent_consult before using deeper tools.", toolPolicy: "safe-read-only", consultPolicy: "substantive", consultThinkingLevel: "low", consultFastMode: true, agentContext: { enabled: true }, providers: { google: { apiKey: "${GEMINI_API_KEY}", model: "gemini-2.5-flash-native-audio-preview-12-2025", voice: "Kore", silenceDurationMs: 500, startSensitivity: "high", }, }, }, }, }, }, }, } ``` ```json5 { plugins: { entries: { "voice-call": { config: { realtime: { enabled: true, provider: "openai", providers: { openai: { apiKey: "${OPENAI_API_KEY}" }, }, }, }, }, }, }, } ``` Zobacz [dostawcę Google](/pl/providers/google) i [dostawcę OpenAI](/pl/providers/openai), aby poznać opcje głosu realtime specyficzne dla dostawcy. ## Transkrypcja strumieniowa `streaming` wybiera dostawcę transkrypcji realtime dla dźwięku połączeń na żywo. Bieżące zachowanie runtime: - `streaming.provider` jest opcjonalne. Jeśli nie jest ustawione, Voice Call używa pierwszego zarejestrowanego dostawcy transkrypcji realtime. - Wbudowani dostawcy transkrypcji realtime: Deepgram (`deepgram`), ElevenLabs (`elevenlabs`), Mistral (`mistral`), OpenAI (`openai`) i xAI (`xai`), rejestrowani przez ich Plugin dostawców. - Surowa konfiguracja należąca do dostawcy znajduje się pod `streaming.providers.`. - Gdy Twilio wyśle zaakceptowaną wiadomość `start` strumienia, Voice Call natychmiast rejestruje strumień, kolejkuje przychodzące media przez dostawcę transkrypcji, gdy dostawca się łączy, i rozpoczyna początkowe powitanie dopiero po gotowości transkrypcji realtime. - Jeśli `streaming.provider` wskazuje niezarejestrowanego dostawcę albo żaden nie jest zarejestrowany, Voice Call zapisuje ostrzeżenie w dzienniku i pomija strumieniowanie multimediów zamiast kończyć cały Plugin błędem. ### Przykłady dostawców strumieniowania Domyślne: klucz API `streaming.providers.openai.apiKey` albo `OPENAI_API_KEY`; model `gpt-4o-transcribe`; `silenceDurationMs: 800`; `vadThreshold: 0.5`. ```json5 { plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "openai", streamPath: "/voice/stream", providers: { openai: { apiKey: "sk-...", // optional if OPENAI_API_KEY is set model: "gpt-4o-transcribe", silenceDurationMs: 800, vadThreshold: 0.5, }, }, }, }, }, }, }, } ``` Domyślne: klucz API `streaming.providers.xai.apiKey` albo `XAI_API_KEY`; punkt końcowy `wss://api.x.ai/v1/stt`; kodowanie `mulaw`; częstotliwość próbkowania `8000`; `endpointingMs: 800`; `interimResults: true`. ```json5 { plugins: { entries: { "voice-call": { config: { streaming: { enabled: true, provider: "xai", streamPath: "/voice/stream", providers: { xai: { apiKey: "${XAI_API_KEY}", // optional if XAI_API_KEY is set endpointingMs: 800, language: "en", }, }, }, }, }, }, }, } ``` ## TTS dla połączeń Voice Call używa podstawowej konfiguracji `messages.tts` do strumieniowania mowy podczas połączeń. Możesz ją zastąpić w konfiguracji Plugin z **tym samym kształtem** — zostanie głęboko scalona z `messages.tts`. ```json5 { tts: { provider: "elevenlabs", providers: { elevenlabs: { voiceId: "pMsXgVXv3BLzUgSXRplE", modelId: "eleven_multilingual_v2", }, }, }, } ``` **Microsoft speech jest ignorowane w przypadku połączeń głosowych.** Dźwięk telefoniczny wymaga PCM; obecny transport Microsoft nie udostępnia wyjścia PCM dla telefonii. Uwagi dotyczące zachowania: - Starsze klucze `tts.` w konfiguracji Plugin (`openai`, `elevenlabs`, `microsoft`, `edge`) są naprawiane przez `openclaw doctor --fix`; zatwierdzona konfiguracja powinna używać `tts.providers.`. - Podstawowe TTS jest używane, gdy strumieniowanie multimediów Twilio jest włączone; w przeciwnym razie połączenia wracają do natywnych głosów dostawcy. - Jeśli strumień multimediów Twilio jest już aktywny, Voice Call nie wraca do TwiML ``. Jeśli TTS telefoniczny jest niedostępny w tym stanie, żądanie odtwarzania kończy się niepowodzeniem zamiast mieszać dwie ścieżki odtwarzania. - Gdy TTS telefoniczny wraca do dostawcy zapasowego, Voice Call zapisuje ostrzeżenie z łańcuchem dostawców (`from`, `to`, `attempts`) na potrzeby debugowania. - Gdy Twilio barge-in lub zamknięcie strumienia czyści oczekującą kolejkę TTS, zakolejkowane żądania odtwarzania są rozstrzygane zamiast pozostawiać dzwoniących w oczekiwaniu na ukończenie odtwarzania. ### Przykłady TTS ```json5 { messages: { tts: { provider: "openai", providers: { openai: { voice: "alloy" }, }, }, }, } ``` ```json5 { plugins: { entries: { "voice-call": { config: { tts: { provider: "elevenlabs", providers: { elevenlabs: { apiKey: "elevenlabs_key", voiceId: "pMsXgVXv3BLzUgSXRplE", modelId: "eleven_multilingual_v2", }, }, }, }, }, }, }, } ``` ```json5 { plugins: { entries: { "voice-call": { config: { tts: { providers: { openai: { model: "gpt-4o-mini-tts", voice: "marin", }, }, }, }, }, }, }, } ``` ## Połączenia przychodzące Domyślna polityka połączeń przychodzących to `disabled`. Aby włączyć połączenia przychodzące, ustaw: ```json5 { inboundPolicy: "allowlist", allowFrom: ["+15550001234"], inboundGreeting: "Hello! How can I help?", } ``` `inboundPolicy: "allowlist"` to ekran identyfikatora dzwoniącego o niskiej pewności. Plugin normalizuje wartość `From` dostarczoną przez dostawcę i porównuje ją z `allowFrom`. Weryfikacja Webhook uwierzytelnia dostarczenie przez dostawcę i integralność ładunku, ale **nie** dowodzi własności numeru dzwoniącego PSTN/VoIP. Traktuj `allowFrom` jako filtrowanie identyfikatora dzwoniącego, a nie silną tożsamość dzwoniącego. Automatyczne odpowiedzi używają systemu agenta. Dostosuj je za pomocą `responseModel`, `responseSystemPrompt` i `responseTimeoutMs`. ### Routing według numeru Użyj `numbers`, gdy jeden Plugin Voice Call odbiera połączenia dla wielu numerów telefonu, a każdy numer powinien zachowywać się jak osobna linia. Na przykład jeden numer może używać swobodnego osobistego asystenta, a inny persony biznesowej, innego agenta odpowiedzi i innego głosu TTS. Trasy są wybierane na podstawie dostarczonego przez dostawcę wybranego numeru `To`. Klucze muszą być numerami E.164. Gdy nadejdzie połączenie, Voice Call raz rozwiązuje pasującą trasę, zapisuje dopasowaną trasę w rekordzie połączenia i ponownie używa tej efektywnej konfiguracji dla powitania, klasycznej ścieżki automatycznej odpowiedzi, ścieżki konsultacji realtime i odtwarzania TTS. Jeśli żadna trasa nie pasuje, używana jest globalna konfiguracja Voice Call. Połączenia wychodzące nie używają `numbers`; podczas inicjowania połączenia przekaż jawnie cel wychodzący, wiadomość i sesję. Zastąpienia tras obecnie obsługują: - `inboundGreeting` - `tts` - `agentId` - `responseModel` - `responseSystemPrompt` - `responseTimeoutMs` Wartość trasy `tts` jest głęboko scalana z globalną konfiguracją `tts` Voice Call, więc zwykle możesz zastąpić tylko głos dostawcy: ```json5 { inboundGreeting: "Hello from the main line.", responseSystemPrompt: "You are the default voice assistant.", tts: { provider: "openai", providers: { openai: { voice: "coral" }, }, }, numbers: { "+15550001111": { inboundGreeting: "Silver Fox Cards, how can I help?", responseSystemPrompt: "You are a concise baseball card specialist.", tts: { providers: { openai: { voice: "alloy" }, }, }, }, }, } ``` ### Kontrakt wypowiedzi mówionej W przypadku automatycznych odpowiedzi Voice Call dołącza ścisły kontrakt wypowiedzi mówionej do promptu systemowego: ```text {"spoken":"..."} ``` Voice Call defensywnie wyodrębnia tekst mowy: - Ignoruje ładunki oznaczone jako treść rozumowania/błędu. - Parsuje bezpośredni JSON, JSON w bloku kodu albo wbudowane klucze `"spoken"`. - Wraca do zwykłego tekstu i usuwa prawdopodobne akapity wprowadzające dotyczące planowania/metadanych. Dzięki temu odtwarzana mowa pozostaje skupiona na tekście dla dzwoniącego i unika wycieku tekstu planowania do dźwięku. ### Zachowanie uruchamiania rozmowy W przypadku wychodzących połączeń `conversation` obsługa pierwszej wiadomości jest powiązana ze stanem odtwarzania na żywo: - Czyszczenie kolejki barge-in i automatyczna odpowiedź są wstrzymywane tylko wtedy, gdy początkowe powitanie jest aktywnie wypowiadane. - Jeśli początkowe odtwarzanie się nie powiedzie, połączenie wraca do `listening`, a początkowa wiadomość pozostaje w kolejce do ponowienia. - Początkowe odtwarzanie dla strumieniowania Twilio zaczyna się przy połączeniu strumienia bez dodatkowego opóźnienia. - Barge-in przerywa aktywne odtwarzanie i czyści zakolejkowane, ale jeszcze nieodtwarzane wpisy Twilio TTS. Wyczyszczone wpisy rozstrzygają się jako pominięte, więc logika odpowiedzi uzupełniającej może kontynuować bez czekania na dźwięk, który nigdy nie zostanie odtworzony. - Rozmowy głosowe realtime używają własnej początkowej tury strumienia realtime. Voice Call **nie** publikuje starszej aktualizacji TwiML `` dla tej początkowej wiadomości, więc sesje wychodzące `` pozostają podłączone. ### Okres karencji rozłączenia strumienia Twilio Gdy strumień multimediów Twilio zostanie rozłączony, Voice Call czeka **2000 ms** przed automatycznym zakończeniem połączenia: - Jeśli strumień połączy się ponownie w tym oknie, automatyczne zakończenie zostaje anulowane. - Jeśli po okresie karencji żaden strumień nie zarejestruje się ponownie, połączenie zostaje zakończone, aby zapobiec zablokowanym aktywnym połączeniom. ## Czyszczenie nieaktualnych połączeń Użyj `staleCallReaperSeconds`, aby zakończyć połączenia, które nigdy nie otrzymują końcowego Webhook (na przykład połączenia w trybie powiadamiania, które nigdy się nie kończą). Wartość domyślna to `0` (wyłączone). Zalecane zakresy: - **Produkcja:** `120`–`300` sekund dla przepływów typu powiadomieniowego. - Utrzymuj tę wartość **wyższą niż `maxDurationSeconds`**, aby normalne wywołania mogły się zakończyć. Dobry punkt wyjścia to `maxDurationSeconds + 30–60` sekund. ```json5 { plugins: { entries: { "voice-call": { config: { maxDurationSeconds: 300, staleCallReaperSeconds: 360, }, }, }, }, } ``` ## Zabezpieczenia Webhook Gdy przed Gateway działa proxy lub tunel, plugin odtwarza publiczny adres URL do weryfikacji podpisu. Te opcje kontrolują, którym nagłówkom przekazywanym można ufać: Lista dozwolonych hostów z nagłówków przekazywania. Ufaj nagłówkom przekazywanym bez listy dozwolonych. Ufaj nagłówkom przekazywanym tylko wtedy, gdy zdalny adres IP żądania pasuje do listy. Dodatkowe zabezpieczenia: - **Ochrona przed ponownym odtworzeniem** Webhook jest włączona dla Twilio i Plivo. Ponownie odtworzone prawidłowe żądania Webhook są potwierdzane, ale pomijane pod kątem skutków ubocznych. - Tury konwersacji Twilio zawierają token dla każdej tury w wywołaniach zwrotnych ``, więc przestarzałe lub ponownie odtworzone wywołania zwrotne mowy nie mogą zaspokoić nowszej oczekującej tury transkrypcji. - Nieuwierzytelnione żądania Webhook są odrzucane przed odczytem treści, gdy brakuje wymaganych nagłówków podpisu dostawcy. - Webhook połączeń głosowych używa współdzielonego profilu treści przed uwierzytelnieniem (64 KB / 5 sekund) oraz limitu trwających żądań dla adresu IP przed weryfikacją podpisu. Przykład ze stabilnym hostem publicznym: ```json5 { plugins: { entries: { "voice-call": { config: { publicUrl: "https://voice.example.com/voice/webhook", webhookSecurity: { allowedHosts: ["voice.example.com"], }, }, }, }, }, } ``` ## CLI ```bash openclaw voicecall call --to "+15555550123" --message "Hello from OpenClaw" openclaw voicecall start --to "+15555550123" # alias for call openclaw voicecall continue --call-id --message "Any questions?" openclaw voicecall speak --call-id --message "One moment" openclaw voicecall dtmf --call-id --digits "ww123456#" openclaw voicecall end --call-id openclaw voicecall status --call-id openclaw voicecall tail openclaw voicecall latency # summarize turn latency from logs openclaw voicecall expose --mode funnel ``` Gdy Gateway już działa, operacyjne polecenia `voicecall` delegują do środowiska wykonawczego połączeń głosowych zarządzanego przez Gateway, aby CLI nie wiązało drugiego serwera Webhook. Jeśli żaden Gateway nie jest osiągalny, polecenia przechodzą awaryjnie na samodzielne środowisko wykonawcze CLI. `latency` odczytuje `calls.jsonl` z domyślnej ścieżki przechowywania połączeń głosowych. Użyj `--file `, aby wskazać inny dziennik, oraz `--last `, aby ograniczyć analizę do ostatnich N rekordów (domyślnie 200). Dane wyjściowe zawierają p50/p90/p99 dla opóźnienia tury oraz czasów oczekiwania na słuchanie. ## Narzędzie agenta Nazwa narzędzia: `voice_call`. | Akcja | Argumenty | | --------------- | ------------------------------------------ | | `initiate_call` | `message`, `to?`, `mode?`, `dtmfSequence?` | | `continue_call` | `callId`, `message` | | `speak_to_user` | `callId`, `message` | | `send_dtmf` | `callId`, `digits` | | `end_call` | `callId` | | `get_status` | `callId` | To repozytorium zawiera pasujący dokument Skills pod adresem `skills/voice-call/SKILL.md`. ## RPC Gateway | Metoda | Argumenty | | -------------------- | ------------------------------------------ | | `voicecall.initiate` | `to?`, `message`, `mode?`, `dtmfSequence?` | | `voicecall.continue` | `callId`, `message` | | `voicecall.speak` | `callId`, `message` | | `voicecall.dtmf` | `callId`, `digits` | | `voicecall.end` | `callId` | | `voicecall.status` | `callId` | `dtmfSequence` jest prawidłowe tylko z `mode: "conversation"`. Połączenia w trybie powiadamiania powinny używać `voicecall.dtmf` po utworzeniu połączenia, jeśli potrzebują cyfr po nawiązaniu połączenia. ## Rozwiązywanie problemów ### Konfiguracja nie może udostępnić Webhook Uruchom konfigurację z tego samego środowiska, w którym działa Gateway: ```bash openclaw voicecall setup openclaw voicecall setup --json ``` Dla `twilio`, `telnyx` i `plivo` element `webhook-exposure` musi być zielony. Skonfigurowany `publicUrl` nadal kończy się niepowodzeniem, gdy wskazuje lokalną lub prywatną przestrzeń sieciową, ponieważ operator nie może oddzwonić na te adresy. Nie używaj `localhost`, `127.0.0.1`, `0.0.0.0`, `10.x`, `172.16.x`-`172.31.x`, `192.168.x`, `169.254.x`, `fc00::/7` ani `fd00::/8` jako `publicUrl`. Połączenia wychodzące Twilio w trybie powiadamiania wysyłają początkowy TwiML `` bezpośrednio w żądaniu utworzenia połączenia, więc pierwsza wypowiedziana wiadomość nie zależy od pobrania TwiML Webhook przez Twilio. Publiczny Webhook nadal jest wymagany do wywołań zwrotnych statusu, połączeń konwersacyjnych, DTMF przed nawiązaniem połączenia, strumieni czasu rzeczywistego oraz sterowania połączeniem po nawiązaniu. Użyj jednej publicznej ścieżki udostępniania: ```json5 { plugins: { entries: { "voice-call": { config: { publicUrl: "https://voice.example.com/voice/webhook", // or tunnel: { provider: "ngrok" }, // or tailscale: { mode: "funnel", path: "/voice/webhook" }, }, }, }, }, } ``` Po zmianie konfiguracji uruchom ponownie lub przeładuj Gateway, a następnie uruchom: ```bash openclaw voicecall setup openclaw voicecall smoke ``` `voicecall smoke` jest przebiegiem próbnym, chyba że przekażesz `--yes`. ### Dane uwierzytelniające dostawcy zawodzą Sprawdź wybranego dostawcę i wymagane pola danych uwierzytelniających: - Twilio: `twilio.accountSid`, `twilio.authToken` i `fromNumber` albo `TWILIO_ACCOUNT_SID`, `TWILIO_AUTH_TOKEN` i `TWILIO_FROM_NUMBER`. - Telnyx: `telnyx.apiKey`, `telnyx.connectionId`, `telnyx.publicKey` i `fromNumber`. - Plivo: `plivo.authId`, `plivo.authToken` i `fromNumber`. Dane uwierzytelniające muszą istnieć na hoście Gateway. Edycja lokalnego profilu powłoki nie wpływa na już działający Gateway, dopóki nie zostanie on uruchomiony ponownie lub nie przeładuje swojego środowiska. ### Połączenia się rozpoczynają, ale Webhook dostawcy nie docierają Potwierdź, że konsola dostawcy wskazuje dokładny publiczny adres URL Webhook: ```text https://voice.example.com/voice/webhook ``` Następnie sprawdź stan środowiska wykonawczego: ```bash openclaw voicecall status --call-id openclaw voicecall tail openclaw logs --follow ``` Typowe przyczyny: - `publicUrl` wskazuje inną ścieżkę niż `serve.path`. - Adres URL tunelu zmienił się po uruchomieniu Gateway. - Proxy przekazuje żądanie, ale usuwa lub przepisuje nagłówki hosta albo protokołu. - Zapora lub DNS kieruje publiczną nazwę hosta gdzie indziej niż do Gateway. - Gateway został uruchomiony ponownie bez włączonego Plugin Voice Call. Gdy przed Gateway działa odwrotne proxy lub tunel, ustaw `webhookSecurity.allowedHosts` na publiczną nazwę hosta albo użyj `webhookSecurity.trustedProxyIPs` dla znanego adresu proxy. Używaj `webhookSecurity.trustForwardingHeaders` tylko wtedy, gdy granica proxy jest pod Twoją kontrolą. ### Weryfikacja podpisu kończy się niepowodzeniem Podpisy dostawcy są sprawdzane względem publicznego adresu URL, który OpenClaw odtwarza z przychodzącego żądania. Jeśli podpisy zawodzą: - Potwierdź, że adres URL Webhook dostawcy dokładnie pasuje do `publicUrl`, w tym schemat, host i ścieżkę. - W przypadku adresów URL darmowej warstwy ngrok zaktualizuj `publicUrl`, gdy zmieni się nazwa hosta tunelu. - Upewnij się, że proxy zachowuje oryginalne nagłówki hosta i protokołu, albo skonfiguruj `webhookSecurity.allowedHosts`. - Nie włączaj `skipSignatureVerification` poza lokalnym testowaniem. ### Dołączenia Google Meet przez Twilio zawodzą Google Meet używa tego pluginu do dołączeń przez numer telefoniczny Twilio. Najpierw zweryfikuj Voice Call: ```bash openclaw voicecall setup openclaw voicecall smoke --to "+15555550123" ``` Następnie jawnie zweryfikuj transport Google Meet: ```bash openclaw googlemeet setup --transport twilio ``` Jeśli Voice Call jest zielony, ale uczestnik Meet nigdy nie dołącza, sprawdź numer telefoniczny Meet, PIN i `--dtmf-sequence`. Połączenie telefoniczne może być sprawne, podczas gdy spotkanie odrzuca lub ignoruje nieprawidłową sekwencję DTMF. Google Meet uruchamia odcinek telefoniczny Twilio przez `voicecall.start` z sekwencją DTMF przed nawiązaniem połączenia. Sekwencje pochodzące z PIN-u zawierają `voiceCall.dtmfDelayMs` pluginu Google Meet jako początkowe cyfry oczekiwania Twilio. Domyślna wartość to 12 sekund, ponieważ monity dołączenia telefonicznego Meet mogą nadejść późno. Następnie Voice Call przekierowuje z powrotem do obsługi czasu rzeczywistego przed zażądaniem powitania wprowadzającego. Użyj `openclaw logs --follow` dla śledzenia fazy na żywo. Zdrowe dołączenie Twilio Meet zapisuje w dzienniku tę kolejność: - Google Meet deleguje dołączenie Twilio do Voice Call. - Voice Call przechowuje TwiML DTMF przed nawiązaniem połączenia. - Początkowy TwiML Twilio jest zużywany i serwowany przed obsługą czasu rzeczywistego. - Voice Call serwuje TwiML czasu rzeczywistego dla połączenia Twilio. - Google Meet żąda mowy wprowadzającej przez `voicecall.speak` po opóźnieniu po DTMF. `openclaw voicecall tail` nadal pokazuje utrwalone rekordy połączeń; jest przydatne dla stanu połączenia i transkrypcji, ale nie każde przejście Webhook lub czasu rzeczywistego się tam pojawia. ### Połączenie w czasie rzeczywistym nie ma mowy Potwierdź, że włączony jest tylko jeden tryb audio. `realtime.enabled` i `streaming.enabled` nie mogą jednocześnie mieć wartości true. Dla połączeń Twilio w czasie rzeczywistym sprawdź także: - Plugin dostawcy czasu rzeczywistego jest załadowany i zarejestrowany. - `realtime.provider` jest nieustawione albo wskazuje zarejestrowanego dostawcę. - Klucz API dostawcy jest dostępny dla procesu Gateway. - `openclaw logs --follow` pokazuje zaserwowany TwiML czasu rzeczywistego, uruchomiony most czasu rzeczywistego i początkowe powitanie dodane do kolejki. ## Powiązane - [Tryb rozmowy](/pl/nodes/talk) - [Zamiana tekstu na mowę](/pl/tools/tts) - [Wybudzanie głosowe](/pl/nodes/voicewake)