Sprachanruf-Plugin

Sprachanrufe für OpenClaw über ein Plugin. Unterstützt ausgehende Benachrichtigungen, mehrstufige Konversationen, Full-Duplex-Echtzeit-Sprache, Streaming- Transkription und eingehende Anrufe mit Allowlist-Richtlinien.

Aktuelle Provider: twilio (Programmable Voice + Media Streams), telnyx (Call Control v2), plivo (Voice API + XML-Weiterleitung + GetInput speech), mock (Entwicklung/kein Netzwerk).

Schnellstart

openclaw plugins install @openclaw/voice-call

PLUGIN_SRC=./path/to/local/voice-call-pluginopenclaw plugins install "$PLUGIN_SRC"cd "$PLUGIN_SRC" && pnpm install

openclaw voicecall setup

openclaw voicecall smokeopenclaw voicecall smoke --to "+15555550123"

openclaw voicecall smoke --to "+15555550123" --yes

Konfiguration

Wenn enabled: true gesetzt ist, dem ausgewählten Provider aber Anmeldedaten fehlen, protokolliert der Gateway beim Start eine Warnung über eine unvollständige Einrichtung mit den fehlenden Schlüsseln und überspringt den Start der Runtime. Befehle, RPC-Aufrufe und Agent-Tools geben bei Verwendung weiterhin die exakte fehlende Provider-Konfiguration zurück.

{  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: { speakerVoice: "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 */ },        },      },    },  },}

Sitzungsbereich

Standardmäßig verwendet Voice Call sessionScope: "per-phone", sodass wiederholte Anrufe desselben Anrufers den Konversationsspeicher beibehalten. Setzen Sie sessionScope: "per-call", wenn jeder Carrier-Anruf mit frischem Kontext beginnen soll, zum Beispiel für Empfang, Buchung, IVR oder Google Meet-Bridge-Flows, bei denen dieselbe Telefonnummer verschiedene Meetings repräsentieren kann.

Voice Call speichert generierte Sitzungsschlüssel unter dem konfigurierten Agent-Namespace (agent:<agentId>:voice:*), sodass der Anrufspeicher die Gateway-Kanonisierung von Sitzungsschlüsseln nach Neustarts übersteht. Rohe explizite Integrationsschlüssel verwenden denselben Agent-Namespace. Ein kanonischer Schlüssel agent:<configuredAgentId>:* behält diesen Owner bei, und seine Hauptaliase berücksichtigen core session.mainKey und den globalen Bereich. Fremde oder fehlerhafte agent:*-Eingaben werden als opaker Schlüssel unter dem konfigurierten Agent eingeordnet; global und unknown bleiben globale Sentinel-Werte. Beim Start stuft der Gateway ältere rohe Schlüssel in Standard- oder {agentId}-templatisierten Stores hoch, wenn der Pfad einen Owner belegt. In festen benutzerdefinierten Stores bleiben mehrdeutige Legacy-Zeilen unverändert, weil sie nicht genügend Informationen enthalten, um einen Owner auszuwählen; neue Anrufe verwenden kanonischen Agent-bezogenen Verlauf.

Echtzeit-Sprachkonversationen

realtime wählt einen Full-Duplex-Echtzeit-Sprach-Provider für Live-Anrufaudio aus. Es ist getrennt von streaming, das Audio nur an Echtzeit- Transkriptions-Provider weiterleitet.

Aktuelles Runtime-Verhalten:

• realtime.enabled wird für Twilio Media Streams unterstützt.
• realtime.provider ist optional. Wenn es nicht gesetzt ist, verwendet Voice Call den ersten registrierten Echtzeit-Sprach-Provider.
• Gebündelte Echtzeit-Sprach-Provider: Google Gemini Live (google) und OpenAI (openai), registriert durch ihre Provider-Plugins.
• Provider-eigene Rohkonfiguration liegt unter realtime.providers.<providerId>.
• Voice Call stellt standardmäßig das gemeinsame Echtzeit-Tool openclaw_agent_consult bereit. Das Echtzeitmodell kann es aufrufen, wenn der Anrufer nach tieferer Analyse, aktuellen Informationen oder normalen OpenClaw-Tools fragt.
• realtime.consultPolicy fügt optional Hinweise hinzu, wann das Echtzeitmodell openclaw_agent_consult aufrufen sollte.
• realtime.agentContext.enabled ist standardmäßig deaktiviert. Wenn aktiviert, injiziert Voice Call beim Sitzungsaufbau eine begrenzte Agent-Identität und eine ausgewählte Workspace-Dateikapsel in die Anweisungen des Echtzeit-Providers.
• realtime.fastContext.enabled ist standardmäßig deaktiviert. Wenn aktiviert, durchsucht Voice Call zuerst indexierten Speicher/Sitzungskontext nach der Consult-Frage und gibt diese Ausschnitte innerhalb von realtime.fastContext.timeoutMs an das Echtzeitmodell zurück, bevor nur dann auf den vollständigen Consult-Agent zurückgefallen wird, wenn realtime.fastContext.fallbackToConsult true ist.
• Wenn realtime.provider auf einen nicht registrierten Provider verweist oder überhaupt kein Echtzeit-Sprach-Provider registriert ist, protokolliert Voice Call eine Warnung und überspringt Echtzeitmedien, statt das gesamte Plugin fehlschlagen zu lassen.
• Consult-Sitzungsschlüssel verwenden die gespeicherte Anrufsitzung erneut, wenn verfügbar, und fallen anschließend auf den konfigurierten sessionScope zurück (per-phone standardmäßig oder per-call für isolierte Anrufe).

Tool-Richtlinie

realtime.toolPolicy steuert den Consult-Lauf:

realtime.consultPolicy steuert nur die Anweisungen des Echtzeitmodells:

Agent-Sprachkontext

Aktivieren Sie realtime.agentContext, wenn die Voice Bridge wie der konfigurierte OpenClaw-Agent klingen soll, ohne bei gewöhnlichen Turns einen vollständigen Agent-Consult-Roundtrip zu bezahlen. Die Kontextkapsel wird einmal hinzugefügt, wenn die Realtime-Sitzung erstellt wird, sodass sie keine Latenz pro Turn hinzufügt. Aufrufe von openclaw_agent_consult führen weiterhin den vollständigen OpenClaw-Agenten aus und sollten für Tool-Arbeit, aktuelle Informationen, Speicherabfragen oder Workspace-Zustand verwendet werden.

{  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,              includeWorkspaceFiles: true,              files: ["SOUL.md", "IDENTITY.md", "USER.md"],            },          },        },      },    },  },}

Beispiele für Realtime-Provider

{  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",                speakerVoice: "Kore",                silenceDurationMs: 500,                startSensitivity: "high",              },            },          },        },      },    },  },}

{  plugins: {    entries: {      "voice-call": {        config: {          realtime: {            enabled: true,            provider: "openai",            providers: {              openai: { apiKey: "${OPENAI_API_KEY}" },            },          },        },      },    },  },}

Siehe Google-Provider und OpenAI-Provider für Provider-spezifische Realtime-Voice- Optionen.

Streaming-Transkription

streaming wählt einen Realtime-Transkriptions-Provider für Live-Anrufaudio aus.

Aktuelles Laufzeitverhalten:

• streaming.provider ist optional. Wenn nicht gesetzt, verwendet Voice Call den ersten registrierten Realtime-Transkriptions-Provider.
• Gebündelte Realtime-Transkriptions-Provider: Deepgram (deepgram), ElevenLabs (elevenlabs), Mistral (mistral), OpenAI (openai) und xAI (xai), registriert durch ihre Provider-Plugins.
• Provider-eigene Rohkonfiguration liegt unter streaming.providers.<providerId>.
• Nachdem Twilio eine akzeptierte Stream-start-Nachricht sendet, registriert Voice Call den Stream sofort, stellt eingehende Medien über den Transkriptions-Provider in die Warteschlange, während der Provider verbindet, und startet die anfängliche Begrüßung erst, wenn die Realtime-Transkription bereit ist.
• Wenn streaming.provider auf einen nicht registrierten Provider verweist oder keiner registriert ist, protokolliert Voice Call eine Warnung und überspringt Media-Streaming, statt das gesamte Plugin fehlschlagen zu lassen.

Beispiele für Streaming-Provider

{  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,              },            },          },        },      },    },  },}

{  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 für Anrufe

Voice Call verwendet die zentrale messages.tts-Konfiguration für Streaming- Sprache bei Anrufen. Sie können sie unter der Plugin-Konfiguration mit derselben Form überschreiben - sie wird tief mit messages.tts zusammengeführt.

{  tts: {    provider: "elevenlabs",    providers: {      elevenlabs: {        speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",        modelId: "eleven_multilingual_v2",      },    },  },}

Verhaltenshinweise:

• Legacy-tts.<provider>-Schlüssel innerhalb der Plugin-Konfiguration (openai, elevenlabs, microsoft, edge) werden durch openclaw doctor --fix repariert; eingecheckte Konfiguration sollte tts.providers.<provider> verwenden.
• Core-TTS wird verwendet, wenn Twilio-Media-Streaming aktiviert ist; andernfalls fallen Anrufe auf Provider-native Stimmen zurück.
• Wenn ein Twilio-Media-Stream bereits aktiv ist, fällt Voice Call nicht auf TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 zurück. Wenn Telefonie-TTS in diesem Zustand nicht verfügbar ist, schlägt die Wiedergabeanforderung fehl, statt zwei Wiedergabepfade zu mischen.
• Wenn Telefonie-TTS auf einen sekundären Provider zurückfällt, protokolliert Voice Call zur Fehlersuche eine Warnung mit der Provider-Kette (from, to, attempts).
• Wenn Twilio-Barge-In oder Stream-Abbau die ausstehende TTS-Warteschlange leert, werden eingereihte Wiedergabeanforderungen abgeschlossen, statt Anrufer beim Warten auf den Abschluss der Wiedergabe hängen zu lassen.

TTS-Beispiele

{messages: {tts: {provider: "openai",providers: {  openai: { speakerVoice: "alloy" },},},},}

{plugins: {entries: {"voice-call": {  config: {    tts: {      provider: "elevenlabs",      providers: {        elevenlabs: {          apiKey: "elevenlabs_key",          speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",          modelId: "eleven_multilingual_v2",        },      },    },  },},},},}

{plugins: {entries: {"voice-call": {  config: {    tts: {      providers: {        openai: {          model: "gpt-4o-mini-tts",          speakerVoice: "marin",        },      },    },  },},},},}

Eingehende Anrufe

Die Richtlinie für eingehende Anrufe ist standardmäßig disabled. Um eingehende Anrufe zu aktivieren, setzen Sie:

{inboundPolicy: "allowlist",allowFrom: ["+15550001234"],inboundGreeting: "Hello! How can I help?",}

Automatische Antworten verwenden das Agent-System. Stimmen Sie sie mit responseModel, responseSystemPrompt und responseTimeoutMs ab.

Routing pro Nummer

Verwenden Sie numbers, wenn ein Voice Call-Plugin Anrufe für mehrere Telefonnummern empfängt und jede Nummer sich wie eine andere Leitung verhalten soll. Beispielsweise kann eine Nummer einen lockeren persönlichen Assistenten verwenden, während eine andere eine Geschäfts-Persona, einen anderen Antwort-Agenten und eine andere TTS-Stimme verwendet.

Routen werden anhand der vom Provider bereitgestellten gewählten To-Nummer ausgewählt. Schlüssel müssen E.164-Nummern sein. Wenn ein Anruf eingeht, löst Voice Call die passende Route einmal auf, speichert die übereinstimmende Route im Anrufdatensatz und verwendet diese effektive Konfiguration für Begrüßung, klassischen Auto-Response-Pfad, Realtime-Consult-Pfad und TTS-Wiedergabe wieder. Wenn keine Route passt, wird die globale Voice Call-Konfiguration verwendet. Ausgehende Anrufe verwenden numbers nicht; übergeben Sie das ausgehende Ziel, die Nachricht und die Sitzung explizit, wenn Sie den Anruf initiieren.

Routenüberschreibungen unterstützen derzeit:

• inboundGreeting
• tts
• agentId
• responseModel
• responseSystemPrompt
• responseTimeoutMs

Der Routenwert tts wird tief über die globale Voice Call-tts-Konfiguration zusammengeführt, sodass Sie normalerweise nur die Provider-Stimme überschreiben können:

{inboundGreeting: "Hello from the main line.",responseSystemPrompt: "You are the default voice assistant.",tts: {  provider: "openai",  providers: {    openai: { speakerVoice: "coral" },  },},numbers: {  "+15550001111": {    inboundGreeting: "Silver Fox Cards, how can I help?",    responseSystemPrompt: "You are a concise baseball card specialist.",    tts: {      providers: {        openai: { speakerVoice: "alloy" },      },    },  },},}

Vertrag für gesprochene Ausgabe

Für automatische Antworten hängt Voice Call einen strikten Vertrag für gesprochene Ausgabe an den System-Prompt an:

{"spoken":"..."}

Voice Call extrahiert Sprachtext defensiv:

• Ignoriert Payloads, die als Reasoning-/Fehlerinhalte markiert sind.
• Parst direktes JSON, eingezäuntes JSON oder Inline-"spoken"-Schlüssel.
• Fällt auf Klartext zurück und entfernt wahrscheinliche Planungs-/Meta-Einleitungsabsätze.

Dadurch bleibt die gesprochene Wiedergabe auf anruferorientierten Text fokussiert, und es wird vermieden, Planungstext in Audio durchsickern zu lassen.

Startverhalten von Konversationen

Bei ausgehenden conversation-Anrufen ist die Verarbeitung der ersten Nachricht an den Live-Wiedergabezustand gekoppelt:

• Leeren der Barge-In-Warteschlange und Auto-Response werden nur unterdrückt, während die anfängliche Begrüßung aktiv gesprochen wird.
• Wenn die anfängliche Wiedergabe fehlschlägt, kehrt der Anruf zu listening zurück, und die anfängliche Nachricht bleibt für einen erneuten Versuch in der Warteschlange.
• Die anfängliche Wiedergabe für Twilio-Streaming startet beim Verbinden des Streams ohne zusätzliche Verzögerung.
• Barge-In bricht aktive Wiedergabe ab und leert eingereihte, aber noch nicht wiedergegebene Twilio-TTS-Einträge. Geleerte Einträge werden als übersprungen aufgelöst, sodass nachfolgende Antwortlogik fortfahren kann, ohne auf Audio zu warten, das nie abgespielt wird.
• Realtime-Sprachkonversationen verwenden den eigenen Eröffnungs-Turn des Realtime-Streams. Voice Call sendet für diese anfängliche Nachricht kein Legacy-OPENCLAW_DOCS_MARKER:calloutOpen:U2F5-TwiML-Update, sodass ausgehende <Connect><Stream>-Sitzungen verbunden bleiben.

Schonfrist bei Trennung des Twilio-Streams

Wenn ein Twilio-Medienstream getrennt wird, wartet Voice Call 2000 ms, bevor der Anruf automatisch beendet wird:

• Wenn sich der Stream innerhalb dieses Zeitfensters erneut verbindet, wird das automatische Beenden abgebrochen.
• Wenn nach der Kulanzzeit kein Stream erneut registriert wird, wird der Anruf beendet, um hängende aktive Anrufe zu verhindern.

Bereinigung veralteter Anrufe

Verwenden Sie staleCallReaperSeconds, um Anrufe zu beenden, die nie einen abschließenden Webhook erhalten (zum Beispiel Notify-Modus-Anrufe, die nie abgeschlossen werden). Der Standardwert ist 0 (deaktiviert).

Empfohlene Bereiche:

• Produktion: 120–300 Sekunden für Benachrichtigungs-Flows.
• Halten Sie diesen Wert höher als maxDurationSeconds, damit normale Anrufe abgeschlossen werden können. Ein guter Ausgangspunkt ist maxDurationSeconds + 30–60 Sekunden.

{plugins: {entries: {  "voice-call": {    config: {      maxDurationSeconds: 300,      staleCallReaperSeconds: 360,    },  },},},}

Webhook-Sicherheit

Wenn ein Proxy oder Tunnel vor dem Gateway sitzt, rekonstruiert das Plugin die öffentliche URL für die Signaturprüfung. Diese Optionen steuern, welchen weitergeleiteten Headern vertraut wird:

Zusätzliche Schutzmaßnahmen:

• Webhook-Replay-Schutz ist für Twilio und Plivo aktiviert. Wiederholte gültige Webhook-Anfragen werden bestätigt, aber für Seiteneffekte übersprungen.
• Twilio-Konversationsdurchläufe enthalten ein Token pro Durchlauf in <Gather>-Callbacks, sodass veraltete oder wiederholte Sprach-Callbacks keinen neueren ausstehenden Transkript-Durchlauf erfüllen können.
• Nicht authentifizierte Webhook-Anfragen werden vor dem Lesen des Bodys abgewiesen, wenn die erforderlichen Signatur-Header des Providers fehlen.
• Der Voice-Call-Webhook verwendet das gemeinsame Pre-Auth-Body-Profil (64 KB / 5 Sekunden) plus eine In-Flight-Obergrenze pro IP vor der Signaturprüfung.

Beispiel mit stabilem öffentlichem Host:

{plugins: {entries: {  "voice-call": {    config: {      publicUrl: "https://voice.example.com/voice/webhook",      webhookSecurity: {        allowedHosts: ["voice.example.com"],      },    },  },},},}

CLI

openclaw voicecall call --to "+15555550123" --message "Hello from OpenClaw"openclaw voicecall start --to "+15555550123"   # alias for callopenclaw voicecall continue --call-id <id> --message "Any questions?"openclaw voicecall speak --call-id <id> --message "One moment"openclaw voicecall dtmf --call-id <id> --digits "ww123456#"openclaw voicecall end --call-id <id>openclaw voicecall status --call-id <id>openclaw voicecall tailopenclaw voicecall latency                      # summarize turn latency from logsopenclaw voicecall expose --mode funnel

Wenn das Gateway bereits läuft, delegieren operative voicecall-Befehle an die vom Gateway verwaltete Voice-Call-Laufzeit, damit die CLI keinen zweiten Webhook-Server bindet. Wenn kein Gateway erreichbar ist, fallen die Befehle auf eine eigenständige CLI-Laufzeit zurück.

latency liest calls.jsonl aus dem standardmäßigen Voice-Call-Speicherpfad. Verwenden Sie --file <path>, um auf ein anderes Protokoll zu verweisen, und --last <n>, um die Analyse auf die letzten N Datensätze zu begrenzen (Standard 200). Die Ausgabe enthält p50/p90/p99 für Durchlauflatenz und Listen-Wartezeiten.

Agent-Tool

Tool-Name: voice_call.

Das Voice-Call-Plugin liefert eine passende Agent-Skill mit.

Gateway-RPC

dtmfSequence ist nur mit mode: "conversation" gültig. Notify-Modus-Anrufe sollten voicecall.dtmf verwenden, nachdem der Anruf existiert, wenn sie nach dem Verbindungsaufbau Ziffern benötigen.

Fehlerbehebung

Einrichtung schlägt bei Webhook-Exposition fehl

Führen Sie die Einrichtung aus derselben Umgebung aus, in der das Gateway läuft:

openclaw voicecall setupopenclaw voicecall setup --json

Für twilio, telnyx und plivo muss webhook-exposure grün sein. Eine konfigurierte publicUrl schlägt weiterhin fehl, wenn sie auf lokalen oder privaten Netzwerkbereich zeigt, weil der Carrier diese Adressen nicht zurückrufen kann. Verwenden Sie 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 oder fd00::/8 nicht als publicUrl.

Twilio-Notify-Modus-Ausgangsanrufe senden ihr initiales OPENCLAW_DOCS_MARKER:calloutOpen:U2F5-TwiML direkt in der Create-Call-Anfrage, sodass die erste gesprochene Nachricht nicht davon abhängt, dass Twilio Webhook-TwiML abruft. Ein öffentlicher Webhook ist weiterhin für Status-Callbacks, Konversationsanrufe, Pre-Connect-DTMF, Echtzeit-Streams und Anrufsteuerung nach Verbindungsaufbau erforderlich.

Verwenden Sie einen öffentlichen Expositionspfad:

{plugins: {entries: {"voice-call": {  config: {    publicUrl: "https://voice.example.com/voice/webhook",    // or    tunnel: { provider: "ngrok" },    // or    tailscale: { mode: "funnel", path: "/voice/webhook" },  },},},},}

Starten oder laden Sie das Gateway nach einer Konfigurationsänderung neu und führen Sie dann aus:

openclaw voicecall setupopenclaw voicecall smoke

voicecall smoke ist ein Probelauf, sofern Sie nicht --yes übergeben.

Provider-Anmeldedaten schlagen fehl

Prüfen Sie den ausgewählten Provider und die erforderlichen Anmeldedatenfelder:

• Twilio: twilio.accountSid, twilio.authToken und fromNumber oder TWILIO_ACCOUNT_SID, TWILIO_AUTH_TOKEN und TWILIO_FROM_NUMBER.
• Telnyx: telnyx.apiKey, telnyx.connectionId, telnyx.publicKey und fromNumber.
• Plivo: plivo.authId, plivo.authToken und fromNumber.

Anmeldedaten müssen auf dem Gateway-Host vorhanden sein. Das Bearbeiten eines lokalen Shell-Profils wirkt sich erst auf ein bereits laufendes Gateway aus, wenn es neu gestartet oder seine Umgebung neu geladen wird.

Anrufe starten, aber Provider-Webhooks kommen nicht an

Bestätigen Sie, dass die Provider-Konsole auf die exakte öffentliche Webhook-URL verweist:

https://voice.example.com/voice/webhook

Prüfen Sie dann den Laufzeitstatus:

openclaw voicecall status --call-id <id>openclaw voicecall tailopenclaw logs --follow

Häufige Ursachen:

• publicUrl zeigt auf einen anderen Pfad als serve.path.
• Die Tunnel-URL hat sich geändert, nachdem das Gateway gestartet wurde.
• Ein Proxy leitet die Anfrage weiter, entfernt oder überschreibt aber Host-/Proto-Header.
• Firewall oder DNS leiten den öffentlichen Hostnamen an einen anderen Ort als das Gateway.
• Das Gateway wurde ohne aktiviertes Voice-Call-Plugin neu gestartet.

Wenn sich ein Reverse Proxy oder Tunnel vor dem Gateway befindet, setzen Sie webhookSecurity.allowedHosts auf den öffentlichen Hostnamen oder verwenden Sie webhookSecurity.trustedProxyIPs für eine bekannte Proxy-Adresse. Verwenden Sie webhookSecurity.trustForwardingHeaders nur, wenn die Proxy-Grenze unter Ihrer Kontrolle steht.

Signaturprüfung schlägt fehl

Provider-Signaturen werden gegen die öffentliche URL geprüft, die OpenClaw aus der eingehenden Anfrage rekonstruiert. Wenn Signaturen fehlschlagen:

• Bestätigen Sie, dass die Provider-Webhook-URL exakt mit publicUrl übereinstimmt, einschließlich Schema, Host und Pfad.
• Aktualisieren Sie bei ngrok-Free-Tier-URLs publicUrl, wenn sich der Tunnel-Hostname ändert.
• Stellen Sie sicher, dass der Proxy die ursprünglichen Host- und Proto-Header beibehält, oder konfigurieren Sie webhookSecurity.allowedHosts.
• Aktivieren Sie skipSignatureVerification nicht außerhalb lokaler Tests.

Google Meet Twilio-Beitritte schlagen fehl

Google Meet verwendet dieses Plugin für Twilio-Einwahlbeitritte. Prüfen Sie zuerst Voice Call:

openclaw voicecall setupopenclaw voicecall smoke --to "+15555550123"

Prüfen Sie dann explizit den Google-Meet-Transport:

openclaw googlemeet setup --transport twilio

Wenn Voice Call grün ist, aber der Meet-Teilnehmer nie beitritt, prüfen Sie die Meet- Einwahlnummer, PIN und --dtmf-sequence. Der Telefonanruf kann intakt sein, während das Meeting eine falsche DTMF-Sequenz ablehnt oder ignoriert.

Google Meet startet den Twilio-Telefonabschnitt über voicecall.start mit einer Pre-Connect-DTMF-Sequenz. Aus PINs abgeleitete Sequenzen enthalten das voiceCall.dtmfDelayMs des Google-Meet-Plugins als führende Twilio-Warteziffern. Der Standardwert beträgt 12 Sekunden, weil Meet-Einwahlaufforderungen verspätet eintreffen können. Voice Call leitet dann zurück zur Echtzeit-Verarbeitung um, bevor die Begrüßung angefordert wird.

Verwenden Sie openclaw logs --follow für die Live-Phasenablaufverfolgung. Ein gesunder Twilio-Meet- Beitritt protokolliert diese Reihenfolge:

• Google Meet delegiert den Twilio-Beitritt an Voice Call.
• Voice Call speichert Pre-Connect-DTMF-TwiML.
• Initiales Twilio-TwiML wird verbraucht und vor der Echtzeit-Verarbeitung bereitgestellt.
• Voice Call stellt Echtzeit-TwiML für den Twilio-Anruf bereit.
• Google Meet fordert nach der Post-DTMF-Verzögerung Begrüßungssprache mit voicecall.speak an.

openclaw voicecall tail zeigt weiterhin persistierte Anrufdatensätze; es ist nützlich für Anrufstatus und Transkripte, aber nicht jeder Webhook-/Echtzeit-Übergang erscheint dort.

Echtzeitanruf hat keine Sprache

Bestätigen Sie, dass nur ein Audiomodus aktiviert ist. realtime.enabled und streaming.enabled können nicht beide true sein.

Prüfen Sie für Echtzeit-Twilio-Anrufe außerdem:

• Ein Echtzeit-Provider-Plugin ist geladen und registriert.
• realtime.provider ist nicht gesetzt oder benennt einen registrierten Provider.
• Der API-Schlüssel des Providers ist für den Gateway-Prozess verfügbar.
• openclaw logs --follow zeigt, dass Echtzeit-TwiML bereitgestellt, die Echtzeit-Bridge gestartet und die initiale Begrüßung eingereiht wurde.

Verwandt

• Sprechmodus
• Text-to-speech
• Sprachaktivierung