Plugin de llamadas de voz

Llamadas de voz para OpenClaw mediante un plugin: notificaciones salientes, conversaciones de varios turnos, voz en tiempo real bidireccional, transcripción en streaming y llamadas entrantes con políticas de listas de permitidos.

Proveedores: mock (desarrollo, sin red), plivo (API de voz + transferencia XML + voz GetInput), telnyx (Call Control v2), twilio (voz programable + Media Streams).

Inicio rápido

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 setupopenclaw voicecall setup --json

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

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

Configuración

Si enabled: true pero faltan credenciales para el proveedor seleccionado, el inicio del Gateway registra una advertencia de configuración incompleta con las claves que faltan y omite el inicio del entorno de ejecución. Los comandos, las llamadas RPC y las herramientas del agente siguen devolviendo la configuración exacta que falta cuando se utilizan.

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          provider: "twilio", // o "telnyx" | "plivo" | "mock"          fromNumber: "+15550001234", // o TWILIO_FROM_NUMBER para Twilio          toNumber: "+15550005678",          sessionScope: "per-phone", // per-phone | per-call          numbers: {            "+15550009999": {              inboundGreeting: "Silver Fox Cards, ¿en qué puedo ayudarle?",              responseSystemPrompt: "Es un especialista conciso en tarjetas de béisbol.",              tts: {                providers: {                  openai: { speakerVoice: "alloy" },                },              },            },          },           twilio: {            accountSid: "ACxxxxxxxx",            authToken: "...",            // region: "ie1", // opcional: us1 | ie1 | au1; el valor predeterminado es us1          },          telnyx: {            apiKey: "...",            connectionId: "...",            // Clave pública del Webhook de Telnyx del Mission Control Portal            // (Base64; también puede establecerse mediante TELNYX_PUBLIC_KEY).            publicKey: "...",          },          plivo: {            authId: "MAxxxxxxxxxxxxxxxxxxxx",            authToken: "...",          },           // Servidor de Webhook          serve: {            port: 3334,            path: "/voice/webhook",          },           // Seguridad del Webhook (recomendada para túneles/proxies)          webhookSecurity: {            allowedHosts: ["voice.example.com"],            trustedProxyIPs: ["100.64.0.1"],          },           // Exposición pública (elija una)          // publicUrl: "https://example.ngrok.app/voice/webhook",          // tunnel: { provider: "ngrok" },          // tailscale: { mode: "funnel", path: "/voice/webhook" },           outbound: {            defaultMode: "notify", // notify | conversation          },           streaming: { enabled: true /* solo Twilio; consulte Transcripción en streaming */ },          realtime: { enabled: false /* consulte Conversaciones de voz en tiempo real */ },        },      },    },  },}

Referencia de configuración

Claves de nivel superior en plugins.entries.voice-call.config que no se muestran anteriormente:

Twilio utiliza de forma predeterminada su endpoint REST US1. Para procesar llamadas en una región no estadounidense admitida, establezca twilio.region en ie1 o au1 y utilice las credenciales de esa región. Consulte la guía de Twilio sobre la API REST en regiones fuera de Estados Unidos.

Ámbito de la sesión

De forma predeterminada, Llamada de voz utiliza sessionScope: "per-phone" para que las llamadas repetidas del mismo interlocutor conserven la memoria de la conversación. Establezca sessionScope: "per-call" cuando cada llamada del operador deba comenzar con un contexto nuevo, por ejemplo, para recepción, reservas, IVR o flujos de puente de Google Meet en los que el mismo número de teléfono pueda representar reuniones diferentes.

Llamada de voz almacena las claves de sesión generadas en el espacio de nombres del agente configurado (agent:<agentId>:voice:*). Las claves explícitas sin procesar de la integración se resuelven en el mismo espacio de nombres: una clave canónica agent:<configuredAgentId>:* conserva ese propietario y respeta los alias de session.mainKey/ámbito global del núcleo; la entrada agent:* externa o mal formada se delimita como una clave opaca bajo el agente configurado; global y unknown siguen siendo centinelas globales.

Conversaciones de voz en tiempo real

realtime selecciona un proveedor de voz en tiempo real bidireccional para el audio de llamadas en directo. Es independiente de streaming, que solo reenvía el audio a proveedores de transcripción en tiempo real.

Comportamiento actual del entorno de ejecución:

• realtime.enabled es compatible con Twilio y Telnyx.
• realtime.provider es opcional. Si no se establece, Voice Call utiliza el primer proveedor de voz en tiempo real registrado.
• Proveedores de voz en tiempo real incluidos: Google Gemini Live (google) y OpenAI (openai), registrados por sus plugins de proveedor.
• La configuración sin procesar propiedad del proveedor se encuentra en realtime.providers.<providerId>.
• Voice Call expone de forma predeterminada la herramienta compartida en tiempo real openclaw_agent_consult. El modelo en tiempo real puede invocarla cuando la persona que llama solicita un razonamiento más profundo, información actualizada o herramientas normales de OpenClaw.
• realtime.consultPolicy añade opcionalmente orientación sobre cuándo debe el modelo en tiempo real invocar openclaw_agent_consult.
• realtime.agentContext.enabled está desactivado de forma predeterminada. Cuando se activa, Voice Call incorpora una identidad de agente limitada y una cápsula seleccionada de archivos del espacio de trabajo en las instrucciones del proveedor en tiempo real al configurar la sesión.
• realtime.fastContext.enabled está desactivado de forma predeterminada. Cuando se activa, Voice Call busca primero en la memoria indexada y el contexto de la sesión la pregunta de consulta y devuelve esos fragmentos al modelo en tiempo real dentro de realtime.fastContext.timeoutMs, antes de recurrir al agente de consulta completo solo si realtime.fastContext.fallbackToConsult es true.
• Si realtime.provider apunta a un proveedor no registrado, o si no hay ningún proveedor de voz en tiempo real registrado, Voice Call registra una advertencia y omite el contenido multimedia en tiempo real en lugar de provocar un fallo de todo el plugin.
• inboundPolicy no debe ser "disabled" cuando realtime.enabled es true; validateProviderConfig rechaza esa combinación.
• Las claves de sesión de consulta reutilizan la sesión de llamada almacenada cuando está disponible y, de lo contrario, recurren al valor configurado de sessionScope (per-phone de forma predeterminada o per-call para llamadas aisladas).

Política de herramientas

realtime.toolPolicy controla la ejecución de la consulta:

realtime.consultPolicy controla únicamente las instrucciones del modelo en tiempo real:

Contexto de voz del agente

Active realtime.agentContext cuando el puente de voz deba sonar como el agente de OpenClaw configurado sin incurrir en un ciclo completo de consulta al agente en las intervenciones habituales. La cápsula de contexto se añade una vez al crear la sesión en tiempo real, por lo que no añade latencia por intervención. Las llamadas a openclaw_agent_consult siguen ejecutando el agente completo de OpenClaw y deben utilizarse para trabajos con herramientas, información actualizada, búsquedas en memoria o el estado del espacio de trabajo.

{  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"],            },          },        },      },    },  },}

Ejemplos de proveedores en tiempo real

{  plugins: {    entries: {      "voice-call": {        config: {          provider: "twilio",          inboundPolicy: "allowlist",          allowFrom: ["+15550005678"],          realtime: {            enabled: true,            provider: "google",            instructions: "Habla brevemente. Invoca openclaw_agent_consult antes de utilizar herramientas más avanzadas.",            toolPolicy: "safe-read-only",            consultPolicy: "substantive",            consultThinkingLevel: "low",            consultFastMode: true,            agentContext: { enabled: true },            providers: {              google: {                apiKey: "${GEMINI_API_KEY}",                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                silenceDurationMs: 500,                startSensitivity: "high",              },            },          },        },      },    },  },}

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

Consulte Proveedor de Google y Proveedor de OpenAI para conocer las opciones de voz en tiempo real específicas de cada proveedor.

Transcripción en streaming

streaming conecta Twilio Media Streams con un proveedor de transcripción en tiempo real. La ruta clásica de streaming requiere provider: "twilio"; se rechaza la configuración con Telnyx, Plivo o una simulación. El audio en directo de Telnyx utiliza en su lugar la ruta realtime.enabled, que se autentica por separado.

Comportamiento actual en tiempo de ejecución:

• streaming.provider es opcional. Si no se establece, Voice Call utiliza el primer proveedor de transcripción en tiempo real registrado.
• Proveedores de transcripción en tiempo real incluidos: Deepgram (deepgram), ElevenLabs (elevenlabs), Mistral (mistral), OpenAI (openai) y xAI (xai), registrados por sus plugins de proveedor.
• La configuración sin procesar propiedad del proveedor se encuentra en streaming.providers.<providerId>.
• Después de que Twilio envíe un mensaje de flujo aceptado start, Voice Call registra el flujo inmediatamente, pone en cola el contenido multimedia entrante a través del proveedor de transcripción mientras este se conecta e inicia el saludo inicial solo cuando la transcripción en tiempo real está lista.
• Si streaming.provider apunta a un proveedor no registrado, o si no hay ninguno registrado, Voice Call registra una advertencia y omite el streaming de contenido multimedia en lugar de provocar un fallo de todo el plugin.

Ejemplos de proveedores de streaming

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "openai",            streamPath: "/voice/stream",            providers: {              openai: {                apiKey: "sk-...", // opcional si OPENAI_API_KEY está establecido                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}", // opcional si XAI_API_KEY está establecido                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

TTS para llamadas

Voice Call utiliza la configuración principal tts para la síntesis de voz en streaming durante las llamadas. Se puede sobrescribir en la configuración del plugin con la misma estructura; se combina de forma profunda con tts.

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

Notas de comportamiento:

• Las claves heredadas tts.<provider> dentro de la configuración del plugin (openai, elevenlabs, microsoft, edge) se reparan mediante openclaw doctor --fix; la configuración guardada debe utilizar tts.providers.<provider>.
• Se utiliza el TTS principal cuando el streaming multimedia de Twilio está activado; de lo contrario, las llamadas recurren a las voces nativas del proveedor.
• Si ya hay un flujo multimedia de Twilio activo, Voice Call no recurre a TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5. Si el TTS telefónico no está disponible en ese estado, la solicitud de reproducción falla en lugar de mezclar dos rutas de reproducción.
• Cuando el TTS telefónico recurre a un proveedor secundario, Voice Call registra una advertencia con la cadena de proveedores (from, to, attempts) para facilitar la depuración.
• Cuando una interrupción de Twilio o el cierre del flujo vacían la cola de TTS pendiente, las solicitudes de reproducción en cola se resuelven en lugar de dejar bloqueadas a las personas que esperan que finalice la reproducción.

Ejemplos de TTS

{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",        },      },    },  },},},},}

Llamadas entrantes

La política de llamadas entrantes tiene como valor predeterminado disabled. Para habilitar las llamadas entrantes, establezca:

{inboundPolicy: "allowlist",allowFrom: ["+15550001234"],inboundGreeting: "¡Hola! ¿Cómo puedo ayudar?",}

Las respuestas automáticas utilizan el sistema del agente. Ajústelas con responseModel, responseSystemPrompt y responseTimeoutMs.

Enrutamiento por número

Use numbers cuando un Plugin de llamadas de voz reciba llamadas para varios números de teléfono y cada número deba comportarse como una línea diferente. Por ejemplo, un número puede usar un asistente personal informal, mientras que otro utiliza una personalidad empresarial, un agente de respuesta diferente y una voz TTS distinta.

Las rutas se seleccionan a partir del número marcado To proporcionado por el proveedor. Las claves deben ser números E.164. Cuando llega una llamada, Llamadas de voz resuelve la ruta coincidente una sola vez, almacena la ruta coincidente en el registro de la llamada y reutiliza esa configuración efectiva para el saludo, la ruta clásica de respuesta automática, la ruta de consulta en tiempo real y la reproducción TTS. Si ninguna ruta coincide, se utiliza la configuración global de Llamadas de voz. Las llamadas salientes no usan numbers; pase explícitamente el destino saliente, el mensaje y la sesión al iniciar la llamada.

Actualmente, las sustituciones de ruta admiten:

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

El valor de ruta tts se fusiona en profundidad sobre la configuración global tts de Llamadas de voz, por lo que normalmente se puede sustituir solo la voz del proveedor:

{inboundGreeting: "Hola desde la línea principal.",responseSystemPrompt: "Eres el asistente de voz predeterminado.",tts: {  provider: "openai",  providers: {    openai: { speakerVoice: "coral" },  },},numbers: {  "+15550001111": {    inboundGreeting: "Silver Fox Cards, ¿cómo puedo ayudar?",    responseSystemPrompt: "Eres un especialista conciso en tarjetas de béisbol.",    tts: {      providers: {        openai: { speakerVoice: "alloy" },      },    },  },},}

Contrato de salida hablada

Para las respuestas automáticas, Llamadas de voz añade al prompt del sistema un contrato estricto de salida hablada que exige una respuesta JSON {"spoken":"..."}. Llamadas de voz extrae el texto hablado de forma defensiva:

• Ignora las cargas útiles marcadas como contenido de razonamiento/error.
• Analiza JSON directo, JSON delimitado o claves "spoken" en línea.
• Recurre a texto sin formato y elimina los párrafos introductorios que probablemente contengan planificación o metainformación.

Esto mantiene la reproducción hablada centrada en el texto dirigido a quien llama y evita filtrar texto de planificación en el audio.

Comportamiento al iniciar la conversación

Para las llamadas salientes conversation, el tratamiento del primer mensaje está vinculado al estado de reproducción en directo:

• La limpieza de la cola por interrupción y la respuesta automática solo se suprimen mientras el saludo inicial se está reproduciendo activamente.
• Si la reproducción inicial falla, la llamada vuelve a listening y el mensaje inicial permanece en cola para volver a intentarlo.
• La reproducción inicial para el streaming de Twilio comienza al conectarse el flujo sin demora adicional.
• La interrupción cancela la reproducción activa y elimina las entradas TTS de Twilio que están en cola, pero aún no se reproducen. Las entradas eliminadas se resuelven como omitidas, por lo que la lógica de respuesta posterior puede continuar sin esperar un audio que nunca se reproducirá.
• Las conversaciones de voz en tiempo real utilizan el turno inicial propio del flujo en tiempo real. Llamadas de voz no envía una actualización TwiML heredada OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 para ese mensaje inicial, por lo que las sesiones salientes <Connect><Stream> permanecen conectadas.

Período de gracia para la desconexión del flujo de Twilio

Cuando se desconecta un flujo multimedia de Twilio, Llamadas de voz espera 2000 ms antes de finalizar automáticamente la llamada:

• Si el flujo vuelve a conectarse durante ese intervalo, se cancela la finalización automática.
• Si ningún flujo vuelve a registrarse tras el período de gracia, la llamada finaliza para evitar que queden llamadas activas bloqueadas.

Recolector de llamadas obsoletas

Use staleCallReaperSeconds (valor predeterminado: 120) para finalizar llamadas que nunca se responden ni alcanzan un estado de conversación en directo, por ejemplo, llamadas en modo de notificación en las que el proveedor nunca entrega un Webhook terminal. Establézcalo en 0 para deshabilitarlo.

El recolector se ejecuta cada 30 segundos y solo finaliza las llamadas que no tienen una marca de tiempo answeredAt y que aún no están en un estado terminal o en directo (speaking/listening), por lo que este temporizador nunca recoge conversaciones respondidas; maxDurationSeconds (valor predeterminado: 300) es el límite independiente que finaliza las llamadas respondidas que duran demasiado.

Para los flujos de estilo notificación en los que los operadores pueden tardar en entregar los webhooks de timbrado/respuesta, aumente staleCallReaperSeconds por encima del valor predeterminado para que las llamadas lentas pero normales no se recojan antes de tiempo; 120-300 segundos es un intervalo razonable para producción.

{plugins: {entries: {  "voice-call": {    config: {      maxDurationSeconds: 300,      staleCallReaperSeconds: 120,    },  },},},}

Seguridad del Webhook

Cuando un proxy o túnel está delante del Gateway, el plugin reconstruye la URL pública para verificar la firma. Estas opciones controlan qué encabezados reenviados se consideran fiables:

Protecciones adicionales:

• La protección contra la reproducción de Webhooks está habilitada para Twilio, Telnyx y Plivo. Las solicitudes de Webhook válidas reproducidas se confirman, pero se omiten sus efectos secundarios.
• Los turnos de conversación de Twilio incluyen un token por turno en las devoluciones de llamada <Gather>, para que las devoluciones de llamada de voz obsoletas o reproducidas no puedan satisfacer un turno de transcripción pendiente más reciente.
• Las solicitudes de Webhook no autenticadas se rechazan antes de leer el cuerpo cuando faltan los encabezados de firma requeridos por el proveedor.
• El Webhook de llamadas de voz utiliza el perfil compartido de lectura del cuerpo antes de la autenticación (cuerpo máximo de 64 KB, tiempo de espera de lectura de 5 segundos), además de un límite de solicitudes en curso por clave (8 solicitudes simultáneas por clave de forma predeterminada), antes de verificar la firma.

Ejemplo con un host público estable:

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

CLI

openclaw voicecall call --to "+15555550123" --message "Hola desde OpenClaw"openclaw voicecall start --to "+15555550123"   # alias de callopenclaw voicecall continue --call-id <id> --message "¿Alguna pregunta?"openclaw voicecall speak --call-id <id> --message "Un momento"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                      # resume la latencia de los turnos a partir de los registrosopenclaw voicecall expose --mode funnel

Cuando el Gateway ya está en ejecución, los comandos operativos voicecall delegan en el entorno de ejecución de llamadas de voz propiedad del Gateway para que la CLI no vincule un segundo servidor de Webhooks. Si no se puede acceder a ningún Gateway, los comandos recurren a un entorno de ejecución independiente de la CLI.

latency lee calls.jsonl desde la ruta de almacenamiento predeterminada de llamadas de voz. Use --file <path> para indicar un registro diferente y --last <n> para limitar el análisis a los últimos N registros (valor predeterminado: 200). La salida incluye mín./máx./prom., p50 y p95 para la latencia de los turnos y los tiempos de espera de escucha.

Herramienta del agente

Nombre de la herramienta: voice_call.

El plugin de llamadas de voz incluye una Skill de agente correspondiente.

RPC del Gateway

dtmfSequence solo es válido con mode: "conversation"; las llamadas en modo de notificación deben usar voicecall.dtmf después de que exista la llamada si necesitan dígitos posteriores a la conexión.

Solución de problemas

La configuración no logra exponer el Webhook

Ejecute la configuración desde el mismo entorno que ejecuta el Gateway:

openclaw voicecall setupopenclaw voicecall setup --json

Para twilio, telnyx y plivo, webhook-exposure debe estar en verde. Una configuración de publicUrl sigue fallando cuando apunta a un espacio de red local o privado, porque el operador no puede devolver llamadas a esas direcciones. No utilice 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, fd00::/8 ni otros rangos de NAT de nivel de operador como publicUrl.

Las llamadas salientes de Twilio en modo de notificación envían su TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 inicial directamente en la solicitud de creación de llamada, por lo que el primer mensaje hablado no depende de que Twilio obtenga TwiML mediante un Webhook. Aun así, se requiere un Webhook público para las devoluciones de llamada de estado, las llamadas de conversación, DTMF previo a la conexión, las transmisiones en tiempo real y el control de llamadas posterior a la conexión.

Utilice una ruta de exposición pública:

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

Después de cambiar la configuración, reinicie o vuelva a cargar el Gateway y, a continuación, ejecute:

openclaw voicecall setupopenclaw voicecall smoke

voicecall smoke es una ejecución de prueba a menos que se pase --yes.

Fallan las credenciales del proveedor

Compruebe el proveedor seleccionado y los campos de credenciales obligatorios:

• Twilio: twilio.accountSid, twilio.authToken y fromNumber, o TWILIO_ACCOUNT_SID, TWILIO_AUTH_TOKEN y TWILIO_FROM_NUMBER.
• Telnyx: telnyx.apiKey, telnyx.connectionId, telnyx.publicKey y fromNumber, o TELNYX_API_KEY, TELNYX_CONNECTION_ID y TELNYX_PUBLIC_KEY.
• Plivo: plivo.authId, plivo.authToken y fromNumber, o PLIVO_AUTH_ID y PLIVO_AUTH_TOKEN.

Las credenciales deben existir en el host del Gateway. Editar un perfil de shell local no afecta a un Gateway que ya está en ejecución hasta que se reinicie o vuelva a cargar su entorno.

Las llamadas comienzan, pero no llegan los Webhooks del proveedor

Confirme que la consola del proveedor apunte a la URL pública exacta del Webhook:

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

A continuación, inspeccione el estado de ejecución:

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

Causas habituales:

• publicUrl apunta a una ruta diferente de serve.path.
• La URL del túnel cambió después de que se iniciara el Gateway.
• Un proxy reenvía la solicitud, pero elimina o reescribe las cabeceras de host/protocolo.
• El cortafuegos o el DNS enruta el nombre de host público a un lugar distinto del Gateway.
• El Gateway se reinició sin el Plugin de llamadas de voz habilitado.

Cuando haya un proxy inverso o un túnel delante del Gateway, establezca webhookSecurity.allowedHosts en el nombre de host público o utilice webhookSecurity.trustedProxyIPs para una dirección de proxy conocida. Utilice webhookSecurity.trustForwardingHeaders únicamente cuando el límite del proxy esté bajo su control.

Falla la verificación de firmas

Las firmas del proveedor se comprueban con la URL pública que OpenClaw reconstruye a partir de la solicitud entrante. Si las firmas fallan:

• Confirme que la URL del Webhook del proveedor coincida exactamente con publicUrl, incluidos el esquema, el host y la ruta.
• Para las URL del nivel gratuito de ngrok, actualice publicUrl cuando cambie el nombre de host del túnel.
• Asegúrese de que el proxy conserve las cabeceras originales de host y protocolo, o configure webhookSecurity.allowedHosts.
• No habilite skipSignatureVerification fuera de las pruebas locales.

Fallan las conexiones de Google Meet mediante Twilio

Google Meet utiliza este Plugin para las conexiones por marcación de Twilio. Primero, verifique las llamadas de voz:

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

A continuación, verifique explícitamente el transporte de Google Meet:

openclaw googlemeet setup --transport twilio

Si las llamadas de voz están en verde, pero el participante nunca se une a Meet, compruebe el número de marcación de Meet, el PIN y --dtmf-sequence. La llamada telefónica puede funcionar correctamente mientras la reunión rechaza o ignora una secuencia DTMF incorrecta.

Google Meet inicia el tramo telefónico de Twilio mediante voicecall.start con una secuencia DTMF previa a la conexión. Las secuencias derivadas del PIN incluyen voiceCall.dtmfDelayMs del Plugin de Google Meet (valor predeterminado: 12000 ms) como dígitos de espera iniciales de Twilio, porque las indicaciones de marcación de Meet pueden llegar tarde. A continuación, las llamadas de voz redirigen de nuevo al control en tiempo real antes de solicitar el saludo introductorio.

Utilice openclaw logs --follow para el seguimiento de fases en directo. Una conexión correcta de Twilio a Meet registra este orden:

• Google Meet delega la conexión de Twilio en las llamadas de voz.
• Las llamadas de voz almacenan el TwiML de DTMF previo a la conexión.
• El TwiML inicial de Twilio se consume y se entrega antes del control en tiempo real.
• Las llamadas de voz entregan TwiML en tiempo real para la llamada de Twilio.
• Google Meet solicita la locución introductoria con voicecall.speak después del retraso posterior a DTMF.

openclaw voicecall tail sigue mostrando los registros de llamadas persistentes; resulta útil para el estado de las llamadas y las transcripciones, pero no todas las transiciones de Webhook o en tiempo real aparecen allí.

La llamada en tiempo real no tiene voz

Confirme que solo esté habilitado un modo de audio: realtime.enabled y streaming.enabled no pueden ser verdaderos al mismo tiempo.

Para las llamadas en tiempo real de Twilio/Telnyx, verifique también lo siguiente:

• Hay cargado y registrado un Plugin de proveedor en tiempo real.
• realtime.provider no está definido o nombra un proveedor registrado.
• La clave de API del proveedor está disponible para el proceso del Gateway.
• openclaw logs --follow muestra que se entregó el TwiML en tiempo real, se inició el puente en tiempo real y se puso en cola el saludo inicial.

Relacionado

• Modo de conversación
• Texto a voz
• Activación por voz