वॉइस कॉल Plugin

Plugin के माध्यम से OpenClaw के लिए वॉइस कॉल: आउटबाउंड सूचनाएँ, बहु-चरणीय बातचीत, पूर्ण-डुप्लेक्स रीयलटाइम वॉइस, स्ट्रीमिंग ट्रांसक्रिप्शन, और अनुमति-सूची नीतियों वाली इनबाउंड कॉल।

प्रदाता: mock (डेवलपमेंट, कोई नेटवर्क नहीं), plivo (Voice API + XML ट्रांसफ़र + GetInput स्पीच), telnyx (Call Control v2), twilio (Programmable Voice + Media Streams)।

त्वरित शुरुआत

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

कॉन्फ़िगरेशन

यदि enabled: true, लेकिन चुने गए प्रदाता के क्रेडेंशियल अनुपलब्ध हैं, तो Gateway स्टार्टअप अनुपलब्ध कुंजियों के साथ सेटअप-अधूरा चेतावनी लॉग करता है और रनटाइम शुरू नहीं करता। उपयोग किए जाने पर कमांड, RPC कॉल, और एजेंट टूल फिर भी सटीक अनुपलब्ध कॉन्फ़िगरेशन लौटाते हैं।

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          provider: "twilio", // या "telnyx" | "plivo" | "mock"          fromNumber: "+15550001234", // या Twilio के लिए TWILIO_FROM_NUMBER          toNumber: "+15550005678",          sessionScope: "per-phone", // per-phone | per-call          numbers: {            "+15550009999": {              inboundGreeting: "Silver Fox Cards, मैं आपकी कैसे सहायता कर सकता हूँ?",              responseSystemPrompt: "आप एक संक्षिप्त बेसबॉल कार्ड विशेषज्ञ हैं।",              tts: {                providers: {                  openai: { speakerVoice: "alloy" },                },              },            },          },           twilio: {            accountSid: "ACxxxxxxxx",            authToken: "...",            // region: "ie1", // वैकल्पिक: us1 | ie1 | au1; डिफ़ॉल्ट us1 है          },          telnyx: {            apiKey: "...",            connectionId: "...",            // Mission Control Portal से Telnyx Webhook सार्वजनिक कुंजी            // (Base64; TELNYX_PUBLIC_KEY के माध्यम से भी सेट की जा सकती है)।            publicKey: "...",          },          plivo: {            authId: "MAxxxxxxxxxxxxxxxxxxxx",            authToken: "...",          },           // Webhook सर्वर          serve: {            port: 3334,            path: "/voice/webhook",          },           // Webhook सुरक्षा (टनल/प्रॉक्सी के लिए अनुशंसित)          webhookSecurity: {            allowedHosts: ["voice.example.com"],            trustedProxyIPs: ["100.64.0.1"],          },           // सार्वजनिक एक्सपोज़र (कोई एक चुनें)          // publicUrl: "https://example.ngrok.app/voice/webhook",          // tunnel: { provider: "ngrok" },          // tailscale: { mode: "funnel", path: "/voice/webhook" },           outbound: {            defaultMode: "notify", // notify | conversation          },           streaming: { enabled: true /* केवल Twilio; स्ट्रीमिंग ट्रांसक्रिप्शन देखें */ },          realtime: { enabled: false /* रीयलटाइम वॉइस वार्तालाप देखें */ },        },      },    },  },}

कॉन्फ़िगरेशन संदर्भ

ऊपर न दिखाई गई plugins.entries.voice-call.config के अंतर्गत शीर्ष-स्तरीय कुंजियाँ:

Twilio डिफ़ॉल्ट रूप से अपने US1 REST एंडपॉइंट का उपयोग करता है। किसी समर्थित गैर-US क्षेत्र में कॉल संसाधित करने के लिए, twilio.region को ie1 या au1 पर सेट करें और उस क्षेत्र के क्रेडेंशियल का उपयोग करें। Twilio की गैर-US REST API मार्गदर्शिका देखें।

सत्र का दायरा

डिफ़ॉल्ट रूप से, Voice Call sessionScope: "per-phone" का उपयोग करता है, ताकि एक ही कॉलर की दोहराई गई कॉल में बातचीत की स्मृति बनी रहे। जब प्रत्येक कैरियर कॉल को नए संदर्भ से शुरू होना चाहिए, तो sessionScope: "per-call" सेट करें; उदाहरण के लिए रिसेप्शन, बुकिंग, IVR, या Google Meet ब्रिज प्रवाह, जहाँ एक ही फ़ोन नंबर अलग-अलग मीटिंग का प्रतिनिधित्व कर सकता है।

Voice Call जनरेट की गई सत्र कुंजियों को कॉन्फ़िगर किए गए एजेंट नेमस्पेस (agent:<agentId>:voice:*) के अंतर्गत संग्रहीत करता है। स्पष्ट रूप से दी गई अपरिष्कृत इंटीग्रेशन कुंजियाँ उसी नेमस्पेस में रिज़ॉल्व होती हैं: प्रामाणिक agent:<configuredAgentId>:* कुंजी उस स्वामी को बनाए रखती है और मूल session.mainKey/वैश्विक-दायरा उपनामकरण का पालन करती है; बाहरी या विकृत agent:* इनपुट को कॉन्फ़िगर किए गए एजेंट के अंतर्गत अपारदर्शी कुंजी के रूप में सीमित किया जाता है; global और unknown वैश्विक प्रहरी बने रहते हैं।

रीयलटाइम वॉइस वार्तालाप

realtime लाइव कॉल ऑडियो के लिए पूर्ण-डुप्लेक्स रीयलटाइम वॉइस प्रदाता चुनता है। यह streaming से अलग है, जो केवल ऑडियो को रीयलटाइम ट्रांसक्रिप्शन प्रदाताओं को अग्रेषित करता है।

वर्तमान रनटाइम व्यवहार:

• realtime.enabled Twilio और Telnyx के लिए समर्थित है।
• realtime.provider वैकल्पिक है। यदि इसे सेट नहीं किया गया है, तो Voice Call पहले पंजीकृत रीयलटाइम वॉइस प्रदाता का उपयोग करता है।
• बंडल किए गए रीयलटाइम वॉइस प्रदाता: Google Gemini Live (google) और OpenAI (openai), जिन्हें उनके प्रदाता plugins द्वारा पंजीकृत किया जाता है।
• प्रदाता के स्वामित्व वाला रॉ कॉन्फ़िगरेशन realtime.providers.<providerId> के अंतर्गत रहता है।
• Voice Call डिफ़ॉल्ट रूप से साझा openclaw_agent_consult रीयलटाइम टूल उपलब्ध कराता है। जब कॉलर अधिक गहन तर्क, वर्तमान जानकारी या सामान्य OpenClaw टूल माँगता है, तो रीयलटाइम मॉडल इसे कॉल कर सकता है।
• realtime.consultPolicy वैकल्पिक रूप से यह मार्गदर्शन जोड़ता है कि रीयलटाइम मॉडल को openclaw_agent_consult कब कॉल करना चाहिए।
• realtime.agentContext.enabled डिफ़ॉल्ट रूप से बंद है। सक्षम होने पर, Voice Call सत्र सेटअप के दौरान रीयलटाइम प्रदाता निर्देशों में सीमित एजेंट पहचान और चुनी हुई वर्कस्पेस-फ़ाइल कैप्सूल सम्मिलित करता है।
• realtime.fastContext.enabled डिफ़ॉल्ट रूप से बंद है। सक्षम होने पर, Voice Call पहले परामर्श प्रश्न के लिए इंडेक्स की गई मेमोरी/सत्र संदर्भ में खोज करता है और केवल तभी पूर्ण परामर्श एजेंट पर लौटने से पहले, जब realtime.fastContext.fallbackToConsult true हो, उन अंशों को realtime.fastContext.timeoutMs के भीतर रीयलटाइम मॉडल को लौटाता है।
• यदि realtime.provider किसी अपंजीकृत प्रदाता की ओर संकेत करता है, या कोई भी रीयलटाइम वॉइस प्रदाता पंजीकृत नहीं है, तो Voice Call चेतावनी लॉग करता है और पूरे plugin को विफल करने के बजाय रीयलटाइम मीडिया छोड़ देता है।
• जब realtime.enabled true हो, तब inboundPolicy, "disabled" नहीं होना चाहिए; validateProviderConfig उस संयोजन को अस्वीकार करता है।
• उपलब्ध होने पर परामर्श सत्र कुंजियाँ संग्रहीत कॉल सत्र का पुनः उपयोग करती हैं, फिर कॉन्फ़िगर किए गए sessionScope पर लौटती हैं (डिफ़ॉल्ट रूप से per-phone, या पृथक कॉल के लिए per-call)।

टूल नीति

realtime.toolPolicy परामर्श रन को नियंत्रित करता है:

realtime.consultPolicy केवल रीयलटाइम मॉडल निर्देशों को नियंत्रित करता है:

एजेंट वॉइस संदर्भ

जब वॉइस ब्रिज को सामान्य संवादों पर पूर्ण एजेंट-परामर्श राउंड ट्रिप की लागत के बिना कॉन्फ़िगर किए गए OpenClaw एजेंट जैसा सुनाई देना चाहिए, तब realtime.agentContext सक्षम करें। रीयलटाइम सत्र बनाते समय संदर्भ कैप्सूल एक बार जोड़ा जाता है, इसलिए यह प्रत्येक संवाद में विलंबता नहीं जोड़ता। openclaw_agent_consult के कॉल फिर भी पूर्ण OpenClaw एजेंट चलाते हैं और उनका उपयोग टूल कार्य, वर्तमान जानकारी, मेमोरी लुकअप या वर्कस्पेस स्थिति के लिए किया जाना चाहिए।

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

रीयलटाइम प्रदाता के उदाहरण

{  plugins: {    entries: {      "voice-call": {        config: {          provider: "twilio",          inboundPolicy: "allowlist",          allowFrom: ["+15550005678"],          realtime: {            enabled: true,            provider: "google",            instructions: "संक्षेप में बोलें। अधिक गहन टूल का उपयोग करने से पहले openclaw_agent_consult को कॉल करें।",            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}" },            },          },        },      },    },  },}

प्रदाता-विशिष्ट रीयलटाइम वॉइस विकल्पों के लिए Google प्रदाता और OpenAI प्रदाता देखें।

स्ट्रीमिंग ट्रांसक्रिप्शन

streaming Twilio Media Streams को रीयलटाइम ट्रांसक्रिप्शन प्रदाता से जोड़ता है। क्लासिक स्ट्रीमिंग पथ के लिए provider: "twilio" आवश्यक है; Telnyx, Plivo, या mock वाला कॉन्फ़िगरेशन अस्वीकार किया जाता है। Telnyx लाइव ऑडियो इसके बजाय अलग से प्रमाणित realtime.enabled पथ का उपयोग करता है।

वर्तमान रनटाइम व्यवहार:

• streaming.provider वैकल्पिक है। यदि इसे सेट नहीं किया गया है, तो Voice Call पहले पंजीकृत रीयलटाइम ट्रांसक्रिप्शन प्रदाता का उपयोग करता है।
• बंडल किए गए रीयलटाइम ट्रांसक्रिप्शन प्रदाता: Deepgram (deepgram), ElevenLabs (elevenlabs), Mistral (mistral), OpenAI (openai), और xAI (xai), जिन्हें उनके प्रदाता plugins द्वारा पंजीकृत किया जाता है।
• प्रदाता के स्वामित्व वाला रॉ कॉन्फ़िगरेशन streaming.providers.<providerId> के अंतर्गत रहता है।
• Twilio द्वारा स्वीकृत स्ट्रीम start संदेश भेजने के बाद, Voice Call तुरंत स्ट्रीम पंजीकृत करता है, प्रदाता के कनेक्ट होते समय इनबाउंड मीडिया को ट्रांसक्रिप्शन प्रदाता के माध्यम से कतारबद्ध करता है, और शुरुआती अभिवादन केवल रीयलटाइम ट्रांसक्रिप्शन तैयार होने के बाद शुरू करता है।
• यदि streaming.provider किसी अपंजीकृत प्रदाता की ओर संकेत करता है, या कोई भी प्रदाता पंजीकृत नहीं है, तो Voice Call चेतावनी लॉग करता है और पूरे plugin को विफल करने के बजाय मीडिया स्ट्रीमिंग छोड़ देता है।

स्ट्रीमिंग प्रदाता के उदाहरण

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "openai",            streamPath: "/voice/stream",            providers: {              openai: {                apiKey: "sk-...", // यदि OPENAI_API_KEY सेट है तो वैकल्पिक                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}", // यदि XAI_API_KEY सेट है तो वैकल्पिक                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

कॉल के लिए TTS

Voice Call कॉल पर स्ट्रीमिंग वाक् के लिए मुख्य tts कॉन्फ़िगरेशन का उपयोग करता है। आप plugin कॉन्फ़िगरेशन के अंतर्गत इसे समान संरचना के साथ ओवरराइड कर सकते हैं — यह tts के साथ डीप-मर्ज होता है।

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

व्यवहार संबंधी टिप्पणियाँ:

• plugin कॉन्फ़िगरेशन के भीतर पुरानी tts.<provider> कुंजियों (openai, elevenlabs, microsoft, edge) की मरम्मत openclaw doctor --fix द्वारा की जाती है; कमिट किए गए कॉन्फ़िगरेशन में tts.providers.<provider> का उपयोग होना चाहिए।
• Twilio मीडिया स्ट्रीमिंग सक्षम होने पर मुख्य TTS का उपयोग किया जाता है; अन्यथा कॉल प्रदाता-मूल वॉइस पर लौटती हैं।
• यदि Twilio मीडिया स्ट्रीम पहले से सक्रिय है, तो Voice Call TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 पर वापस नहीं लौटता। यदि उस स्थिति में टेलीफ़ोनी TTS उपलब्ध नहीं है, तो दो प्लेबैक पथों को मिलाने के बजाय प्लेबैक अनुरोध विफल हो जाता है।
• जब टेलीफ़ोनी TTS किसी द्वितीयक प्रदाता पर लौटता है, तो Voice Call डीबगिंग के लिए प्रदाता श्रृंखला (from, to, attempts) के साथ चेतावनी लॉग करता है।
• जब Twilio बार्ज-इन या स्ट्रीम टियरडाउन लंबित TTS कतार साफ़ करता है, तो कतारबद्ध प्लेबैक अनुरोध पूरे हो जाते हैं, बजाय इसके कि प्लेबैक पूर्ण होने की प्रतीक्षा कर रहे कॉलर अटके रहें।

TTS के उदाहरण

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

इनबाउंड कॉल

इनबाउंड नीति डिफ़ॉल्ट रूप से disabled होती है। इनबाउंड कॉल सक्षम करने के लिए, यह सेट करें:

{inboundPolicy: "allowlist",allowFrom: ["+15550001234"],inboundGreeting: "नमस्ते! मैं आपकी कैसे सहायता कर सकता हूँ?",}

स्वचालित प्रतिक्रियाएँ एजेंट सिस्टम का उपयोग करती हैं। इन्हें responseModel, responseSystemPrompt, और responseTimeoutMs से समायोजित करें।

प्रति-नंबर रूटिंग

जब एक Voice Call Plugin कई फ़ोन नंबरों के लिए कॉल प्राप्त करता हो और प्रत्येक नंबर को अलग लाइन की तरह व्यवहार करना चाहिए, तब numbers का उपयोग करें। उदाहरण के लिए, एक नंबर सहज व्यक्तिगत सहायक का उपयोग कर सकता है, जबकि दूसरा व्यावसायिक व्यक्तित्व, अलग प्रतिक्रिया एजेंट, और अलग TTS आवाज़ का उपयोग कर सकता है।

रूट प्रदाता द्वारा दिए गए डायल किए गए To नंबर से चुने जाते हैं। कुंजियाँ E.164 नंबर होनी चाहिए। कॉल आने पर, Voice Call मेल खाने वाले रूट को एक बार हल करता है, मेल खाए रूट को कॉल रिकॉर्ड में संग्रहीत करता है, और उसी प्रभावी कॉन्फ़िगरेशन का अभिवादन, पारंपरिक स्वचालित-प्रतिक्रिया पथ, रीयलटाइम परामर्श पथ, और TTS प्लेबैक के लिए पुनः उपयोग करता है। यदि कोई रूट मेल नहीं खाता, तो वैश्विक Voice Call कॉन्फ़िगरेशन का उपयोग होता है। आउटबाउंड कॉल numbers का उपयोग नहीं करते; कॉल शुरू करते समय आउटबाउंड लक्ष्य, संदेश, और सत्र स्पष्ट रूप से दें।

रूट ओवरराइड वर्तमान में इनका समर्थन करते हैं:

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

tts रूट वैल्यू वैश्विक Voice Call tts कॉन्फ़िगरेशन पर डीप-मर्ज होती है, इसलिए आप सामान्यतः केवल प्रदाता की आवाज़ को ओवरराइड कर सकते हैं:

{inboundGreeting: "मुख्य लाइन से नमस्ते।",responseSystemPrompt: "आप डिफ़ॉल्ट वॉइस सहायक हैं।",tts: {  provider: "openai",  providers: {    openai: { speakerVoice: "coral" },  },},numbers: {  "+15550001111": {    inboundGreeting: "सिल्वर फ़ॉक्स कार्ड्स, मैं आपकी कैसे सहायता कर सकता हूँ?",    responseSystemPrompt: "आप संक्षिप्त उत्तर देने वाले बेसबॉल कार्ड विशेषज्ञ हैं।",    tts: {      providers: {        openai: { speakerVoice: "alloy" },      },    },  },},}

बोले गए आउटपुट का अनुबंध

स्वचालित प्रतिक्रियाओं के लिए, Voice Call सिस्टम प्रॉम्प्ट में बोले गए आउटपुट का एक सख़्त अनुबंध जोड़ता है, जिसमें {"spoken":"..."} JSON उत्तर आवश्यक होता है। Voice Call वाक् टेक्स्ट को सुरक्षित ढंग से निकालता है:

• तर्क/त्रुटि सामग्री के रूप में चिह्नित पेलोड को अनदेखा करता है।
• प्रत्यक्ष JSON, फ़ेंस्ड JSON, या इनलाइन "spoken" कुंजियों को पार्स करता है।
• प्लेन टेक्स्ट पर वापस जाता है और संभावित योजना/मेटा भूमिका वाले शुरुआती अनुच्छेद हटा देता है।

इससे बोला गया प्लेबैक कॉलर के लिए लक्षित टेक्स्ट पर केंद्रित रहता है और योजना संबंधी टेक्स्ट को ऑडियो में उजागर होने से रोका जाता है।

बातचीत शुरू होने का व्यवहार

आउटबाउंड conversation कॉल के लिए, पहले संदेश का प्रबंधन लाइव प्लेबैक स्थिति से जुड़ा होता है:

• बार्ज-इन कतार साफ़ करना और स्वचालित प्रतिक्रिया केवल तभी रोकी जाती है, जब प्रारंभिक अभिवादन सक्रिय रूप से बोला जा रहा हो।
• यदि प्रारंभिक प्लेबैक विफल होता है, तो कॉल listening पर लौटती है और प्रारंभिक संदेश पुनः प्रयास के लिए कतार में बना रहता है।
• Twilio स्ट्रीमिंग का प्रारंभिक प्लेबैक स्ट्रीम कनेक्ट होने पर बिना अतिरिक्त विलंब के शुरू होता है।
• बार्ज-इन सक्रिय प्लेबैक को रोक देता है और कतार में मौजूद लेकिन अभी तक न चलने वाली Twilio TTS प्रविष्टियों को साफ़ कर देता है। साफ़ की गई प्रविष्टियाँ छोड़ी गई के रूप में हल होती हैं, ताकि आगे की प्रतिक्रिया का तर्क ऐसे ऑडियो की प्रतीक्षा किए बिना जारी रह सके जो कभी नहीं चलेगा।
• रीयलटाइम वॉइस बातचीत रीयलटाइम स्ट्रीम की अपनी शुरुआती बारी का उपयोग करती है। Voice Call उस प्रारंभिक संदेश के लिए पुराना OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 TwiML अपडेट पोस्ट नहीं करता, इसलिए आउटबाउंड <Connect><Stream> सत्र जुड़े रहते हैं।

Twilio स्ट्रीम डिस्कनेक्ट अनुग्रह अवधि

Twilio मीडिया स्ट्रीम डिस्कनेक्ट होने पर, Voice Call कॉल को स्वतः समाप्त करने से पहले 2000 ms प्रतीक्षा करता है:

• यदि उस अवधि में स्ट्रीम पुनः कनेक्ट हो जाती है, तो स्वतः समाप्ति रद्द कर दी जाती है।
• यदि अनुग्रह अवधि के बाद कोई स्ट्रीम पुनः पंजीकृत नहीं होती, तो सक्रिय अवस्था में अटकी कॉल को रोकने के लिए कॉल समाप्त कर दी जाती है।

पुरानी कॉल रीपर

उन कॉल को समाप्त करने के लिए staleCallReaperSeconds (डिफ़ॉल्ट 120) का उपयोग करें, जिनका कभी उत्तर नहीं दिया जाता और जो कभी लाइव बातचीत स्थिति तक नहीं पहुँचतीं, उदाहरण के लिए नोटिफ़ाई-मोड कॉल जिनमें प्रदाता कभी अंतिम Webhook डिलीवर नहीं करता। अक्षम करने के लिए इसे 0 पर सेट करें।

रीपर हर 30 सेकंड में चलता है और केवल उन्हीं कॉल को समाप्त करता है जिनमें answeredAt टाइमस्टैम्प नहीं है और जो पहले से अंतिम या लाइव (speaking/listening) स्थिति में नहीं हैं, इसलिए उत्तर दी गई बातचीत को यह टाइमर कभी समाप्त नहीं करता; maxDurationSeconds (डिफ़ॉल्ट 300) एक अलग सीमा है, जो बहुत लंबे समय तक चलने वाली उत्तर दी गई कॉल को समाप्त करती है।

नोटिफ़ाई-शैली के प्रवाह में, जहाँ कैरियर रिंग/उत्तर Webhook डिलीवर करने में धीमे हो सकते हैं, staleCallReaperSeconds को डिफ़ॉल्ट से अधिक बढ़ाएँ, ताकि धीमी लेकिन सामान्य कॉल समय से पहले समाप्त न हों; 120-300 सेकंड एक उचित प्रोडक्शन सीमा है।

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

Webhook सुरक्षा

जब Gateway के सामने कोई प्रॉक्सी या टनल होती है, तो Plugin हस्ताक्षर सत्यापन के लिए सार्वजनिक URL का पुनर्निर्माण करता है। ये विकल्प नियंत्रित करते हैं कि किन फ़ॉरवर्ड किए गए हेडर पर भरोसा किया जाए:

अतिरिक्त सुरक्षाएँ:

• Twilio, Telnyx, और Plivo के लिए Webhook रीप्ले सुरक्षा सक्षम है। दोबारा चलाए गए वैध Webhook अनुरोध स्वीकार किए जाते हैं, लेकिन उनके दुष्प्रभाव छोड़ दिए जाते हैं।
• Twilio बातचीत की प्रत्येक बारी में <Gather> कॉलबैक में प्रति-बारी टोकन शामिल होता है, इसलिए पुराने/दोबारा चलाए गए वाक् कॉलबैक नई लंबित ट्रांसक्रिप्ट बारी को पूरा नहीं कर सकते।
• प्रदाता के आवश्यक हस्ताक्षर हेडर अनुपस्थित होने पर, अप्रमाणित Webhook अनुरोधों को बॉडी पढ़े जाने से पहले अस्वीकार कर दिया जाता है।
• voice-call Webhook हस्ताक्षर सत्यापन से पहले साझा पूर्व-प्रमाणीकरण बॉडी-रीड प्रोफ़ाइल (अधिकतम 64 KB बॉडी, 5-सेकंड रीड टाइमआउट) के साथ प्रति-कुंजी इन-फ़्लाइट सीमा (डिफ़ॉल्ट रूप से प्रति कुंजी 8 समवर्ती अनुरोध) का उपयोग करता है।

स्थिर सार्वजनिक होस्ट वाला उदाहरण:

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

CLI

openclaw voicecall call --to "+15555550123" --message "OpenClaw की ओर से नमस्ते"openclaw voicecall start --to "+15555550123"   # call का उपनामopenclaw voicecall continue --call-id <id> --message "कोई प्रश्न?"openclaw voicecall speak --call-id <id> --message "एक क्षण"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                      # लॉग से बारी की विलंबता का सारांशopenclaw voicecall expose --mode funnel

जब Gateway पहले से चल रहा हो, तब संचालन संबंधी voicecall कमांड Gateway के स्वामित्व वाले voice-call रनटाइम को सौंपे जाते हैं, ताकि CLI दूसरा Webhook सर्वर बाइंड न करे। यदि किसी Gateway तक पहुँचा नहीं जा सकता, तो कमांड स्टैंडअलोन CLI रनटाइम पर वापस चले जाते हैं।

latency डिफ़ॉल्ट voice-call संग्रहण पथ से calls.jsonl पढ़ता है। किसी अलग लॉग को इंगित करने के लिए --file <path> और विश्लेषण को अंतिम N रिकॉर्ड (डिफ़ॉल्ट 200) तक सीमित करने के लिए --last <n> का उपयोग करें। आउटपुट में बारी की विलंबता और सुनने-की-प्रतीक्षा समय के लिए न्यूनतम/अधिकतम/औसत, p50, और p95 शामिल होते हैं।

एजेंट टूल

टूल का नाम: voice_call।

voice-call Plugin एक मेल खाता एजेंट स्किल उपलब्ध कराता है।

Gateway RPC

dtmfSequence केवल mode: "conversation" के साथ मान्य है; यदि नोटिफ़ाई-मोड कॉल को कनेक्ट होने के बाद अंकों की आवश्यकता हो, तो कॉल बनने के बाद उन्हें voicecall.dtmf का उपयोग करना चाहिए।

समस्या निवारण

सेटअप में Webhook एक्सपोज़र विफल होता है

सेटअप उसी परिवेश से चलाएँ जिसमें Gateway चलता है:

openclaw voicecall setupopenclaw voicecall setup --json

twilio, telnyx, और plivo के लिए, webhook-exposure का हरा होना आवश्यक है। कॉन्फ़िगर किया गया publicUrl तब भी विफल होता है जब वह लोकल या निजी नेटवर्क स्पेस की ओर इंगित करता है, क्योंकि कैरियर उन पतों पर वापस कॉल नहीं कर सकता। 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, या अन्य कैरियर-ग्रेड-NAT रेंज का उपयोग publicUrl के रूप में न करें।

Twilio नोटिफ़ाई-मोड आउटबाउंड कॉल अपने आरंभिक OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 TwiML को सीधे कॉल बनाने के अनुरोध में भेजते हैं, इसलिए पहला बोला गया संदेश Twilio द्वारा Webhook TwiML प्राप्त करने पर निर्भर नहीं होता। स्टेटस कॉलबैक, वार्तालाप कॉल, प्री-कनेक्ट DTMF, रीयलटाइम स्ट्रीम और पोस्ट-कनेक्ट कॉल नियंत्रण के लिए सार्वजनिक Webhook फिर भी आवश्यक है।

सार्वजनिक एक्सपोज़र का कोई एक मार्ग उपयोग करें:

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

कॉन्फ़िग बदलने के बाद Gateway को पुनः आरंभ या रीलोड करें, फिर चलाएँ:

openclaw voicecall setupopenclaw voicecall smoke

voicecall smoke एक ड्राई रन है, जब तक कि आप --yes पास न करें।

प्रदाता क्रेडेंशियल विफल होते हैं

चयनित प्रदाता और आवश्यक क्रेडेंशियल फ़ील्ड जाँचें:

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

क्रेडेंशियल Gateway होस्ट पर मौजूद होने चाहिए। लोकल शेल प्रोफ़ाइल को संपादित करने से पहले से चल रहे Gateway पर तब तक प्रभाव नहीं पड़ता, जब तक वह अपने परिवेश को पुनः आरंभ या रीलोड नहीं करता।

कॉल शुरू होते हैं, लेकिन प्रदाता Webhook नहीं पहुँचते

पुष्टि करें कि प्रदाता कंसोल ठीक इसी सार्वजनिक Webhook URL की ओर इंगित करता है:

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

फिर रनटाइम स्थिति का निरीक्षण करें:

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

सामान्य कारण:

• publicUrl, serve.path से अलग पाथ की ओर इंगित करता है।
• Gateway शुरू होने के बाद टनल URL बदल गया।
• प्रॉक्सी अनुरोध फ़ॉरवर्ड करता है, लेकिन होस्ट/प्रोटो हेडर हटा देता है या फिर से लिखता है।
• फ़ायरवॉल या DNS सार्वजनिक होस्टनाम को Gateway के बजाय किसी अन्य स्थान पर रूट करता है।
• Voice Call Plugin सक्षम किए बिना Gateway को पुनः आरंभ किया गया।

जब Gateway के सामने रिवर्स प्रॉक्सी या टनल हो, तो webhookSecurity.allowedHosts को सार्वजनिक होस्टनाम पर सेट करें, या ज्ञात प्रॉक्सी पते के लिए webhookSecurity.trustedProxyIPs का उपयोग करें। webhookSecurity.trustForwardingHeaders का उपयोग केवल तभी करें जब प्रॉक्सी सीमा आपके नियंत्रण में हो।

हस्ताक्षर सत्यापन विफल होता है

प्रदाता हस्ताक्षरों की जाँच उस सार्वजनिक URL के विरुद्ध की जाती है जिसे OpenClaw आने वाले अनुरोध से फिर से बनाता है। यदि हस्ताक्षर विफल हों:

• पुष्टि करें कि प्रदाता Webhook URL, स्कीम, होस्ट और पाथ सहित, publicUrl से पूरी तरह मेल खाता है।
• ngrok फ़्री-टियर URL के लिए, टनल होस्टनाम बदलने पर publicUrl अपडेट करें।
• सुनिश्चित करें कि प्रॉक्सी मूल होस्ट और प्रोटो हेडर सुरक्षित रखता है, या webhookSecurity.allowedHosts कॉन्फ़िगर करें।
• लोकल परीक्षण के बाहर skipSignatureVerification सक्षम न करें।

Google Meet Twilio जॉइन विफल होते हैं

Google Meet, Twilio डायल-इन जॉइन के लिए इस Plugin का उपयोग करता है। पहले Voice Call सत्यापित करें:

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

फिर Google Meet ट्रांसपोर्ट को स्पष्ट रूप से सत्यापित करें:

openclaw googlemeet setup --transport twilio

यदि Voice Call हरा है, लेकिन Meet प्रतिभागी कभी जॉइन नहीं करता, तो Meet डायल-इन नंबर, PIN और --dtmf-sequence जाँचें। फ़ोन कॉल स्वस्थ हो सकता है, जबकि मीटिंग गलत DTMF अनुक्रम को अस्वीकार या अनदेखा कर सकती है।

Google Meet, प्री-कनेक्ट DTMF अनुक्रम के साथ voicecall.start के माध्यम से Twilio फ़ोन लेग शुरू करता है। PIN से प्राप्त अनुक्रमों में Google Meet Plugin का voiceCall.dtmfDelayMs (डिफ़ॉल्ट 12000 ms) शुरुआती Twilio प्रतीक्षा अंकों के रूप में शामिल होता है, क्योंकि Meet डायल-इन प्रॉम्प्ट देर से आ सकते हैं। इसके बाद Voice Call, आरंभिक अभिवादन का अनुरोध होने से पहले रीयलटाइम प्रबंधन पर वापस रीडायरेक्ट करता है।

लाइव चरण ट्रेस के लिए openclaw logs --follow का उपयोग करें। एक स्वस्थ Twilio Meet जॉइन इस क्रम को लॉग करता है:

• Google Meet, Twilio जॉइन को Voice Call को सौंपता है।
• Voice Call प्री-कनेक्ट DTMF TwiML संग्रहीत करता है।
• Twilio आरंभिक TwiML का उपयोग किया जाता है और रीयलटाइम प्रबंधन से पहले सर्व किया जाता है।
• Voice Call, Twilio कॉल के लिए रीयलटाइम TwiML सर्व करता है।
• Google Meet, पोस्ट-DTMF विलंब के बाद voicecall.speak के साथ आरंभिक वाणी का अनुरोध करता है।

openclaw voicecall tail अब भी स्थायी कॉल रिकॉर्ड दिखाता है; यह कॉल स्थिति और ट्रांस्क्रिप्ट के लिए उपयोगी है, लेकिन प्रत्येक Webhook/रीयलटाइम ट्रांज़िशन वहाँ दिखाई नहीं देता।

रीयलटाइम कॉल में वाणी नहीं है

पुष्टि करें कि केवल एक ऑडियो मोड सक्षम है: realtime.enabled और streaming.enabled दोनों एक साथ सत्य नहीं हो सकते।

रीयलटाइम Twilio/Telnyx कॉल के लिए यह भी सत्यापित करें:

• एक रीयलटाइम प्रदाता Plugin लोड और पंजीकृत है।
• realtime.provider अनसेट है या किसी पंजीकृत प्रदाता का नाम देता है।
• प्रदाता API कुंजी Gateway प्रक्रिया के लिए उपलब्ध है।
• openclaw logs --follow दिखाता है कि रीयलटाइम TwiML सर्व किया गया, रीयलटाइम ब्रिज शुरू हुआ और आरंभिक अभिवादन कतारबद्ध किया गया।

संबंधित

• बातचीत मोड
• टेक्स्ट-टू-स्पीच
• वॉइस वेक