Plugin połączeń głosowych

Połączenia głosowe dla OpenClaw przez Plugin. Obsługuje powiadomienia wychodzące, rozmowy wieloturowe, pełnodupleksowy głos w czasie rzeczywistym, strumieniową transkrypcję oraz połączenia przychodzące z zasadami listy dozwolonych.

Obecni dostawcy: twilio (Programmable Voice + Media Streams), telnyx (Call Control v2), plivo (Voice API + XML transfer + GetInput speech), mock (tryb deweloperski/brak sieci).

# Szybki start

openclaw plugins install @openclaw/voice-call

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

openclaw voicecall setup

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

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

# Konfiguracja

Jeśli enabled: true, ale wybranemu dostawcy brakuje danych uwierzytelniających, podczas startu Gateway logowane jest ostrzeżenie o nieukończonej konfiguracji z brakującymi kluczami i uruchomienie runtime jest pomijane. Polecenia, wywołania RPC i narzędzia agenta nadal zwracają dokładnie brakującą konfigurację dostawcy podczas użycia.

{
  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 */ },
        },
      },
    },
  },
}

# Zakres sesji

Domyślnie Voice Call używa sessionScope: "per-phone", aby powtarzane połączenia od tego samego dzwoniącego zachowywały pamięć rozmowy. Ustaw sessionScope: "per-call", gdy każde połączenie operatora powinno zaczynać ze świeżym kontekstem, na przykład w recepcji, rezerwacjach, IVR lub przepływach 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 audio połączeń na żywo. Jest oddzielne od streaming, które tylko przekazuje audio do dostawców transkrypcji w czasie rzeczywistym.

Bieżące zachowanie runtime:

• 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.
• Dołączeni dostawcy głosu w czasie rzeczywistym: Google Gemini Live (google) i OpenAI (openai), rejestrowani przez ich dostawców Plugin.
• Surowa konfiguracja należąca do dostawcy znajduje się w realtime.providers.<providerId>.
• 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 lub zwykłe 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 oraz wybraną kapsułę plików workspace do instrukcji dostawcy czasu rzeczywistego podczas konfiguracji sesji.
• realtime.fastContext.enabled jest domyślnie wyłączone. Po włączeniu Voice Call najpierw przeszukuje zaindeksowaną pamięć/kontekst sesji dla pytania konsultacyjnego i zwraca te fragmenty do modelu czasu rzeczywistego w czasie realtime.fastContext.timeoutMs, zanim wróci do pełnego agenta konsultacyjnego tylko wtedy, gdy realtime.fastContext.fallbackToConsult ma wartość true.
• Jeśli realtime.provider wskazuje niezarejestrowanego dostawcę albo nie zarejestrowano żadnego dostawcy głosu w czasie rzeczywistym, Voice Call loguje ostrzeżenie i pomija media w czasie rzeczywistym zamiast powodować awarię całego Plugin.
• Klucze sesji konsultacji ponownie używają zapisanej sesji połączenia, gdy jest dostępna, a następnie wracają do skonfigurowanego sessionScope (per-phone domyślnie albo per-call dla izolowanych połączeń).

# Zasady narzędzi

realtime.toolPolicy kontroluje uruchomienie konsultacji:

realtime.consultPolicy kontroluje tylko instrukcje modelu czasu rzeczywistego:

# Kontekst głosowy agenta

Włącz realtime.agentContext, gdy mostek głosowy powinien brzmieć jak skonfigurowany agent OpenClaw bez ponoszenia 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 lub stanu workspace.

{
  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 czasu rzeczywistego

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

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

Zobacz dostawcę Google oraz dostawcę OpenAI, aby poznać opcje głosu w czasie rzeczywistym specyficzne dla dostawcy.

# Transkrypcja strumieniowa

streaming wybiera dostawcę transkrypcji w czasie rzeczywistym dla dźwięku połączenia na żywo.

Bieżące zachowanie środowiska uruchomieniowego:

• streaming.provider jest opcjonalne. Jeśli nie jest ustawione, Voice Call używa pierwszego zarejestrowanego dostawcy transkrypcji w czasie rzeczywistym.
• Dołączeni dostawcy transkrypcji w czasie rzeczywistym: Deepgram (deepgram), ElevenLabs (elevenlabs), Mistral (mistral), OpenAI (openai) i xAI (xai), rejestrowani przez ich dostawcze Pluginy.
• Surowa konfiguracja należąca do dostawcy znajduje się w streaming.providers.<providerId>.
• Po wysłaniu przez Twilio zaakceptowanej wiadomości start strumienia Voice Call natychmiast rejestruje strumień, kolejkuje przychodzące media przez dostawcę transkrypcji podczas łączenia dostawcy i uruchamia początkowe powitanie dopiero wtedy, gdy transkrypcja w czasie rzeczywistym jest gotowa.
• Jeśli streaming.provider wskazuje niezarejestrowanego dostawcę albo żaden nie jest zarejestrowany, Voice Call zapisuje ostrzeżenie w logu i pomija strumieniowanie mediów zamiast powodować awarię całego Pluginu.

# Przykłady dostawców strumieniowania

{
  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 dla połączeń

Voice Call używa podstawowej konfiguracji messages.tts do strumieniowania mowy w połączeniach. Możesz ją nadpisać w konfiguracji Pluginu przy użyciu tego samego kształtu — jest ona głęboko scalana z messages.tts.

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

Uwagi dotyczące zachowania:

• Starsze klucze tts.<provider> w konfiguracji Pluginu (openai, elevenlabs, microsoft, edge) są naprawiane przez openclaw doctor --fix; zatwierdzona konfiguracja powinna używać tts.providers.<provider>.
• Podstawowy TTS jest używany, gdy strumieniowanie mediów Twilio jest włączone; w przeciwnym razie połączenia wracają do głosów natywnych dla dostawcy.
• Jeśli strumień mediów Twilio jest już aktywny, Voice Call nie wraca do TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5. Jeśli telefoniczny TTS jest w tym stanie niedostępny, żądanie odtwarzania kończy się niepowodzeniem zamiast mieszać dwie ścieżki odtwarzania.
• Gdy telefoniczny TTS przełącza się awaryjnie na dostawcę pomocniczego, Voice Call zapisuje ostrzeżenie z łańcuchem dostawców (from, to, attempts) do debugowania.
• Gdy barge-in Twilio lub rozłączenie strumienia czyści oczekującą kolejkę TTS, zakolejkowane żądania odtwarzania zostają rozstrzygnięte zamiast pozostawiać dzwoniących oczekujących na zakończenie odtwarzania.

# Przykłady TTS

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

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

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

# Połączenia przychodzące

Polityka połączeń przychodzących domyślnie ma wartość disabled. Aby włączyć połączenia przychodzące, ustaw:

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

Automatyczne odpowiedzi używają systemu agentów. Dostosuj je za pomocą responseModel, responseSystemPrompt i responseTimeoutMs.

# Routing według numeru

Użyj numbers, gdy jeden Plugin Voice Call odbiera połączenia dla wielu numerów telefonu i każdy numer powinien zachowywać się jak inna 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 wybieranego numeru To. Klucze muszą być numerami E.164. Gdy połączenie nadejdzie, Voice Call jednorazowo rozwiązuje pasującą trasę, zapisuje dopasowaną trasę w rekordzie połączenia i ponownie używa tej efektywnej konfiguracji dla powitania, klasycznej ścieżki automatycznej odpowiedzi, ścieżki konsultacji w czasie rzeczywistym oraz 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.

Nadpisania tras obecnie obsługują:

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

Wartość trasy tts jest głęboko scalana z globalną konfiguracją Voice Call tts, więc zwykle możesz nadpisać tylko głos dostawcy:

{
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 wyjścia mówionego

Dla automatycznych odpowiedzi Voice Call dołącza ścisły kontrakt wyjścia mówionego do promptu systemowego:

{"spoken":"..."}

Voice Call defensywnie wyodrębnia tekst mowy:

• Ignoruje ładunki oznaczone jako treść rozumowania/błędu.
• Parsuje bezpośredni JSON, JSON w bloku kodu lub wbudowane klucze "spoken".
• Wraca do zwykłego tekstu i usuwa prawdopodobne akapity wprowadzające dotyczące planowania/metadanych.

Dzięki temu odtwarzanie mowy pozostaje skupione na tekście kierowanym do dzwoniącego i unika wyciekania tekstu planowania do dźwięku.

# Zachowanie uruchamiania rozmowy

Dla 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 stanu listening, a początkowa wiadomość pozostaje w kolejce do ponowienia.
• Początkowe odtwarzanie dla strumieniowania Twilio zaczyna się po 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, dzięki czemu dalsza logika odpowiedzi może kontynuować bez oczekiwania na dźwięk, który nigdy nie zostanie odtworzony.
• Rozmowy głosowe w czasie rzeczywistym używają własnej tury otwierającej strumienia czasu rzeczywistego. Voice Call nie publikuje starszej aktualizacji TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 dla tej początkowej wiadomości, więc wychodzące sesje <Connect><Stream> pozostają podłączone.

# Okres karencji rozłączenia strumienia Twilio

Gdy strumień mediów Twilio się rozłącza, 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 utknięciu aktywnych połączeń.

# Mechanizm usuwania nieaktualnych połączeń

Użyj staleCallReaperSeconds, aby kończyć połączenia, które nigdy nie otrzymują końcowego Webhooka (na przykład połączenia w trybie powiadomień, które nigdy się nie kończą). Domyślna wartość to 0 (wyłączone).

Zalecane zakresy:

• Produkcja: 120–300 sekund dla przepływów typu powiadomienie.
• Utrzymuj tę wartość wyższą niż maxDurationSeconds, aby normalne wywołania mogły się zakończyć. Dobrym punktem wyjścia jest maxDurationSeconds + 30–60 sekund.

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

# Bezpieczeństwo Webhook

Gdy przed Gateway znajduje się proxy lub tunel, Plugin odtwarza publiczny URL do weryfikacji podpisu. Te opcje kontrolują, którym przekazywanym nagłówkom można ufać:

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 rozmowy Twilio zawierają token dla danej tury w wywołaniach zwrotnych <Gather>, więc nieaktualne/ponownie odtworzone wywołania zwrotne mowy nie mogą spełnić nowszej oczekującej tury transkrypcji.
• Nieuwierzytelnione żądania Webhook są odrzucane przed odczytem treści, gdy brakuje wymaganych przez dostawcę nagłówków podpisu.
• Webhook voice-call używa współdzielonego profilu treści przed uwierzytelnieniem (64 KB / 5 sekund) oraz limitu równoległych żądań na adres IP przed weryfikacją podpisu.

Przykład ze stabilnym hostem publicznym:

{
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 call
openclaw 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 tail
openclaw voicecall latency                      # summarize turn latency from logs
openclaw voicecall expose --mode funnel

Gdy Gateway już działa, operacyjne polecenia voicecall delegują do środowiska uruchomieniowego voice-call należącego do Gateway, aby CLI nie wiązało drugiego serwera Webhook. Jeśli żaden Gateway nie jest osiągalny, polecenia przechodzą na samodzielne środowisko uruchomieniowe CLI.

latency odczytuje calls.jsonl z domyślnej ścieżki przechowywania voice-call. Użyj --file <path>, aby wskazać inny dziennik, oraz --last <n>, aby ograniczyć analizę do ostatnich N rekordów (domyślnie 200). Wynik obejmuje p50/p90/p99 dla opóźnień tur oraz czasów oczekiwania na nasłuchiwanie.

# Narzędzie agenta

Nazwa narzędzia: voice_call.

To repozytorium dostarcza zgodny dokument skill pod adresem skills/voice-call/SKILL.md.

# RPC Gateway

dtmfSequence jest prawidłowe tylko z mode: "conversation". Wywołania w trybie powiadomienia powinny używać voicecall.dtmf po utworzeniu połączenia, jeśli potrzebują cyfr po połączeniu.

# Rozwiązywanie problemów

# Konfiguracja nie może wystawić Webhook

Uruchom konfigurację z tego samego środowiska, w którym działa Gateway:

openclaw voicecall setup
openclaw voicecall setup --json

Dla twilio, telnyx i plivo webhook-exposure musi być zielone. Skonfigurowany publicUrl nadal kończy się niepowodzeniem, gdy wskazuje lokalną lub prywatną przestrzeń sieciową, ponieważ operator nie może wywołać zwrotnie tych adresów. 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.

Wychodzące połączenia Twilio w trybie powiadomienia wysyłają początkowy TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 bezpośrednio w żądaniu utworzenia połączenia, więc pierwsza wypowiadana wiadomość nie zależy od tego, czy Twilio pobierze TwiML z Webhook. Publiczny Webhook nadal jest wymagany dla wywołań zwrotnych statusu, połączeń konwersacyjnych, DTMF przed połączeniem, strumieni czasu rzeczywistego i sterowania połączeniem po połączeniu.

Użyj jednej ścieżki publicznego wystawienia:

{
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:

openclaw voicecall setup
openclaw voicecall smoke

voicecall smoke jest suchym przebiegiem, 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 uruchomiony ponownie lub nie przeładuje swojego środowiska.

# Połączenia startują, ale Webhook dostawcy nie przychodzą

Potwierdź, że konsola dostawcy wskazuje dokładny publiczny URL Webhook:

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

Następnie sprawdź stan środowiska uruchomieniowego:

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

Typowe przyczyny:

• publicUrl wskazuje inną ścieżkę niż serve.path.
• URL tunelu zmienił się po uruchomieniu Gateway.
• Proxy przekazuje żądanie, ale usuwa lub przepisuje nagłówki host/proto.
• Zapora lub DNS kieruje publiczną nazwę hosta gdzie indziej niż do Gateway.
• Gateway został uruchomiony ponownie bez włączonego Plugin Voice Call.

Gdy przed Gateway znajduje się 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 URL, który OpenClaw odtwarza z przychodzącego żądania. Jeśli podpisy zawodzą:

• Potwierdź, że URL Webhook dostawcy dokładnie pasuje do publicUrl, w tym schemat, host i ścieżkę.
• W przypadku URL-i bezpłatnego poziomu 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 testami lokalnymi.

# Dołączenia Google Meet przez Twilio zawodzą

Google Meet używa tego Plugin do dołączeń przez numer telefoniczny Twilio. Najpierw zweryfikuj Voice Call:

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

Następnie zweryfikuj transport Google Meet jawnie:

openclaw googlemeet setup --transport twilio

Jeśli Voice Call jest zielony, ale uczestnik Meet nigdy nie dołącza, sprawdź numer dial-in Meet, PIN i --dtmf-sequence. Połączenie telefoniczne może być zdrowe, podczas gdy spotkanie odrzuca lub ignoruje nieprawidłową sekwencję DTMF.

Google Meet rozpoczyna telefoniczną nogę Twilio przez voicecall.start z sekwencją DTMF przed połączeniem. Sekwencje pochodzące z PIN-u zawierają voiceCall.dtmfDelayMs Plugin Google Meet jako początkowe cyfry oczekiwania Twilio. Domyślnie jest to 12 sekund, ponieważ komunikaty dial-in Meet mogą nadejść późno. Następnie Voice Call przekierowuje z powrotem do obsługi czasu rzeczywistego przed zażądaniem powitania wstępnego.

Użyj openclaw logs --follow dla śledzenia fazy na żywo. Zdrowe dołączenie Twilio Meet rejestruje tę kolejność:

• Google Meet deleguje dołączenie Twilio do Voice Call.
• Voice Call zapisuje TwiML DTMF przed połączeniem.
• Początkowy TwiML Twilio jest zużywany i serwowany przed obsługą czasu rzeczywistego.
• Voice Call serwuje TwiML czasu rzeczywistego dla połączenia Twilio.
• Google Meet żąda mowy wstępnej przez voicecall.speak po opóźnieniu po DTMF.

openclaw voicecall tail nadal pokazuje utrwalone rekordy połączeń; jest przydatne do stanu połączenia i transkrypcji, ale nie każde przejście Webhook/czasu rzeczywistego pojawia się tam.

# Połączenie czasu rzeczywistego nie ma mowy

Potwierdź, że włączony jest tylko jeden tryb audio. realtime.enabled i streaming.enabled nie mogą być jednocześnie true.

Dla połączeń Twilio czasu rzeczywistego zweryfikuj 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 zakolejkowane początkowe powitanie.

# Powiązane

• Tryb rozmowy
• Tekst na mowę
• Wybudzanie głosem