拡張機能

音声通話プラグイン

プラグインを介したOpenClawの音声通話。発信通知と、着信ポリシーによるマルチターン会話をサポートします。現在のプロバイダー:

twilio (Programmable Voice + Media Streams)
telnyx (Call Control v2)
plivo (Voice API + XML transfer + GetInput speech)
mock (開発/ネットワークなし)

簡単なメンタルモデル:

プラグインをインストール
Gatewayを再起動
plugins.entries.voice-call.config で設定
openclaw voicecall ... または voice_call ツールを使用

実行場所 (ローカル vs リモート)

音声通話プラグインは Gatewayプロセス内で実行されます。リモートGatewayを使用する場合は、Gatewayを実行しているマシンにプラグインをインストール/設定し、Gatewayを再起動して読み込みます。

インストール

オプションA: npmからインストール (推奨)

openclaw plugins install @openclaw/voice-call

その後、Gatewayを再起動します。

オプションB: ローカルフォルダからインストール (開発用、コピー不要)

openclaw plugins install ./extensions/voice-call
cd ./extensions/voice-call && pnpm install

その後、Gatewayを再起動します。

設定

plugins.entries.voice-call.config の下に設定します:

{
  plugins: {
    entries: {
      "voice-call": {
        enabled: true,
        config: {
          provider: "twilio", // または "telnyx" | "plivo" | "mock"
          fromNumber: "+15550001234",
          toNumber: "+15550005678",

          twilio: {
            accountSid: "ACxxxxxxxx",
            authToken: "...",
          },

          telnyx: {
            apiKey: "...",
            connectionId: "...",
            // Telnyx Mission Control Portalから取得したTelnyxウェブフック公開鍵
            // (Base64文字列; TELNYX_PUBLIC_KEY経由でも設定可能)。
            publicKey: "...",
          },

          plivo: {
            authId: "MAxxxxxxxxxxxxxxxxxxxx",
            authToken: "...",
          },

          // ウェブフックサーバー
          serve: {
            port: 3334,
            path: "/voice/webhook",
          },

          // ウェブフックセキュリティ (トンネル/プロキシ使用時に推奨)
          webhookSecurity: {
            allowedHosts: ["voice.example.com"],
            trustedProxyIPs: ["100.64.0.1"],
          },

          // 公開アクセス (いずれか一つを選択)
          // publicUrl: "https://example.ngrok.app/voice/webhook",
          // tunnel: { provider: "ngrok" },
          // tailscale: { mode: "funnel", path: "/voice/webhook" }

          outbound: {
            defaultMode: "notify", // notify | conversation
          },

          streaming: {
            enabled: true,
            streamPath: "/voice/stream",
            preStartTimeoutMs: 5000,
            maxPendingConnections: 32,
            maxPendingConnectionsPerIp: 4,
            maxConnections: 128,
          },
        },
      },
    },
  },
}

注意点:

Twilio/Telnyxは 公開到達可能な ウェブフックURLを必要とします。
Plivoは 公開到達可能な ウェブフックURLを必要とします。
mock はローカル開発用プロバイダーです (ネットワーク呼び出しなし)。
Telnyxは、skipSignatureVerification がtrueでない限り、telnyx.publicKey (または TELNYX_PUBLIC_KEY) を必要とします。
skipSignatureVerification はローカルテスト専用です。
ngrok無料ティアを使用する場合は、publicUrl を正確なngrok URLに設定してください。署名検証は常に適用されます。
tunnel.allowNgrokFreeTierLoopbackBypass: true は、tunnel.provider="ngrok" かつ serve.bind がループバック (ngrokローカルエージェント) の場合にのみ、無効な署名を持つTwilioウェブフックを許可します。ローカル開発専用に使用してください。
ngrok無料ティアのURLは変更されたり、中間動作が追加されたりする可能性があります。publicUrl がずれると、Twilio署名は失敗します。本番環境では、安定したドメインまたはTailscale funnelを優先してください。
ストリーミングセキュリティのデフォルト:
- streaming.preStartTimeoutMs は有効な start フレームを送信しないソケットを閉じます。
- streaming.maxPendingConnections は認証前の開始前ソケットの総数を制限します。
- streaming.maxPendingConnectionsPerIp は送信元IPごとの認証前開始前ソケット数を制限します。
- streaming.maxConnections は開いているメディアストリームソケット (保留中 + アクティブ) の総数を制限します。

古い通話のクリーンアップ

staleCallReaperSeconds を使用して、終端ウェブフックを決して受信しない通話 (例えば、完了しない通知モードの通話) を終了させます。デフォルトは 0 (無効) です。推奨範囲:

本番環境: 通知スタイルのフローには 120–300 秒。
この値を maxDurationSeconds より高く 保ち、通常の通話が完了できるようにします。良い開始点は maxDurationSeconds + 30–60 秒です。

例:

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

ウェブフックセキュリティ

プロキシまたはトンネルがGatewayの前に配置されている場合、プラグインは署名検証のために公開URLを再構築します。これらのオプションは、どの転送ヘッダーが信頼されるかを制御します。webhookSecurity.allowedHosts は転送ヘッダーからのホストを許可リストに登録します。webhookSecurity.trustForwardingHeaders は許可リストなしで転送ヘッダーを信頼します。webhookSecurity.trustedProxyIPs は、リクエストのリモートIPがリストと一致する場合にのみ転送ヘッダーを信頼します。TwilioとPlivoではウェブフックリプレイ保護が有効になっています。リプレイされた有効なウェブフックリクエストは確認されますが、副作用のためにスキップされます。Twilio会話ターンには <Gather> コールバックにターンごとのトークンが含まれるため、古い/リプレイされた音声コールバックは新しい保留中の文字起こしターンを満たすことができません。安定した公開ホストの例:

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

通話用TTS

音声通話は、通話でのストリーミング音声にコアの messages.tts 設定 (OpenAIまたはElevenLabs) を使用します。プラグイン設定の下で、同じ形式 で上書きできます — これは messages.tts とディープマージされます。

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

注意点:

Edge TTSは音声通話では無視されます (電話音声にはPCMが必要; Edge出力は信頼性が低い)。
コアTTSは、Twilioメディアストリーミングが有効な場合に使用されます。それ以外の場合は、通話はプロバイダーのネイティブ音声にフォールバックします。

その他の例

コアTTSのみを使用 (上書きなし):

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

通話専用にElevenLabsに上書き (他の場所ではコアデフォルトを維持):

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

通話用にOpenAIモデルのみを上書き (ディープマージの例):

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

着信通話

着信ポリシーのデフォルトは disabled です。着信通話を有効にするには、以下を設定します:

{
  inboundPolicy: "allowlist",
  allowFrom: ["+15550001234"],
  inboundGreeting: "こんにちは！どうされましたか？",
}

自動応答はエージェントシステムを使用します。以下で調整できます:

responseModel
responseSystemPrompt
responseTimeoutMs

CLI

openclaw voicecall call --to "+15555550123" --message "OpenClawからのメッセージです"
openclaw voicecall continue --call-id <id> --message "何か質問はありますか？"
openclaw voicecall speak --call-id <id> --message "少々お待ちください"
openclaw voicecall end --call-id <id>
openclaw voicecall status --call-id <id>
openclaw voicecall tail
openclaw voicecall expose --mode funnel

エージェントツール

ツール名: voice_call アクション:

initiate_call (message, to?, mode?)
continue_call (callId, message)
speak_to_user (callId, message)
end_call (callId)
get_status (callId)

このリポジトリには、skills/voice-call/SKILL.md に一致するスキルドキュメントが同梱されています。

Gateway RPC

voicecall.initiate (to?, message, mode?)
voicecall.continue (callId, message)
voicecall.speak (callId, message)
voicecall.end (callId)
voicecall.status (callId)

コミュニティプラグイン Zalo個人プラグイン