Voice Call (Plugin)

Sprachanrufe für OpenClaw über ein Plugin. Unterstützt ausgehende Benachrichtigungen und mehrstufige Gespräche mit Richtlinien für eingehende Anrufe.

Aktuell verfügbare Provider:

• twilio (Programmable Voice + Media Streams)
• telnyx (Call Control v2)
• plivo (Voice API + XML transfer + GetInput speech)
• mock (Entwicklung/ohne Netzwerk)

Schneller Überblick:

• Plugin installieren
• Gateway neu starten
• Konfiguration unter plugins.entries.voice-call.config vornehmen
• openclaw voicecall ... oder das voice_call Tool verwenden

Wo läuft es (lokal vs. remote)

Das Voice Call Plugin läuft innerhalb des Gateway-Prozesses.

Wenn du ein Remote-Gateway verwendest, installiere und konfiguriere das Plugin auf der Maschine, auf der das Gateway läuft, und starte dann das Gateway neu, um es zu laden.

Installation

Option A: Installation von npm (empfohlen)

openclaw plugins install @openclaw/voice-call

Starte danach das Gateway neu.

Option B: Installation aus lokalem Ordner (Entwicklung, ohne Kopieren)

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

Starte danach das Gateway neu.

Konfiguration

Setze die Konfiguration unter plugins.entries.voice-call.config:

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

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

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

          // Webhook server
          serve: {
            port: 3334,
            path: "/voice/webhook",
          },

          // 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,
            streamPath: "/voice/stream",
          },
        },
      },
    },
  },
}

Hinweise:

• Twilio/Telnyx benötigen eine öffentlich erreichbare Webhook-URL.
• Plivo benötigt eine öffentlich erreichbare Webhook-URL.
• mock ist ein lokaler Entwicklungs-Provider (keine Netzwerkaufrufe).
• skipSignatureVerification ist nur für lokale Tests gedacht.
• Wenn du ngrok im Free-Tier verwendest, setze publicUrl auf die exakte ngrok-URL; die Signaturverifizierung ist immer aktiv.
• tunnel.allowNgrokFreeTierLoopbackBypass: true erlaubt Twilio-Webhooks mit ungültigen Signaturen nur, wenn tunnel.provider="ngrok" und serve.bind auf Loopback steht (ngrok local agent). Nur für lokale Entwicklung verwenden.
• Ngrok Free-Tier-URLs können sich ändern oder Zwischenseiten hinzufügen; wenn publicUrl abweicht, schlagen Twilio-Signaturen fehl. Für Produktion empfehlen wir eine stabile Domain oder Tailscale Funnel.

TTS für Anrufe

Voice Call verwendet die zentrale messages.tts Konfiguration (OpenAI oder ElevenLabs) für Streaming-Sprache bei Anrufen. Du kannst sie in der Plugin-Konfiguration mit der gleichen Struktur überschreiben — sie wird mit messages.tts tief zusammengeführt.

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

Hinweise:

• Edge TTS wird für Sprachanrufe ignoriert (Telefonie-Audio benötigt PCM; Edge-Output ist unzuverlässig).
• Die zentrale TTS wird verwendet, wenn Twilio Media Streaming aktiviert ist; andernfalls fallen Anrufe auf die nativen Stimmen des Providers zurück.

Weitere Beispiele

Nur zentrale TTS verwenden (keine Überschreibung):

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

Nur für Anrufe auf ElevenLabs überschreiben (zentrale Standardeinstellung bleibt anderswo):

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

Nur das OpenAI-Modell für Anrufe überschreiben (Deep-Merge-Beispiel):

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

Eingehende Anrufe

Die Richtlinie für eingehende Anrufe ist standardmäßig auf disabled gesetzt. Um eingehende Anrufe zu aktivieren, setze:

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

Automatische Antworten verwenden das Agent-System. Anpassbar über:

• responseModel
• responseSystemPrompt
• responseTimeoutMs

CLI

openclaw voicecall call --to "+15555550123" --message "Hello from OpenClaw"
openclaw voicecall continue --call-id <id> --message "Any questions?"
openclaw voicecall speak --call-id <id> --message "One moment"
openclaw voicecall end --call-id <id>
openclaw voicecall status --call-id <id>
openclaw voicecall tail
openclaw voicecall expose --mode funnel

Agent Tool

Tool-Name: voice_call

Aktionen:

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

Dieses Repo enthält eine passende Skill-Dokumentation unter skills/voice-call/SKILL.md.

Gateway RPC

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