音声とテレフォニー

リアルタイムの音声入出力。4つのチャネルがマトリクスをカバーします。すなわち、着信通話、ローカルマイクのウェイク、発信音声合成、そしてSIPグレードのリアルタイム会話です。

ClawdTalk（リアルタイム SIP）

Telnyx を利用した全二重 SIP 音声。エージェントは実際の通話（着信または発信）で会話します。バージイン、ターン中のツール使用、地域別の電話番号プロビジョニングをサポートします。

zeroclaw config set channels.clawdtalk.<alias>.allowed_destinations <value>

export ZEROCLAW_channels__clawdtalk__<alias>__allowed_destinations=

zeroclaw config set channels.clawdtalk.<alias>.api_key <value>

export ZEROCLAW_channels__clawdtalk__<alias>__api_key=

zeroclaw config set channels.clawdtalk.<alias>.connection_id <value>

export ZEROCLAW_channels__clawdtalk__<alias>__connection_id=

zeroclaw config set channels.clawdtalk.<alias>.excluded_tools <value>

export ZEROCLAW_channels__clawdtalk__<alias>__excluded_tools=

zeroclaw config set channels.clawdtalk.<alias>.from_number <value>

export ZEROCLAW_channels__clawdtalk__<alias>__from_number=

zeroclaw config set channels.clawdtalk.<alias>.webhook_secret <value>

export ZEROCLAW_channels__clawdtalk__<alias>__webhook_secret=

api_key（Telnyx）と webhook_secret はシークレットです:

channels.clawdtalk.<alias>.api_key は機密情報です。 暗号化して保存され、平文の config.toml には保存されません。書き込み時に暗号化する次のいずれかの方法で設定してください。

zeroclaw config set channels.clawdtalk.<alias>.api_key    # マスク入力のプロンプトを表示し、暗号化して保存

組み合わせ: ブレインには telnyx モデルプロバイダーを使用し、Telnyx アカウントに ZeroClaw ゲートウェイを指す正しい webhook URL を設定した SIP 接続があることを確認してください。

音声通話（Twilio / Telnyx / Plivo）

従来型キャリア音声：エージェントが応答し、発信者の音声を文字起こしし、TTSで返答します。ClawdTalkよりもレイテンシーは高くなりますが、通常の電話番号であればどれでも利用でき、SIPトランクのプロビジョニングも不要です。発信通話はfrom_numberに対して行われ、require_outbound_approvalが有効な場合はオペレーターの承認が必要です。

zeroclaw config set channels.voice_call.<alias>.account_id <value>

export ZEROCLAW_channels__voice_call__<alias>__account_id=

zeroclaw config set channels.voice_call.<alias>.auth_token <value>

export ZEROCLAW_channels__voice_call__<alias>__auth_token=

zeroclaw config set channels.voice_call.<alias>.excluded_tools <value>

export ZEROCLAW_channels__voice_call__<alias>__excluded_tools=

zeroclaw config set channels.voice_call.<alias>.from_number <value>

export ZEROCLAW_channels__voice_call__<alias>__from_number=

zeroclaw config set channels.voice_call.<alias>.max_call_duration_secs <value>

export ZEROCLAW_channels__voice_call__<alias>__max_call_duration_secs=

zeroclaw config set channels.voice_call.<alias>.model_provider <value>

export ZEROCLAW_channels__voice_call__<alias>__model_provider=

zeroclaw config set channels.voice_call.<alias>.require_outbound_approval <value>

export ZEROCLAW_channels__voice_call__<alias>__require_outbound_approval=

zeroclaw config set channels.voice_call.<alias>.transcription_logging <value>

export ZEROCLAW_channels__voice_call__<alias>__transcription_logging=

zeroclaw config set channels.voice_call.<alias>.tts_voice <value>

export ZEROCLAW_channels__voice_call__<alias>__tts_voice=

zeroclaw config set channels.voice_call.<alias>.webhook_base_url <value>

export ZEROCLAW_channels__voice_call__<alias>__webhook_base_url=

zeroclaw config set channels.voice_call.<alias>.webhook_port <value>

export ZEROCLAW_channels__voice_call__<alias>__webhook_port=

音声ウェイク（ローカルウェイクワード）

ローカルで実行され、マイクを監視し、ウェイクフレーズを認識するとエージェントの対話を開始します。以下に有用です：

• SBC上の物理的な音声アシスタント
• デスクトップの「ホットワード → 問い合わせ」ワークフロー
• 常時リスニング型のホームオートメーションエージェント

エージェントは音声をどこにも送信しません。ウェイク検出はローカルで行われます。LLM に到達する前に、ウェイク後の発話のみがキャプチャされ、（個別に）文字起こしされます。

zeroclaw config set channels.voice_wake.<alias>.energy_threshold <value>

export ZEROCLAW_channels__voice_wake__<alias>__energy_threshold=

zeroclaw config set channels.voice_wake.<alias>.excluded_tools <value>

export ZEROCLAW_channels__voice_wake__<alias>__excluded_tools=

zeroclaw config set channels.voice_wake.<alias>.max_capture_secs <value>

export ZEROCLAW_channels__voice_wake__<alias>__max_capture_secs=

zeroclaw config set channels.voice_wake.<alias>.silence_timeout_ms <value>

export ZEROCLAW_channels__voice_wake__<alias>__silence_timeout_ms=

zeroclaw config set channels.voice_wake.<alias>.wake_word <value>

export ZEROCLAW_channels__voice_wake__<alias>__wake_word=

ビルドフラグ: Voice Wake は zeroclaw-channels の voice-wake Cargo feature によって有効化されます。含めるには --features voice-wake を指定してビルドします。Android では、Voice Wake に Android 8（API レベル 26）以降が必要です。

TTS（発信音声合成）

TTSは、チャネルが呼び出す出力サービスであり、独自の受信チャネルではありません。グローバルなデフォルトはttsの配下にあります。TTSプロバイダーのインスタンスはproviders.tts.<type>.<alias>（OpenAI、ElevenLabs、Google、Edge、Piper）の配下に設定し、エージェントのtts_providerによってエージェントごとに選択します。プロバイダーのエントリーとエージェントごとの接続については、モデルプロバイダーを参照してください。プロバイダーのAPIキーはシークレットです。プレーンテキストではなく、ゲートウェイ、zerocode、またはzeroclaw config setを通じて設定してください。

レイテンシ予算

Speech はエンドツーエンドで約 500 ms 以下の場合、リアルタイムに感じられます。実用的な予算:

ClawdTalkは、オーディオストリームをライブ状態に保つことで、これらの処理をいくつかスキップします。通常のvoice_callでは、STT + LLM + TTSが順次実行されます。

STT

音声テキスト変換は音声チャンネルとは別に設定します。設定リファレンスの[transcription]設定を参照してください。音声チャンネルは、音声をテキストに変換する必要があるときに、アクティブな文字起こしプロバイダーを呼び出します。

ハードウェアのノート

SBC での常時オン音声の場合:

• USBマイク: UAC準拠のマイクであれば動作します。OSがマイクを認識しているか確認するには arecord -l を実行します。
• スピーカー: USBオーディオ出力またはSBCのオンボードジャックのいずれか。デーモンが実行されるユーザーのOSデフォルトデバイスを選択してください。
• 内蔵AEC（音響エコーキャンセレーション）を備えたマイクは、スピーカーが近くにある場合のウェイク信頼性を大幅に向上させます。

Android固有のオーディオ設定については、Hardware → Android を参照してください。