Wixzel VoiceのAPIでGemini Liveを実際の電話につなぐ

始める前に何が必要ですか？

• クレジットのあるWixzel VoiceのAPIキー。最低チャージ額は$5です。
• 通信事業者のSIPトランクと、そのトランク上の番号。通信事業者が発信者番号としての表示を認めている番号が必要です。
• curl、jq、uuidgen。

Wixzel Voiceでこれを構築する手順は？

1. 01SIPトランクを接続する

   キーとAPIのベースURLを一度設定してから、トランクを作成します。ID以外に2つの値が必要なので、teeでレスポンス全体を保存しておきます。

   shellコピー

   export WIXZEL_API_KEY="wv_live_..."
   API=https://api.voice.wixzel.com/v1
   
   TRUNK_ID=$(curl -s $API/sip-trunks \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "My carrier",
       "host": "sip.your-carrier.example",
       "username": "your-sip-username",
       "password": "your-sip-password"
     }' | tee trunk.json | jq -r .id)
   
   jq -r '.platform_ip, .origination_uri' trunk.json

   通信事業者がIPで認証する場合は、usernameとpasswordを省略します。いずれの場合も、通信事業者がプラットフォームからの通話を受け付けるようにplatform_ipを許可リストに追加してください。origination_uriは通信事業者が着信を送る先で、このガイドでは使いません。

2. 02発信に使う番号を登録する

   ご自身の番号をE.164形式で指定します。

   shellコピー

   NUMBER_ID=$(jq -n --arg trunk "$TRUNK_ID" \
     '{phone_number: "+14155550100", sip_trunk_id: $trunk}' |
     curl -s $API/phone-numbers \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Content-Type: application/json" \
       -d @- | jq -r .id)

3. 03Gemini Liveのエージェントを作成する

   音声は3つの段ではなく、1つのリアルタイムモデルです。

   shellコピー

   AGENT_ID=$(jq -n --arg number "$NUMBER_ID" '{
       name: "Gemini Live",
       system_prompt: "You are a friendly assistant on a phone call. Keep answers to one or two sentences.",
       opening_message: "Hi, this is an automated assistant. Do you have a minute?",
       outbound_phone_number_id: $number,
       voice: { realtime: { model: "google/gemini-live", voice: "Charon" } }
     }' |
     curl -s $API/agents \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Content-Type: application/json" \
       -d @- | jq -r .id)

   voice.realtimeは、聞く、考える、話すというターン全体をGemini Liveに任せるため、stt、llm、ttsのブロックはありません。両方の形を指定した音声はAPIに拒否されます。CharonはGeminiのプリセット音声の1つで、GET /v1/engines/gemini_live/voicesで、Googleによる一語の説明付きですべて一覧できます。

   outbound_phone_number_idはエージェントに発信者番号を設定します。これにより、次のリクエストでfrom_number_idを省略できます。

4. 04発信する

   toの番号を、鳴らしたい電話の番号に置き換えます。

   shellコピー

   CALL_ID=$(jq -n --arg agent "$AGENT_ID" '{to: "+14155551234", agent_id: $agent}' |
     curl -s $API/calls \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Idempotency-Key: $(uuidgen)" \
       -H "Content-Type: application/json" \
       -d @- | jq -r .id)

   APIはすぐに201とstatus: "queued"を返し、少しして電話が鳴ります。ここではIdempotency-Keyが必須です。ネットワークのタイムアウトでは通話が発信されたかどうかがわかりませんが、同じキーで再試行すれば、二重に発信せずに最初の通話が返されます。再試行をスクリプトで行う場合はキーを保持しておいてください。最初の15秒分の料金を確保できない通話は、発信前に402で拒否されます。

5. 05結果を確認する

   5つ目のリクエストで通話を読み取ります。

   shellコピー

   curl -s $API/calls/$CALL_ID \
     -H "Authorization: Bearer $WIXZEL_API_KEY" | jq

   Example response, shortenedコピー

   {
     "id": "6a96a3ead6e886d42462dd3e",
     "object": "call",
     "session_id": "sip-5b0c7c0e-9d1f-4c52-8a9e-2f0d3a4b6c7d",
     "status": "completed",
     "direction": "outbound",
     "channel": "phone",
     "engine": "gemini_live",
     "to": "+14155551234",
     "duration_seconds": 94,
     "cost_micros": 76923,
     "failure_code": null,
     "failure_reason": null,
     "transcript": [
       { "role": "assistant", "content": "Hi, this is an automated assistant. Do you have a minute?" },
       { "role": "user", "content": "Sure, go ahead." }
     ]
   }

   statusはqueuedからringing、in-progressを経てcompletedになるか、failed、busy、no-answerのいずれかで終わります。cost_microsは通話の精算時に書き込まれ（1,000,000が$1.00）、接続されなかった通話は課金されないためnullのままです。通話が失敗した場合、failure_codeは通信事業者のQ.850原因コード（17は話し中、19は応答なし、21は通信事業者による拒否）で、failure_reasonには対処方法が書かれています。GET /v1/usage/events?session_id=…ですべての料金の内訳を確認できます。

Wixzel Voiceでこの構築にかかる費用は？

この構築に関係するWixzel Voiceの制限は？

• 電話をかけるには、ご自身のSIPトランクが必要です。Wixzel Voiceは電話番号の販売、ポーティング、保有を行いません。コンソールから接続したTwilio、Telnyx、Plivo、Vobiz、Vonageのアカウントでは、番号を代わりに購入でき、料金は通信事業者から請求されます。
• POST /v1/agents/{id}/test-callによるテスト通話は、1つのフレーズをclassicの音声パイプラインで話します。Gemini Liveには1フレーズだけ話すモードがないためです。Geminiの音声そのものを聞くには、通常の通話を発信してください。
• デフォルトでは、1アカウントあたり同時に5件まで通話でき、申請により引き上げられます。
• レイテンシの数値は公表していません。リアルタイムエンジンの応答速度は、モデル自体の速度で決まります。Wixzel Voiceの動作の変更は、日付付きのWixzel-Versionヘッダーで切り替える形でリリースされます。