用 Wixzel Voice API 讓 Gemini Live 進行真實電話通話

開始之前需要準備什麼？

• 一把有點數的 Wixzel Voice API 金鑰。最低儲值金額為 $5。
• 電信業者的 SIP 中繼，以及其上一個電信業者允許您作為來電顯示的號碼。
• curl、jq 和 uuidgen。

如何在 Wixzel Voice 上逐步打造？

1. 01連接您的 SIP 中繼

   先設定一次金鑰和 API 基底網址，然後建立中繼。tee 會保留完整回應，因為除了 id 之外，您還需要其中兩個值：

   shell複製

   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

   如果電信業者以 IP 授權，請省略 username 和 password。無論哪種方式，都要在電信業者端將 platform_ip 加入允許清單，讓它接受來自平台的通話；origination_uri 是電信業者應轉送來電的位置，本指南用不到。

2. 02登記您用來撥出的號碼

   使用您自己的號碼，格式為 E.164：

   shell複製

   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. 03建立 Gemini Live 代理

   語音由一個即時模型負責，而不是三個階段：

   shell複製

   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 將整個對話回合（聆聽、推理和說話）交給 Gemini Live，因此沒有 stt、llm 或 tts 區塊；同時指定兩種結構的語音會被 API 拒絕。Charon 是 Gemini 的預建語音之一，GET /v1/engines/gemini_live/voices 會列出全部語音，並附上 Google 的一詞描述。

   outbound_phone_number_id 為代理指定來電顯示號碼，因此下一個請求可以省略 from_number_id。

4. 04撥出電話

   將 to 號碼換成您要撥打的電話：

   shell複製

   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 會立即回應 201 和 status: "queued"，電話會在片刻後響起。這裡必須帶 Idempotency-Key：網路逾時無法告訴您通話是否已撥出，而使用相同金鑰重試會回傳原本的通話，不會撥打兩次，所以如果您以腳本重試，請保留這把金鑰。無法支付前 15 秒費用的通話，會在撥號前以 402 被拒絕。

5. 05查看發生了什麼

   第五個請求讀回這通電話：

   shell複製

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

   Example response, shortened複製

   {
     "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 會從 queued 經過 ringing 和 in-progress 變為 completed，或以 failed、busy 或 no-answer 結束。cost_micros 在通話結算時寫入（1,000,000 為 $1.00），未接通的通話則維持 null，因為這種通話不收費。通話失敗時，failure_code 是電信業者的 Q.850 原因碼（17 忙線、19 無人接聽、21 遭電信業者拒絕），failure_reason 則說明該如何處理。GET /v1/usage/events?session_id=… 會逐項列出每筆費用。

在 Wixzel Voice 上打造這個要花多少錢？

這個實作適用哪些 Wixzel Voice 限制？

• 撥打電話需要您自己的 SIP 中繼。Wixzel Voice 不販售、不攜碼也不持有號碼。它可以在您從主控台連接的 Twilio、Telnyx、Plivo、Vobiz 或 Vonage 帳號上為您購買號碼，由您的電信業者計費。
• 由 POST /v1/agents/{id}/test-call 發起的測試通話，會透過 classic 語音管線說出那一句話，因為 Gemini Live 沒有單句模式。若要聽 Gemini 本身的語音，請撥打一般通話。
• 每個帳號預設最多可同時進行五通通話，可申請提高上限。
• 未公布延遲數據：即時引擎的回應速度取決於模型本身。Wixzel Voice 的行為變更一律透過附日期的 Wixzel-Version 標頭推出。