在 Wixzel Voice 的 sarvam 引擎上打造印地語與馬拉雅拉姆語電話代理

開始之前需要準備什麼？

• 一把有點數的 Wixzel Voice API 金鑰，匯出為 WIXZEL_API_KEY。
• 一個上面有號碼的 SIP 中繼。印度號碼可使用 Exotel 或 Vobiz 等電信業者，並完成 KYC 及必要的 DLT 註冊：未完成這些手續的帳號即使有餘額，所有外撥通話仍可能被擋下。
• curl、jq 和 uuidgen。

如何在 Wixzel Voice 上逐步打造？

1. 01查看引擎支援的語言與語音

   向 API 查詢，不要把任何一份清單寫死：

   shell複製

   curl https://api.voice.wixzel.com/v1/engines/sarvam/languages \
     -H "Authorization: Bearer $WIXZEL_API_KEY"
   
   curl https://api.voice.wixzel.com/v1/engines/sarvam/voices \
     -H "Authorization: Bearer $WIXZEL_API_KEY"

   語言端點目前回傳 11 個代碼：en-IN、hi-IN、bn-IN、gu-IN、kn-IN、ml-IN、mr-IN、od-IN、pa-IN、ta-IN、te-IN。印地語是 hi-IN，馬拉雅拉姆語是 ml-IN。語音是 Bulbul v3 的說話者名稱，例如 priya、kavya 和 shubh；Sarvam 只公布名稱，沒有其他說明，因此請先試聽再選擇。

2. 02建立印地語代理

   語言由三項設定決定。voice.stt.language 將辨識和語音固定為印地語；代理的 language 告訴模型用印地語回覆；提示詞和開場白則照代理應有的說話方式來寫。三個階段都是 Sarvam 模型，因為語音轉文字供應商決定了管線，另外兩個階段必須來自同一系列。

   shell複製

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Hindi reception",
       "language": "hi-IN",
       "system_prompt": "You answer the phone for Sharma Dental Clinic, in Hindi. Speak the everyday Hindi callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "नमस्ते, शर्मा डेंटल क्लिनिक में आपका स्वागत है। बताइए, मैं आपकी क्या मदद करूँ?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "hi-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "priya" }
       }
     }'

   將回應中的 id 記為 HINDI_AGENT_ID。引擎不支援的語言或語音會在建立代理時被拒絕，錯誤訊息中會列出有效的選項。

3. 03建立馬拉雅拉姆語代理

   結構相同，兩處都改為 ml-IN，並使用馬拉雅拉姆語開場白：

   shell複製

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Malayalam reception",
       "language": "ml-IN",
       "system_prompt": "You answer the phone for a dental clinic in Kochi, in Malayalam. Speak the everyday Malayalam callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "നമസ്കാരം, കൊച്ചി ഡെന്റൽ ക്ലിനിക്കിലേക്ക് സ്വാഗതം. ഞാൻ എങ്ങനെ സഹായിക്കാം?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "ml-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "kavya" }
       }
     }'

   將這個 id 記為 MALAYALAM_AGENT_ID。一個代理只說一種語言：sarvam 引擎沒有自動偵測模式，因此要同時服務兩群來電者，來電方面需要每種語言各一個號碼，外撥方面則每通電話選擇對應的代理。

4. 04導入來電，或撥出一通

   將印地語代理指派給某個號碼接聽來電，或用馬拉雅拉姆語代理撥給某人：

   shell複製

   # Inbound: calls to this number reach the Hindi agent
   jq -n --arg agent "$HINDI_AGENT_ID" '{inbound_agent_id: $agent}' |
     curl -X PATCH https://api.voice.wixzel.com/v1/phone-numbers/$NUMBER_ID \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Content-Type: application/json" \
       -d @-
   
   # Outbound: the Malayalam agent rings $TO (E.164, for example +91 and ten digits)
   jq -n --arg to "$TO" --arg agent "$MALAYALAM_AGENT_ID" --arg from "$NUMBER_ID" \
     '{to: $to, agent_id: $agent, from_number_id: $from}' |
     curl https://api.voice.wixzel.com/v1/calls \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Idempotency-Key: $(uuidgen)" \
       -H "Content-Type: application/json" \
       -d @-

   POST /v1/calls 必須帶 Idempotency-Key：使用相同金鑰重試時，會回傳原本的通話，而不會撥打兩次。

5. 05用來電者真正的說話方式測試

   大多數來電者會在印地語或馬拉雅拉姆語中夾雜英文：日期、數字、品牌名稱，以及「appointment」、「cancel」這類詞。Sarvam 的模型在其能力範圍內能處理像 Hinglish 這樣的混雜語言，因此提示詞應允許這種說法，而不是禁止。

   代理無法做到的是跟上完全改說另一種印度語言的來電者，因為辨識語言在通話開始時就固定為 voice.stt.language。在導入正式流量前，先用真實的說法撥打幾通電話，並從 GET /v1/calls/{id} 的逐字稿查看系統聽到了什麼。

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？

• 每個代理一種語言。sarvam 引擎沒有自動語言偵測，完全改說另一種語言的來電者無法被跟上。
• 通話期間，Sarvam 在印度處理語音和文字。通話紀錄、逐字稿和任何錄音都儲存在印度的伺服器上。
• Bulbul 語音只有名稱，沒有性別或口音說明。試聽需要撥打測試通話，這會撥打真實電話並消耗點數。
• 印度電信業者對外撥通話設有 KYC 門檻，且常需要 DLT 註冊。因此被電信業者擋下的通話會在電信業者端失敗，平台端無法修正。
• 每個帳號預設最多可同時進行五通通話，可申請提高上限。