Плагин SIP Voice

v1.0.x · обновлено 2026-07-21

SIP Voice выводит вашего агента на телефон. Он принимает и совершает реальные звонки через SIP-транк, совместимый с требованиями плагина к кодекам, DTMF и маршрутизации, ведёт живую речевую обработку во время разговора и по завершении отдаёт запись и итог звонка. Он оператор-нейтрален: говорит на стандартном SIP, без привязки к конкретному вендору — направьте его на транк вашего провайдера телефонии, предварительно проверив совместимость.

Плагин работает напрямую в Linux (без контейнеров) и связывает baresip (SIP/RTP-endpoint), аудиотракт через ALSA loopback и небольшой Python-мост, который перекладывает аудио между звонком и голосовой обработкой шлюза. Общается со шлюзом по контракту aihummer.service.v1. Поведение канала для конечного пользователя — на странице канала SIP; эта страница про сам плагин.

Факты

Поле	Значение
Версия	25.1.0
Порт health	8830
SIP listen	5062
Управление baresip	4444
Среда	baresip + ALSA loopback + Python-мост, без контейнеров

Что это такое

Мост между телефонным звонком и обработкой запроса AiHummer. Когда звонок соединён, аудио идёт от baresip через ALSA loopback в Python-мост, который выполняет цикл распознавание речи → обработка запроса агентом → синтез речи и проигрывает ответ обратно в звонок. Доступны два речевых движка:

yandex — облачный речевой движок реального времени.
local — встроенный тракт: локальное распознавание через faster-whisper и синтез через внешний сервис edge-tts. Для полностью автономного тракта замените TTS на локальный движок.

Как используется

Во время звонка агент может не только говорить:

ask_assistant — обращение к ассистенту: выполнить обработку запроса в звонке, чтобы ответить звонящему (это не перевод звонка на человека-оператора).
send_dtmf — отправить DTMF-тоны (например, пройти IVR или ввести код).
запись — записать аудио звонка.
barge-in — позволить звонящему естественно перебивать речь агента.
итог после звонка — сформировать резюме по завершении.

звонящий ─▶ SIP-транк ─▶ baresip ─▶ ALSA loopback ─▶ мост ─▶ STT ─▶ обработка агентом ─▶ TTS ─▶ звонящий

Границы возможностей

[!WARNING] Плагин SIP поддерживает только STT, TTS, barge-in, DTMF и запись. Он не обеспечивает перевод речи — это отдельная возможность ядра (см. Перевод речи и видео), и она не входит в тракт SIP-звонка. Не рассчитывайте на неё в телефонном звонке.

Установка

Установите SIP Voice в один клик из маркетплейса в админ-панели. Deployer скачивает плагин, выполняет шаг установки, генерирует изолированный systemd-юнит и считает установку успешной только после ответа /healthz — см. Установка и обновления. Затем вы настраиваете учётные данные SIP-транка и выбираете движок yandex или local.

[!TIP] Движок local не требует платного речевого API-ключа: распознавание (faster-whisper) выполняется на вашем хосте. Учтите, что edge-tts обращается к онлайн-сервису Microsoft Edge — текст для синтеза покидает ваш контур; для полностью автономного тракта подключите локальный TTS-движок.

Безопасность и ограничения

Оператор-нейтральный транк. Стандартный SIP, без привязки к конкретному вендору; проверьте совместимость кодеков, DTMF и маршрутизации.
Объём — STT/TTS/DTMF/запись/barge-in. Без перевода речи в тракте звонка (это возможность ядра).
Без контейнеров. baresip, loopback и мост работают под systemd, не в контейнере.
Запись включается явно. Запись и итоги после звонка — функции, которые вы включаете; обращайтесь с аудио звонков согласно вашим правилам согласия и хранения.