语音通话（OpenAI Realtime）

通过您的 OpenClaw agent 拨打真实电话。您可以要求它预订餐厅、查询店铺营业时间、预约服务等——agent 将自动拨号、全程处理对话，并以结构化形式返回结果。

基于 OpenAI Realtime API 实现单模型端到端语音对语音交互，响应延迟约为 200–300 毫秒。无需单独的语音识别（STT）或语音合成（TTS）模块——全部由一个模型完成。

配置

该能力需要一个 Twilio 账户及具备 Realtime API 访问权限的 OpenAI API 密钥。

1. 在插件配置中设置凭证（可通过 OpenClaw 设置界面或 openclaw.json 文件）：

   • twilio.accountSid — 您的 Twilio Account SID
   • twilio.authToken — 您的 Twilio Auth Token
   • fromNumber — 一个支持语音功能的 Twilio 电话号码（E.164 格式，例如 +17075551234）
   • openai.apiKey — 您的 OpenAI API 密钥
   • publicUrl — 一个可公开访问的 HTTPS 地址（默认指向插件服务器的 3335 端口），必须为公网地址，不可为 localhost、私有网络或内网地址。

2. 配置隧道服务（如 Cloudflare Tunnel、ngrok、Tailscale Funnel 等），确保 Twilio 能够访问到插件的 Webhook 服务器。

3. 验证配置是否生效：

openclaw voicecall-rt status

使用方法

只需向您的 agent 明确说明要拨打的号码及目的即可：

“请拨打 Tony's Pizza 的电话 +14155551234，为周五晚上 7 点预订一张四人桌。”

“请拨打理发店电话 +14155559876，预约周六上午的剪发服务。”

“请拨打 +14155550000，询问他们是否有 iPhone 16 Pro 现货。”

agent 将为语音 AI 生成系统提示词（system prompt），自动拨号，并由语音 AI 全权自主完成后续对话——包括导航语音菜单（DTMF）、识别语音信箱，以及最终汇总并上报结果。本插件内置安全防护机制，会对提示词进行合规性约束，并阻止任何冒用身份等欺骗性行为。

命令行接口（CLI）

openclaw voicecall-rt call -n +14155551234 -t "查询店铺营业时间"
openclaw voicecall-rt status
openclaw voicecall-rt active

呼入通话（Inbound calls）

可选功能：启用 inbound.enabled 并配置策略（open 或 allowlist）后，即可接收外部来电。默认为禁用状态。

费用

总计 $0.31/分钟（$0.06 OpenAI 输入费用 + 约 $0.24 OpenAI 输出费用 + 约 $0.014 Twilio 费用）。一次典型的 5 分钟通话费用约为 $1.55。

注意事项

• 语音 AI 采用“先听后说”（listen first）策略，在对方开口说话前保持静默，避免接通瞬间出现尴尬的语音重叠。
• 服务端默认仅绑定至 127.0.0.1，仅通过您配置的隧道对外暴露。
• 默认最大并发通话数为 5 路（可通过配置项 calls.maxConcurrent 自定义调整）。
• 启用调试模式（debug: true）后，将开启通话录音、详细日志输出及延迟指标统计；请注意，录音与转录文本中可能包含敏感信息。