SIP रेफरेंस

अवलोकन

SIP ट्रंकिंग आपके मौजूदा टेलीफोनी इन्फ्रास्ट्रक्चर को ElevenLabs Agents से जोड़ती है। इसे कॉन्फ़िगर करने में ऐसे प्रोटोकॉल, नेटवर्क सेटिंग्स और ऑडियो फ़ॉर्मैट शामिल होते हैं, जिनकी अपनी विशेष शब्दावली होती है।

यह पेज इन शब्दों को आसान भाषा में समझाता है। SIP ट्रंकिंग गाइड पढ़ते समय या कनेक्शन की समस्या हल करते समय इसे सहायक संदर्भ के रूप में इस्तेमाल करें।

शब्दों को इन श्रेणियों में बांटा गया है:

• प्रोटोकॉल — सिग्नलिंग और ऑडियो को ले जाने वाले मानक।
• ट्रांसपोर्ट और नेटवर्किंग — पैकेट सिस्टमों के बीच कैसे जाते हैं।
• इन्फ्रास्ट्रक्चर कॉम्पोनेंट्स — कॉल संभालने वाले सिस्टम।
• कॉल सिग्नलिंग — कॉल शुरू और खत्म करने वाले संदेश।
• ऑथेंटिकेशन और सुरक्षा — कनेक्शन कैसे सत्यापित और एन्क्रिप्ट किए जाते हैं।
• ऑडियो और कोडेक्स — स्पीच कैसे एन्कोड और ट्रांसमिट होती है।
• एड्रेसिंग और रूटिंग — कॉल अपने गंतव्य तक कैसे पहुंचती हैं।
• ElevenLabs कॉन्फ़िगरेशन — ElevenLabs डैशबोर्ड से जुड़ी सेटिंग्स।

प्रोटोकॉल

SIP (सेशन इनिशिएशन प्रोटोकॉल)

वॉइस कॉल जैसे रीयल-टाइम कम्युनिकेशन सेशन शुरू करने, बदलने और खत्म करने वाला सिग्नलिंग प्रोटोकॉल। SIP तय करता है कि कौन किसे कॉल कर रहा है और ऑडियो का आदान-प्रदान कैसे होगा, लेकिन यह खुद ऑडियो को नहीं ले जाता। इसे RFC 3261 में परिभाषित किया गया है।

SDP (सेशन डिस्क्रिप्शन प्रोटोकॉल)

SIP संदेशों के भीतर भेजा जाने वाला टेक्स्ट फ़ॉर्मैट, जो कॉल के मीडिया का विवरण देता है: हर पक्ष किन कोडेक्स को सपोर्ट करता है, ऑडियो स्ट्रीम के IP एड्रेस और पोर्ट, और एन्क्रिप्शन पैरामीटर। ऑडियो शुरू होने से पहले दोनों एंडपॉइंट्स SDP का इस्तेमाल करके एक सामान्य कॉन्फ़िगरेशन पर सहमति बनाते हैं।

RTP (रियल-टाइम ट्रांसपोर्ट प्रोटोकॉल)

SIP द्वारा कॉल सेट अप होने के बाद कॉल का वास्तविक ऑडियो ले जाने वाला प्रोटोकॉल। RTP पैकेट लगातार स्ट्रीम के रूप में चलते हैं और देरी व नुकसान के प्रति संवेदनशील होते हैं, इसलिए ऑडियो क्वालिटी नेटवर्क की स्थिति पर निर्भर करती है।

SRTP (सिक्योर RTP)

RTP का एन्क्रिप्टेड वर्शन। मीडिया एन्क्रिप्शन चालू होने पर ऑडियो स्ट्रीम को SRTP से सुरक्षित किया जाता है, ताकि ट्रांज़िट के दौरान उसे इंटरसेप्ट न किया जा सके। एन्क्रिप्टेड मीडिया के काम करने के लिए दोनों एंडपॉइंट्स को SRTP सपोर्ट करना चाहिए।

RTCP (RTP कंट्रोल प्रोटोकॉल)

RTP का सहायक प्रोटोकॉल, जो पैकेट लॉस और जिटर जैसे आंकड़े रिपोर्ट करता है, जिससे एंडपॉइंट्स कॉल क्वालिटी मॉनिटर कर सकते हैं।

ट्रांसपोर्ट और नेटवर्किंग

UDP (यूज़र डेटाग्राम प्रोटोकॉल)

तेज़, कनेक्शनलेस ट्रांसपोर्ट, जो डिलीवरी या क्रम की गारंटी के बिना पैकेट भेजता है। RTP ऑडियो UDP पर भेजा जाता है, क्योंकि लाइव स्पीच के लिए परफेक्ट डिलीवरी से कम लेटेंसी ज़्यादा महत्वपूर्ण है।

TCP (ट्रांसमिशन कंट्रोल प्रोटोकॉल)

कनेक्शन-ओरिएंटेड ट्रांसपोर्ट, जो क्रमबद्ध और भरोसेमंद डिलीवरी की गारंटी देता है। ElevenLabs पोर्ट 5060 पर SIP सिग्नलिंग के लिए TCP सपोर्ट करता है।

TLS (ट्रांसपोर्ट लेयर सिक्योरिटी)

TCP के ऊपर चलने वाली एन्क्रिप्शन लेयर। TLS ट्रांसपोर्ट SIP सिग्नलिंग को एन्क्रिप्ट करता है, ताकि क्रेडेंशियल्स और कॉल मेटाडेटा को ट्रांज़िट के दौरान पढ़ा न जा सके। ElevenLabs पोर्ट 5061 पर सिग्नलिंग के लिए TLS सपोर्ट करता है।

MTU (मैक्सिमम ट्रांसमिशन यूनिट)

बाइट्स में सबसे बड़ा पैकेट साइज़, जिसे नेटवर्क लिंक छोटे हिस्सों में बांटे बिना ले जा सकता है। जब UDP पर कोई SIP संदेश MTU से बड़ा होता है, तो वह फ़्रैगमेंट हो सकता है या ड्रॉप हो सकता है, जिससे कॉल सेटअप विफल हो सकता है। TCP या TLS पर भेजी गई SIP सिग्नलिंग इस समस्या से बचती है, क्योंकि ये ट्रांसपोर्ट बड़े संदेशों को भरोसेमंद तरीके से संभालते हैं।

NAT (नेटवर्क एड्रेस ट्रांसलेशन)

राउटर्स द्वारा प्राइवेट नेटवर्क के कई डिवाइसों के बीच एक पब्लिक IP एड्रेस शेयर करने की तकनीक। NAT RTP ऑडियो को सही डिवाइस तक पहुंचने से रोक सकता है, जो वन-वे या गायब ऑडियो का आम कारण है।

लेटेंसी

ऑडियो भेजे जाने और प्राप्त होने के बीच की देरी। ज़्यादा लेटेंसी से बातचीत अस्वाभाविक लगती है, क्योंकि हर पक्ष को दूसरे की आवाज़ सुनने के लिए ज़्यादा इंतज़ार करना पड़ता है।

जिटर

ऑडियो पैकेट के पहुंचने के समय में अंतर। कुल लेटेंसी स्वीकार्य होने पर भी ज़्यादा जिटर से ऑडियो रुक-रुक कर या विकृत सुनाई देता है।

पैकेट लॉस

उन ऑडियो पैकेट का प्रतिशत जो कभी पहुंचते ही नहीं हैं। पैकेट लॉस की छोटी मात्रा भी ऑडियो क्वालिटी खराब करती है, क्योंकि RTP खोए हुए पैकेट दोबारा नहीं भेजता।

पोर्ट

IP एड्रेस पर एक नंबर वाला एंडपॉइंट, जो किसी खास सेवा की पहचान करता है। SIP सिग्नलिंग TCP के लिए पोर्ट 5060 और TLS के लिए 5061 का उपयोग करती है; RTP मीडिया आमतौर पर डायनामिक रूप से असाइन किए गए पोर्ट की बड़ी रेंज इस्तेमाल करता है।

इन्फ्रास्ट्रक्चर कॉम्पोनेंट्स

SBC (सेशन बॉर्डर कंट्रोलर)

नेटवर्क के किनारे स्थित डिवाइस या सेवा, जो SIP ट्रैफ़िक को मैनेज और सुरक्षित करती है। SBC अनधिकृत एक्सेस से सुरक्षा, प्रोटोकॉल को अलग तरह से लागू करने वाले सिस्टमों के बीच SIP संदेशों को सामान्य बनाना, और NAT ट्रैवर्सल मैनेज करने जैसे काम करता है। कई SIP ट्रंक प्रोवाइडर अपने नेटवर्क और आपके नेटवर्क के बीच SBC रखते हैं।

PBX (प्राइवेट ब्रांच एक्सचेंज)

प्राइवेट टेलीफोन सिस्टम, जो किसी संगठन के भीतर कॉल रूट करता है और उन्हें बाहरी लाइनों से जोड़ता है। SIP-सक्षम PBX, SIP ट्रंक के जरिए ElevenLabs से कनेक्ट हो सकता है।

SIP ट्रंक

आपके टेलीफोनी सिस्टम और वॉइस सेवा के बीच वर्चुअल कनेक्शन, जो फिज़िकल फोन लाइनों की बजाय इंटरनेट पर एक साथ कई कॉल ले जाता है। SIP ट्रंक ही आपके PBX या प्रोवाइडर को ElevenLabs से जोड़ता है।

कॉल सिग्नलिंग

SIP INVITE

नई कॉल का अनुरोध करने वाला SIP संदेश। INVITE में डेस्टिनेशन आइडेंटिफ़ायर और कॉलर की मीडिया क्षमताओं का SDP विवरण होता है।

200 OK

वह SIP रिस्पॉन्स जो पुष्टि करता है कि अनुरोध सफल रहा। INVITE के लिए, 200 OK में जवाब देने वाले पक्ष का SDP और कॉल संभालने वाले सटीक सर्वर की पहचान करने वाला Contact एड्रेस शामिल होता है।

BYE

स्थापित कॉल को खत्म करने वाला SIP संदेश। BYE को 200 OK में लौटाए गए Contact एड्रेस पर भेजना चाहिए, ताकि वह कॉल संभालने वाले उसी सर्वर तक पहुंचे।

Contact हेडर

SIP रिस्पॉन्स का एक फ़ील्ड, जो उसी कॉल में फॉलो-अप संदेशों के लिए सटीक सर्वर और एड्रेस बताता है। ElevenLabs साझा sip.rtc.elevenlabs.io एड्रेस के पीछे कई सर्वरों से SIP ट्रैफ़िक संभालता है, इसलिए बाद के अनुरोध—जैसे BYE—को Contact एड्रेस की बजाय उस साझा एड्रेस पर भेजने से वे किसी अलग सर्वर तक पहुंच सकते हैं।

डायलॉग

कॉल की अवधि के दौरान दो एंडपॉइंट्स द्वारा बनाए रखा गया साझा स्टेट। यदि BYE जैसा संदेश ऐसे सर्वर तक पहुंचता है जिसके पास डायलॉग का कोई रिकॉर्ड नहीं है, तो सर्वर उसे अस्वीकार कर देता है।

रिस्पॉन्स कोड्स

तीन अंकों वाली संख्याएं, जो SIP अनुरोध का परिणाम बताती हैं, ठीक HTTP स्टेटस कोड्स की तरह। 1xx रेंज के कोड प्रोविज़नल होते हैं और प्रगति की रिपोर्ट करते हैं: 100 (Trying) पुष्टि करता है कि अनुरोध प्राप्त हो गया है और प्रोसेस किया जा रहा है, और 180 (Ringing) बताता है कि डेस्टिनेशन को अलर्ट किया जा रहा है। फ़ाइनल रिस्पॉन्स परिणाम बताते हैं: 200 (OK) का मतलब सफलता है, 401 और 407 बताते हैं कि ऑथेंटिकेशन ज़रूरी है, और 481 का मतलब है कि सर्वर के पास अनुरोध के लिए कोई मेल खाता डायलॉग नहीं है।

ऑथेंटिकेशन और सुरक्षा

डाइजेस्ट ऑथेंटिकेशन

पासवर्ड को प्लेन टेक्स्ट में भेजे बिना यूज़रनेम और पासवर्ड से कनेक्शन सत्यापित करने की विधि। ElevenLabs डाइजेस्ट ऑथेंटिकेशन की सलाह देता है, क्योंकि यह स्थिर IP एड्रेस पर निर्भर नहीं करता।

ACL (एक्सेस कंट्रोल लिस्ट)

विश्वसनीय IP एड्रेस की allowlist पर आधारित ऑथेंटिकेशन विधि। ACL ऑथेंटिकेशन में, सिस्टम केवल स्वीकृत सोर्स एड्रेस से SIP ट्रैफ़िक स्वीकार करता है। IP एड्रेस बदलने पर इसे मैनेज करना मुश्किल हो सकता है।

मीडिया एन्क्रिप्शन

SRTP का उपयोग करके RTP ऑडियो स्ट्रीम पर लागू सुरक्षा। ElevenLabs तीन सेटिंग्स देता है: Disabled (कोई एन्क्रिप्शन नहीं), Allowed (दोनों पक्षों के सपोर्ट करने पर एन्क्रिप्ट करता है), और Required (जिन कॉल को एन्क्रिप्ट नहीं किया जा सकता, उन्हें अस्वीकार करता है)।

सर्टिफ़िकेट

X.509 डिजिटल दस्तावेज़, जो TLS हैंडशेक के दौरान सर्वर की पहचान साबित करता है। कनेक्शन स्वीकार करने वाला पक्ष TLS सर्वर की भूमिका निभाता है और सर्टिफ़िकेट पेश करता है; कनेक्शन खोलने वाला पक्ष TLS क्लाइंट होता है और होस्टनेम व एक्सपायरी जांचते हुए विश्वसनीय सर्टिफ़िकेट अथॉरिटी के विरुद्ध इसे सत्यापित करता है। कॉल की दिशा के अनुसार भूमिकाएं अलग होती हैं:

• ElevenLabs की इनबाउंड कॉल: आपका सिस्टम कनेक्शन खोलता है, इसलिए ElevenLabs TLS सर्वर की तरह काम करता है और sip.rtc.elevenlabs.io के लिए सर्टिफ़िकेट पेश करता है, जिसे आपका सिस्टम सत्यापित करता है।
• ElevenLabs से आउटबाउंड कॉल: ElevenLabs कनेक्शन खोलता है, इसलिए आपका SIP सर्वर या SBC TLS सर्वर की तरह काम करता है और उसे वैध, विश्वसनीय सर्टिफ़िकेट पेश करना चाहिए, जिसे ElevenLabs सत्यापित करता है।

साइफ़र सूट

TLS कनेक्शन द्वारा की एक्सचेंज करने, डेटा एन्क्रिप्ट करने और इंटीग्रिटी सत्यापित करने के लिए इस्तेमाल किए जाने वाले एल्गोरिदम का सेट। हैंडशेक के दौरान TLS क्लाइंट अपने सपोर्ट किए गए साइफ़र सूट ऑफ़र करता है और TLS सर्वर उनमें से एक साझा सूट चुनता है। ElevenLabs को TLS 1.2 या उससे ऊपर की आवश्यकता है। ElevenLabs की इनबाउंड कॉल के लिए ElevenLabs (TLS सर्वर के रूप में) सूट चुनता है; ElevenLabs से आउटबाउंड कॉल के लिए आपका सिस्टम (TLS सर्वर के रूप में) इसे चुनता है। दोनों पक्षों के पास कम से कम एक आधुनिक साझा साइफ़र सूट होना चाहिए, वरना कॉल कनेक्ट होने से पहले हैंडशेक विफल हो जाएगा।

ऑडियो और कोडेक्स

कोडेक

ट्रांसमिशन के लिए ऑडियो को कंप्रेस करने और दूसरी ओर उसे डीकंप्रेस करने वाला एल्गोरिदम। कॉल में ऑडियो के लिए दोनों एंडपॉइंट्स को एक सामान्य कोडेक सपोर्ट करना चाहिए।

G711

व्यापक रूप से सपोर्ट किया जाने वाला, अनकंप्रेस्ड कोडेक, जो 8 kHz सैंपल रेट पर ऑडियो ले जाता है। टेलीफोनी सिस्टमों में यह सबसे संगत विकल्प है।

G722

वाइडबैंड कोडेक, जो 16 kHz सैंपल रेट पर ऑडियो ले जाता है और दोनों एंडपॉइंट्स के सपोर्ट करने पर G711 से अधिक स्पष्ट स्पीच देता है।

सैंपल रेट

ऑडियो को प्रति सेकंड कितनी बार मापा जाता है, जिसे किलोहर्ट्ज़ (kHz) में व्यक्त किया जाता है। ElevenLabs का SIP डिप्लॉयमेंट G711 पर 8 kHz या G722 पर 16 kHz ऑडियो भेजता और प्राप्त करता है। अन्य रेट इस्तेमाल करने वाले सिस्टमों को ऑडियो री-सैंपल करना होगा।

DTMF (डुअल-टोन मल्टी-फ़्रीक्वेंसी)

फोन कीपैड पर कुंजी दबाने से बनने वाले टोन, जिनका उपयोग ऑटोमेटेड मेनू में नेविगेट करने के लिए होता है। एजेंट्स कीपैड अंक कैसे प्राप्त करते हैं, इसके लिए DTMF इनपुट देखें, और एजेंट्स DTMF कैसे भेजते हैं, इसके लिए कीपैड टच टोन चलाएं देखें।

एड्रेसिंग और रूटिंग

SIP URI

SIP डेस्टिनेशन तक पहुंचने के लिए इस्तेमाल किया जाने वाला एड्रेस, जिसे sip:identifier@domain:port के रूप में लिखा जाता है। उदाहरण के लिए, sip:+19991234567@sip.rtc.elevenlabs.io:5060 कॉल को आइडेंटिफ़ायर +19991234567 तक रूट करता है। कॉल रूट करने के लिए आइडेंटिफ़ायर ज़रूरी है।

E.164

फोन नंबर फ़ॉर्मैटिंग का अंतरराष्ट्रीय मानक, जिसमें शुरुआती +, कंट्री कोड और सब्सक्राइबर नंबर होता है, उदाहरण के लिए +15551234567। फ़ॉर्मैट आपके SIP URI और इंपोर्ट किए गए फोन नंबर के बीच मेल खाना चाहिए।

NAPTR और SRV रिकॉर्ड्स

DNS रिकॉर्ड टाइप्स, जो SIP सिस्टम को यह पता करने देते हैं कि किसी डोमेन के लिए कौन से सर्वर, ट्रांसपोर्ट और पोर्ट इस्तेमाल करने हैं। ElevenLabs RFC 3263 के अनुरूप सर्वर डिस्कवरी के लिए NAPTR और SRV रिकॉर्ड्स प्रकाशित करता है।

ElevenLabs कॉन्फ़िगरेशन

ट्रांसपोर्ट टाइप

डैशबोर्ड में SIP सिग्नलिंग के लिए चुना गया प्रोटोकॉल। ElevenLabs TCP (पोर्ट 5060) और TLS (पोर्ट 5061) सपोर्ट करता है। प्रोडक्शन के लिए TLS की सलाह दी जाती है, क्योंकि यह सिग्नलिंग एन्क्रिप्ट करता है।

इनबाउंड कॉन्फ़िगरेशन

वे सेटिंग्स जो नियंत्रित करती हैं कि आपके SIP ट्रंक से आने वाली कॉल ElevenLabs तक कैसे पहुंचती हैं, जिनमें ट्रांसपोर्ट टाइप और इनकमिंग कॉल पर लागू मीडिया एन्क्रिप्शन शामिल हैं।

आउटबाउंड कॉन्फ़िगरेशन

वे सेटिंग्स जो नियंत्रित करती हैं कि ElevenLabs आपके सिस्टम पर कॉल कैसे भेजता है, जिनमें Address (होस्टनेम या IP एड्रेस, बिना sip: प्रीफ़िक्स के) शामिल है, जहां SIP INVITE डिलीवर किया जाता है।

कस्टम हेडर्स

अतिरिक्त X- प्रीफ़िक्स वाले SIP हेडर फ़ील्ड, जिन्हें आप रूटिंग, पहचान या प्रोवाइडर-विशिष्ट आवश्यकताओं के लिए कॉल से जोड़ सकते हैं। इनबाउंड कस्टम हेडर्स बातचीत में डायनामिक वेरिएबल्स के रूप में भी उपलब्ध होते हैं। आउटबाउंड INVITE हेडर्स को outbound_trunk_config पर स्टैटिक headers फ़ील्ड से कॉन्फ़िगर किया जाता है।

यूज़र-टू-यूज़र इन्फ़ॉर्मेशन (UUI)

SIP User-to-User हेडर (RFC 7433) में एक्सचेंज किया जाने वाला छोटा एप्लिकेशन पेलोड, जिसका इस्तेमाल आमतौर पर Talkdesk और Genesys Cloud जैसे कॉन्टैक्ट-सेंटर प्लेटफ़ॉर्म करते हैं। इनबाउंड कॉल में, जब INVITE में User-to-User हेडर होता है, तो उसका मान एजेंट को दो डायनामिक वेरिएबल्स के रूप में उपलब्ध कराया जाता है: {{sip_uui_raw}} (रॉ हेडर वैल्यू) और {{sip_uui_data}} (डिकोड किया गया पेलोड — hex-decoded, और जब हेडर में purpose=isdn-uui शामिल हो, तब protocol-discriminator octet हटा दिया जाता है)। आउटबाउंड कॉल में, SIP URI को टारगेट करने वाले SIP REFER ट्रांसफ़र में ट्रांसफ़र नियम की uui सेटिंग के जरिए UUI जोड़ा जाता है — नंबर पर ट्रांसफ़र देखें।

एट्रिब्यूट्स टू हेडर्स

inbound_trunk_config और outbound_trunk_config पर केवल API में उपलब्ध सेटिंग, जो BYE अनुरोधों के लिए डायनामिक वेरिएबल नामों को SIP हेडर नामों से मैप करती है। हर की एक डायनामिक वेरिएबल नाम है; हर वैल्यू वह हेडर नाम है जिसे कॉल खत्म होने पर शामिल किया जाएगा। हेडर वैल्यू बातचीत के अंत में वेरिएबल की अंतिम वैल्यू होती है। डायनामिक वेरिएबल्स से BYE हेडर्स देखें।

रिमोट डोमेन्स

फोन नंबर सेटिंग, जो उन डोमेन्स की सूची देती है जिन्हें ElevenLabs उन फॉलो-अप कनेक्शनों पर आपके TLS सर्टिफ़िकेट को सत्यापित करते समय स्वीकार करता है जिन्हें वह शुरू करता है (उदाहरण के लिए BYE या REFER)। चूंकि ElevenLabs अक्सर होस्टनेम के बजाय सबसे ऊपर वाले Via हेडर से लिए गए IP एड्रेस से कनेक्ट करता है, इसलिए वह केवल होस्टनेम से सर्टिफ़िकेट मैच नहीं कर सकता। यदि प्राप्त सर्टिफ़िकेट जिस किसी डोमेन के लिए वैध है, वह कॉन्फ़िगर किए गए रिमोट डोमेन से मेल खाता है, तो सत्यापन सफल होता है; अन्यथा विफल होता है। फॉलो-अप कनेक्शन देखें।

स्टैटिक IP SIP सर्वर्स

एंटरप्राइज़ विकल्प, जो उन ग्राहकों के लिए स्थिर IP रेंज वाले SIP एंडपॉइंट्स देता है जिनकी सुरक्षा नीतियों में IP allowlisting आवश्यक है। जानकारी के लिए SIP ट्रंकिंग गाइड देखें।

अगले चरण

• SIP ट्रंकिंग सेट अप करें
• ElevenLabs एजेंट्स बनाने के बारे में जानें