SIPリファレンス | ElevenLabs Documentation

概要

SIPトランキングは、既存の電話インフラをElevenLabs Agentsに接続します。設定には、専門用語が使われるプロトコル、ネットワーク設定、オーディオ形式が含まれます。

このページでは、これらの用語をわかりやすく説明します。SIPトランキングガイドを読むときや、接続のトラブルシューティングを行う際の補助リファレンスとしてご利用ください。

用語は次のカテゴリに分類されています。

プロトコル — シグナリングとオーディオを伝送する標準。
トランスポートとネットワーク — システム間でパケットが移動する仕組み。
インフラコンポーネント — 通話を処理するシステム。
通話シグナリング — 通話の開始と終了を行うメッセージ。
認証とセキュリティ — 接続の検証と暗号化の方法。
オーディオとコーデック — 音声のエンコードと伝送の方法。
アドレス指定とルーティング — 通話が宛先を見つける仕組み。
ElevenLabsの設定 — ElevenLabsダッシュボード固有の設定。

プロトコル

SIP（Session Initiation Protocol）

音声通話などのリアルタイム通信セッションを開始、変更、終了するシグナリングプロトコルです。SIPは、誰が誰に発信するか、オーディオをどのように交換するかをネゴシエートしますが、オーディオ自体は伝送しません。RFC 3261で定義されています。

SDP（Session Description Protocol）

SIPメッセージ内で送られるテキスト形式で、通話のメディアを記述します。各側がサポートするコーデック、オーディオストリーム用のIPアドレスとポート、暗号化パラメータなどです。オーディオが流れ始める前に、両方のエンドポイントがSDPを使って共通の設定に合意します。

RTP（Real-time Transport Protocol）

SIPで通話を設定した後、実際の通話オーディオを伝送するプロトコルです。RTPパケットは連続したストリームとして送られ、遅延や損失の影響を受けやすいため、オーディオ品質はネットワーク状況に左右されます。

SRTP（Secure RTP）

RTPの暗号化バージョンです。メディア暗号化を有効にすると、転送中に傍受されないようオーディオストリームはSRTPで保護されます。暗号化されたメディアを利用するには、両方のエンドポイントがSRTPをサポートしている必要があります。

RTCP（RTP Control Protocol）

パケット損失やジッターなどの統計情報を報告し、エンドポイントが通話品質を監視できるようにするRTPの補助プロトコルです。

トランスポートとネットワーク

UDP（User Datagram Protocol）

配信や順序を保証せずにパケットを送信する、高速なコネクションレス型トランスポートです。ライブ音声では完全な配信より低レイテンシーが重要なため、RTPオーディオはUDP経由で伝送されます。

ElevenLabsでのSIPシグナリング用UDPトランスポートは実験的機能です。本番トラフィックにはTCPまたはTLSを使用し、UDPはテスト時のみ選択してください。

TCP（Transmission Control Protocol）

順序どおりの信頼性の高い配信を保証する、コネクション型トランスポートです。ElevenLabsはポート5060でのSIPシグナリング用TCPをサポートしています。

TLS（Transport Layer Security）

TCPの上で動作する暗号化レイヤーです。TLSトランスポートはSIPシグナリングを暗号化するため、認証情報や通話メタデータを転送中に読み取られることはありません。ElevenLabsはポート5061でのシグナリング用TLSをサポートしています。

MTU（Maximum Transmission Unit）

ネットワークリンクが小さな断片に分割せずに伝送できる、バイト単位の最大パケットサイズです。UDP経由のSIPメッセージがMTUを超えると、フラグメント化または破棄され、通話設定に失敗することがあります。TCPまたはTLSで送信するSIPシグナリングでは、これらのトランスポートが大きなメッセージを確実に処理するため、この問題を回避できます。

NAT（Network Address Translation）

ルーターがプライベートネットワーク上の多数のデバイスで1つのパブリックIPアドレスを共有するために使用する技術です。NATによりRTPオーディオが正しいデバイスに届かなくなることがあり、片方向オーディオやオーディオがない問題の一般的な原因となります。

レイテンシー

オーディオが送信されてから受信されるまでの遅延です。レイテンシーが高いと、相手の声を聞くまでの待ち時間が長くなり、会話が不自然に感じられます。

ジッター

オーディオパケットの到着時刻のばらつきです。全体的なレイテンシーが許容範囲内でも、ジッターが大きいとオーディオが途切れたり歪んだりします。

パケット損失

到着しないオーディオパケットの割合です。RTPは失われたパケットを再送しないため、わずかなパケット損失でもオーディオ品質が低下します。

ポート

特定のサービスを識別する、IPアドレス上の番号付きエンドポイントです。SIPシグナリングではTCPにポート5060、TLSに5061を使用します。RTPメディアでは通常、動的に割り当てられる広い範囲のポートを使用します。

インフラコンポーネント

SBC（Session Border Controller）

SIPトラフィックを管理・保護するためにネットワークの境界に配置されるデバイスまたはサービスです。SBCは、不正アクセスからの保護、プロトコルの実装が異なるシステム間でのSIPメッセージの正規化、NATトラバーサルの管理などを処理します。多くのSIPトランクプロバイダーは、自社ネットワークとお客様のネットワークの間にSBCを配置しています。

PBX（Private Branch Exchange）

組織内の通話をルーティングし、外線に接続する構内電話システムです。SIP対応PBXはSIPトランク経由でElevenLabsに接続できます。

SIPトランク

物理的な電話回線ではなくインターネット経由で複数の同時通話を伝送する、電話システムと音声サービス間の仮想接続です。SIPトランクは、PBXまたはプロバイダーをElevenLabsに接続します。

通話シグナリング

SIP INVITE

新しい通話を要求するSIPメッセージです。INVITEには、宛先識別子と発信側のメディア機能を説明するSDPが含まれます。

200 OK

リクエストが成功したことを確認するSIPレスポンスです。INVITEの場合、200 OKには応答側のSDPと、通話を処理する正確なサーバーを識別するContactアドレスが含まれます。

BYE

確立された通話を終了するSIPメッセージです。BYEは、通話を処理した同じサーバーに到達するよう、200 OKで返されたContactアドレスに送信してください。

Contactヘッダー

同じ通話内で後続メッセージを送る際の、正確なサーバーとアドレスを識別するSIPレスポンス内のフィールドです。ElevenLabsは共有アドレスsip.rtc.elevenlabs.ioの背後にある複数のサーバーからSIPトラフィックを提供しています。そのため、BYEなどの後続リクエストをContactアドレスではなく共有アドレスに送信すると、別のサーバーに到達する可能性があります。

ダイアログ

2つのエンドポイントが通話中に維持する共有状態です。BYEなどのメッセージが、ダイアログの記録を持たないサーバーに到達すると、サーバーはそのメッセージを拒否します。

レスポンスコード

HTTPステータスコードと同様に、SIPリクエストの結果を示す3桁の数字です。1xx範囲のコードは暫定的なもので、進行状況を報告します。100（Trying）はリクエストが受信・処理中であることを確認し、180（Ringing）は宛先に呼び出し通知が行われていることを示します。最終レスポンスは結果を報告します。200（OK）は成功、401と407は認証が必要であること、481はサーバーにリクエストに一致するダイアログがないことを意味します。

認証とセキュリティ

Digest認証

パスワードを平文で送信せず、ユーザー名とパスワードを使用して接続を検証する認証方法です。固定IPアドレスに依存しないため、ElevenLabsではDigest認証を推奨しています。

ACL（Access Control List）

信頼できるIPアドレスの許可リストに基づく認証方法です。ACL認証では、承認済みの送信元アドレスからのSIPトラフィックのみを受け入れます。IPアドレスが変わる場合、管理が難しくなることがあります。

メディア暗号化

SRTPを使用してRTPオーディオストリームに適用される保護です。ElevenLabsには、Disabled（暗号化なし）、Allowed（両側がサポートする場合に暗号化）、Required（暗号化できない通話を拒否）の3つの設定があります。

証明書

TLSハンドシェイク中にサーバーのIDを証明するX.509デジタル文書です。接続を受け入れる側はTLSサーバーとして動作し、証明書を提示します。接続を開始する側はTLSクライアントとして動作し、ホスト名と有効期限を確認して、信頼できる認証局に対して証明書を検証します。役割は通話方向によって異なります。

ElevenLabsへの着信通話：お客様のシステムが接続を開始するため、ElevenLabsがTLSサーバーとして動作し、お客様のシステムが検証するsip.rtc.elevenlabs.io用の証明書を提示します。
ElevenLabsからの発信通話：ElevenLabsが接続を開始するため、お客様のSIPサーバーまたはSBCがTLSサーバーとして動作し、ElevenLabsが検証する有効で信頼された証明書を提示する必要があります。

暗号スイート

TLS接続で鍵交換、データ暗号化、完全性検証に使用するアルゴリズムのセットです。ハンドシェイク中にTLSクライアントはサポートする暗号スイートを提示し、TLSサーバーは両者が共有するものを選択します。ElevenLabsではTLS 1.2以降が必要です。ElevenLabsへの着信通話ではElevenLabs（TLSサーバー）がスイートを選択し、ElevenLabsからの発信通話ではお客様のシステム（TLSサーバー）が選択します。少なくとも1つの最新の暗号スイートを両者が共有していない場合、通話が接続される前にハンドシェイクが失敗します。

オーディオとコーデック

コーデック

伝送用にオーディオを圧縮し、受信側で展開するアルゴリズムです。通話でオーディオを利用するには、両方のエンドポイントが共通のコーデックをサポートする必要があります。

G711

8kHzのサンプルレートでオーディオを伝送する、広くサポートされている非圧縮コーデックです。電話システム間で最も互換性の高い選択肢です。

G722

16kHzのサンプルレートでオーディオを伝送する広帯域コーデックです。両方のエンドポイントがサポートしている場合、G711より明瞭な音声を提供します。

サンプルレート

オーディオを1秒間に測定する回数で、キロヘルツ（kHz）で表します。ElevenLabsのSIPデプロイメントは、8kHzのG711または16kHzのG722としてオーディオを送受信します。ほかのレートを使用するシステムでは、オーディオをリサンプリングする必要があります。

DTMF（Dual-Tone Multi-Frequency）

電話のキーパッドを押したときに生成されるトーンで、自動メニューの操作に使用されます。エージェントがキーパッドの数字を受け取る方法についてはDTMF入力、エージェントがDTMFを送信する方法についてはキーパッドのタッチトーンを再生をご覧ください。

アドレス指定とルーティング

SIP URI

SIPの宛先に到達するために使用するアドレスで、sip:identifier@domain:portの形式で記述します。たとえば、sip:+19991234567@sip.rtc.elevenlabs.io:5060は、識別子+19991234567に通話をルーティングします。通話をルーティングするには識別子が必要です。

E.164

先頭の+、国番号、加入者番号で構成される国際電話番号形式の標準です。例：+15551234567。形式は、SIP URIとインポートした電話番号の間で一致している必要があります。

NAPTRおよびSRVレコード

SIPシステムがドメインに使用するサーバー、トランスポート、ポートを検出できるDNSレコードタイプです。ElevenLabsは、RFC 3263に準拠したサーバー検出用のNAPTRおよびSRVレコードを公開しています。

ElevenLabsの設定

トランスポートタイプ

ダッシュボードで選択するSIPシグナリング用プロトコルです。ElevenLabsはTCP（ポート5060）とTLS（ポート5061）をサポートしています。TLSはシグナリングを暗号化するため、本番環境ではTLSを推奨します。

着信設定

SIPトランクから着信する通話がElevenLabsに到達する方法を制御する設定です。トランスポートタイプや着信通話に適用するメディア暗号化などが含まれます。

発信設定

ElevenLabsがシステムに通話を送信する方法を制御する設定です。SIP INVITEの送信先となるAddress（sip:プレフィックスを含まないホスト名またはIPアドレス）などが含まれます。

カスタムヘッダー

ルーティング、識別、プロバイダー固有の要件のために通話へ追加できる、X-プレフィックス付きのSIPヘッダーフィールドです。着信カスタムヘッダーは、会話内で動的変数としても公開されます。発信INVITEヘッダーは、outbound_trunk_configの静的なheadersフィールドで設定します。

User-to-User Information（UUI）

SIPのUser-to-Userヘッダー（RFC 7433）で交換される小さなアプリケーションペイロードです。TalkdeskやGenesys Cloudなどのコンタクトセンタープラットフォームで一般的に使用されます。着信通話では、INVITEにUser-to-Userヘッダーが含まれている場合、その値はエージェントに2つの動的変数として公開されます。{{sip_uui_raw}}（生のヘッダー値）と{{sip_uui_data}}（デコードされたペイロード。16進数デコードされ、ヘッダーにpurpose=isdn-uuiが含まれる場合はプロトコル識別子オクテットを除去）です。発信通話では、転送ルールのuui設定によりSIP URIを対象とするSIP REFER転送にUUIが付加されます。詳細は番号へ転送をご覧ください。

属性からヘッダーへ

inbound_trunk_configおよびoutbound_trunk_configのAPI専用設定で、BYEリクエスト用に動的変数名をSIPヘッダー名へマッピングします。各キーは動的変数名、各値は通話終了時に含めるヘッダー名です。ヘッダー値には、会話終了時点での変数の最終値が使用されます。動的変数からのBYEヘッダーをご覧ください。

リモートドメイン

ElevenLabsが開始する後続接続（たとえばBYEまたはREFER）でTLS証明書を検証する際に受け入れるドメインを一覧にする電話番号設定です。ElevenLabsはホスト名ではなく最上位のViaヘッダーから取得したIPアドレスに接続することが多いため、ホスト名だけで証明書を照合することはできません。受信した証明書が有効なドメインのいずれかが設定済みのリモートドメインと一致すれば検証に成功し、それ以外の場合は失敗します。後続接続をご覧ください。

静的IPSIPサーバー

セキュリティポリシーでIP許可リストが必要な顧客向けに、固定IP範囲を持つSIPエンドポイントを提供するエンタープライズ向けオプションです。詳細はSIPトランキングガイドをご覧ください。

概要