ImplantarTelefonia

Referência de SIP

Um glossário dos termos de SIP, redes e áudio usados ao configurar o trunking SIP com o ElevenLabs Agents.

Visão geral

O trunking SIP conecta sua infraestrutura de telefonia existente ao ElevenLabs Agents. Configurá-lo envolve protocolos, configurações de rede e formatos de áudio que usam terminologia especializada.

Esta página define esses termos em linguagem simples. Use-a como referência complementar ao ler o guia de trunking SIP ou solucionar problemas de conexão.

Os termos estão agrupados nas seguintes categorias:

Protocolos

SIP (Session Initiation Protocol)

O protocolo de sinalização que inicia, modifica e encerra sessões de comunicação em tempo real, como chamadas de voz. O SIP negocia quem está ligando para quem e como o áudio deve ser trocado, mas não transporta o áudio em si. Ele é definido na RFC 3261.

SDP (Session Description Protocol)

Um formato de texto transportado dentro de mensagens SIP que descreve a mídia de uma chamada: quais codecs cada lado suporta, os endereços IP e as portas do fluxo de áudio e os parâmetros de criptografia. Os dois endpoints usam o SDP para concordar com uma configuração comum antes de o áudio começar a fluir.

RTP (Real-time Transport Protocol)

O protocolo que transporta o áudio de fato de uma chamada depois que o SIP a configura. Os pacotes RTP trafegam como um fluxo contínuo e são sensíveis a atrasos e perdas, por isso a qualidade do áudio depende das condições da rede.

SRTP (Secure RTP)

Uma versão criptografada do RTP. Quando a criptografia de mídia está ativada, o fluxo de áudio é protegido com SRTP para que não possa ser interceptado durante o transporte. Ambos os endpoints precisam oferecer suporte a SRTP para que a mídia criptografada funcione.

RTCP (RTP Control Protocol)

Um protocolo complementar ao RTP que informa estatísticas como perda de pacotes e jitter, permitindo que os endpoints monitorem a qualidade da chamada.

Transporte e rede

UDP (User Datagram Protocol)

Um transporte rápido e sem conexão que envia pacotes sem garantir entrega ou ordem. O áudio RTP é transportado por UDP porque, para fala ao vivo, baixa latência é mais importante que entrega perfeita.

O transporte UDP para sinalização SIP é experimental na ElevenLabs. Use TCP ou TLS para tráfego de produção e escolha UDP apenas para testes.

TCP (Transmission Control Protocol)

Um transporte orientado à conexão que garante entrega confiável e ordenada. A ElevenLabs oferece suporte a TCP para sinalização SIP na porta 5060.

TLS (Transport Layer Security)

Uma camada de criptografia executada sobre TCP. O transporte TLS criptografa a sinalização SIP para que credenciais e metadados de chamadas não possam ser lidos durante o transporte. A ElevenLabs oferece suporte a TLS para sinalização na porta 5061.

MTU (Maximum Transmission Unit)

O maior tamanho de pacote, em bytes, que um link de rede pode transportar sem dividi-lo em partes menores. Quando uma mensagem SIP por UDP excede a MTU, ela pode ser fragmentada ou descartada, o que pode causar falhas na configuração da chamada. A sinalização SIP enviada por TCP ou TLS evita esse problema porque esses transportes lidam com mensagens grandes de forma confiável.

NAT (Network Address Translation)

Uma técnica usada por roteadores para compartilhar um endereço IP público entre vários dispositivos em uma rede privada. O NAT pode impedir que o áudio RTP chegue ao dispositivo correto, o que é uma causa comum de áudio unidirecional ou ausente.

Latência

O atraso entre o momento em que o áudio é enviado e o momento em que é recebido. Uma latência alta faz as conversas parecerem pouco naturais porque cada lado espera mais para ouvir o outro.

Jitter

A variação no tempo de chegada dos pacotes de áudio. Um jitter alto causa áudio entrecortado ou distorcido mesmo quando a latência geral é aceitável.

Perda de pacotes

A porcentagem de pacotes de áudio que nunca chegam. Mesmo pequenas quantidades de perda de pacotes prejudicam a qualidade do áudio porque o RTP não retransmite pacotes perdidos.

Porta

Um endpoint numerado em um endereço IP que identifica um serviço específico. A sinalização SIP usa a porta 5060 para TCP e 5061 para TLS; a mídia RTP geralmente usa uma ampla faixa de portas atribuídas dinamicamente.

Componentes de infraestrutura

SBC (Session Border Controller)

Um dispositivo ou serviço que fica na borda de uma rede para gerenciar e proteger o tráfego SIP. Um SBC executa tarefas como proteger contra acesso não autorizado, normalizar mensagens SIP entre sistemas que implementam o protocolo de formas diferentes e gerenciar a travessia de NAT. Muitos provedores de trunking SIP colocam um SBC entre a rede deles e a sua.

PBX (Private Branch Exchange)

Um sistema telefônico privado que roteia chamadas dentro de uma organização e as conecta a linhas externas. Um PBX compatível com SIP pode se conectar à ElevenLabs por um trunk SIP.

Trunk SIP

Uma conexão virtual entre seu sistema de telefonia e um serviço de voz que transporta várias chamadas simultâneas pela internet, em vez de linhas telefônicas físicas. Um trunk SIP é o que conecta seu PBX ou provedor à ElevenLabs.

Sinalização de chamadas

SIP INVITE

A mensagem SIP que solicita uma nova chamada. O INVITE contém o identificador de destino e uma descrição SDP dos recursos de mídia de quem está ligando.

200 OK

A resposta SIP que confirma que uma solicitação foi concluída com êxito. Para um INVITE, a resposta 200 OK inclui o SDP do lado que atende e um endereço Contact que identifica o servidor exato que gerencia a chamada.

BYE

A mensagem SIP que encerra uma chamada estabelecida. Um BYE deve ser enviado ao endereço Contact retornado no 200 OK para que alcance o mesmo servidor que gerenciou a chamada.

Cabeçalho Contact

Um campo em uma resposta SIP que identifica o servidor e o endereço exatos para mensagens de acompanhamento na mesma chamada. A ElevenLabs atende o tráfego SIP em vários servidores por trás do endereço compartilhado sip.rtc.elevenlabs.io, portanto, enviar solicitações posteriores, como um BYE, a esse endereço compartilhado em vez do endereço Contact pode fazer com que elas cheguem a outro servidor.

Diálogo

O estado compartilhado que dois endpoints mantêm durante uma chamada. Se uma mensagem como um BYE chegar a um servidor que não tem registro do diálogo, o servidor a rejeitará.

Códigos de resposta

Números de três dígitos que indicam o resultado de uma solicitação SIP, semelhantes aos códigos de status HTTP. Os códigos na faixa 1xx são provisórios e informam o progresso: 100 (Trying) confirma que a solicitação foi recebida e está sendo processada, e 180 (Ringing) sinaliza que o destino está sendo alertado. As respostas finais informam o resultado: 200 (OK) significa sucesso, 401 e 407 indicam que a autenticação é necessária, e 481 significa que o servidor não tem um diálogo correspondente para a solicitação.

Autenticação e segurança

Autenticação digest

Um método de autenticação que verifica uma conexão usando nome de usuário e senha sem enviar a senha em texto simples. A ElevenLabs recomenda a autenticação digest porque ela não depende de endereços IP fixos.

ACL (Access Control List)

Um método de autenticação baseado na inclusão de endereços IP confiáveis em uma lista de permissões. Com a autenticação ACL, um sistema aceita tráfego SIP apenas de endereços de origem aprovados. Ela pode ser mais difícil de gerenciar quando os endereços IP mudam.

Criptografia de mídia

A proteção aplicada ao fluxo de áudio RTP usando SRTP. A ElevenLabs oferece três configurações: Disabled (sem criptografia), Allowed (criptografa quando ambos os lados oferecem suporte) e Required (rejeita chamadas que não podem ser criptografadas).

Certificado

Um documento digital X.509 que comprova a identidade de um servidor durante um handshake TLS. O lado que aceita a conexão atua como servidor TLS e apresenta o certificado; o lado que abre a conexão atua como cliente TLS e o valida com uma autoridade certificadora confiável, verificando o nome do host e a data de expiração. As funções variam conforme a direção da chamada:

  • Chamadas de entrada para a ElevenLabs: seu sistema abre a conexão, então a ElevenLabs atua como servidor TLS e apresenta um certificado para sip.rtc.elevenlabs.io, que seu sistema valida.
  • Chamadas de saída da ElevenLabs: a ElevenLabs abre a conexão, então seu servidor SIP ou SBC atua como servidor TLS e precisa apresentar um certificado válido e confiável, que a ElevenLabs valida.

Conjunto de cifras

O conjunto de algoritmos que uma conexão TLS usa para trocar chaves, criptografar dados e verificar a integridade. Durante o handshake, o cliente TLS oferece os conjuntos de cifras compatíveis e o servidor TLS seleciona um que ambos compartilham. A ElevenLabs exige TLS 1.2 ou superior. Para chamadas de entrada para a ElevenLabs, a ElevenLabs (como servidor TLS) seleciona o conjunto; para chamadas de saída da ElevenLabs, seu sistema (como servidor TLS) o seleciona. Ambos os lados precisam compartilhar pelo menos um conjunto de cifras moderno; caso contrário, o handshake falhará antes de a chamada se conectar.

Áudio e codecs

Codec

Um algoritmo que compacta o áudio para transmissão e o descompacta no outro lado. Ambos os endpoints precisam oferecer suporte a um codec em comum para que uma chamada tenha áudio.

G711

Um codec sem compressão e amplamente compatível, que transporta áudio a uma taxa de amostragem de 8 kHz. É a opção mais compatível entre sistemas de telefonia.

G722

Um codec de banda larga que transporta áudio a uma taxa de amostragem de 16 kHz, oferecendo fala mais nítida que o G711 quando ambos os endpoints oferecem suporte a ele.

Taxa de amostragem

Quantas vezes por segundo o áudio é medido, expresso em quilohertz (kHz). A implementação SIP da ElevenLabs envia e recebe áudio como G711 a 8 kHz ou G722 a 16 kHz. Sistemas que usam outras taxas precisam reamostrar o áudio.

DTMF (Dual-Tone Multi-Frequency)

Os tons produzidos ao pressionar teclas em um teclado telefônico, usados para navegar por menus automatizados. Consulte entrada DTMF para saber como os agentes recebem dígitos do teclado e reproduzir tom de tecla para saber como os agentes enviam DTMF.

Endereçamento e roteamento

URI SIP

O endereço usado para alcançar um destino SIP, escrito como sip:identifier@domain:port. Por exemplo, sip:+19991234567@sip.rtc.elevenlabs.io:5060 roteia uma chamada para o identificador +19991234567. O identificador é obrigatório para que a chamada possa ser roteada.

E.164

O padrão internacional para formatação de números de telefone, composto por um + inicial, um código de país e o número do assinante, por exemplo, +15551234567. O formato precisa corresponder entre sua URI SIP e seu número de telefone importado.

Registros NAPTR e SRV

Tipos de registros DNS que permitem que um sistema SIP descubra quais servidores, transportes e portas usar para um domínio. A ElevenLabs publica registros NAPTR e SRV para descoberta de servidores compatível com a RFC 3263.

Configuração da ElevenLabs

Tipo de transporte

O protocolo selecionado para sinalização SIP no painel. A ElevenLabs oferece suporte a TCP (porta 5060) e TLS (porta 5061). O TLS é recomendado para produção porque criptografa a sinalização.

Configuração de entrada

As configurações que controlam como as chamadas que chegam do seu trunk SIP alcançam a ElevenLabs, incluindo o tipo de transporte e a criptografia de mídia aplicada às chamadas recebidas.

Configuração de saída

As configurações que controlam como a ElevenLabs envia chamadas para seu sistema, incluindo o Address (um nome de host ou endereço IP, sem o prefixo sip:) em que o SIP INVITE é entregue.

Cabeçalhos personalizados

Campos adicionais de cabeçalho SIP com o prefixo X- que você pode anexar a chamadas para roteamento, identificação ou requisitos específicos do provedor. Cabeçalhos personalizados de entrada também são expostos como variáveis dinâmicas na conversa. Os cabeçalhos INVITE de saída são configurados com o campo estático headers em outbound_trunk_config.

Informação usuário a usuário (UUI)

Uma pequena carga útil de aplicação trocada no cabeçalho SIP User-to-User (RFC 7433), comumente usada por plataformas de contact center, como Talkdesk e Genesys Cloud. Em chamadas de entrada, quando o INVITE contém um cabeçalho User-to-User, seu valor é exposto ao agente como duas variáveis dinâmicas: {{sip_uui_raw}} (o valor bruto do cabeçalho) e {{sip_uui_data}} (a carga útil decodificada — decodificada de hexadecimal, com o octeto discriminador de protocolo removido quando o cabeçalho inclui purpose=isdn-uui). Em chamadas de saída, a UUI é anexada a transferências SIP REFER que têm como destino uma URI SIP pela configuração uui da regra de transferência — consulte Transferir para número.

Atributos para cabeçalhos

Uma configuração exclusiva da API em inbound_trunk_config e outbound_trunk_config que mapeia nomes de variáveis dinâmicas para nomes de cabeçalhos SIP em solicitações BYE. Cada chave é um nome de variável dinâmica; cada valor é o nome do cabeçalho a incluir quando a chamada termina. O valor do cabeçalho é o valor final da variável ao fim da conversa. Consulte cabeçalhos BYE de variáveis dinâmicas.

Domínios remotos

Uma configuração de número de telefone que lista os domínios aceitos pela ElevenLabs ao validar seu certificado TLS em conexões de acompanhamento iniciadas por ela (por exemplo, um BYE ou REFER). Como a ElevenLabs geralmente se conecta a um endereço IP extraído do cabeçalho Via mais acima, e não a um nome de host, ela não consegue corresponder ao certificado apenas pelo nome de host. Se algum domínio para o qual o certificado recebido é válido corresponder a um domínio remoto configurado, a validação será bem-sucedida; caso contrário, falhará. Consulte conexões de acompanhamento.

Servidores SIP com IP estático

Uma opção Enterprise que fornece endpoints SIP com faixas de IP fixas para clientes cujas políticas de segurança exigem listas de permissões de IP. Consulte o guia de trunking SIP para mais detalhes.

Próximas etapas