Guía técnica para integrar llamadas SIP con la API de OpenAI

Fuentes: Technical guide for integrating SIP calls with the OpenAI API

OpenAI ha publicado documentación técnica detallada para conectar llamadas telefónicas entrantes y salientes con su modelo GPT-Live mediante un trunco SIP. Este proceso permite a los desarrolladores gestionar sesiones de voz en tiempo real, donde el proveedor de telecomunicaciones intercambia el audio con OpenAI, mientras que el backend de la aplicación se encarga de la configuración de la sesión, el control de la llamada y la lógica de negocio.

La arquitectura técnica exige el uso de TLS para el señalizado SIP y SRTP para el audio de la llamada, garantizando la seguridad de la comunicación. El documento explica el flujo completo para manejar llamadas entrantes: el backend debe recibir un evento webhook (live.transport.incoming), verificar la firma para evitar duplicados y decidir si aceptar o rechazar la llamada enviando una petición POST específica. Para las llamadas salientes, se describe cómo crear una sesión para dialar un número a través del proveedor, utilizando parámetros de autenticación SIP y configurando el trunco con soporte para TLS y SDES-SRTP.

Además, la guía detalla la conexión de un canal lateral (sideband) mediante WebSocket para transmitir eventos de sesión, comandos y audio reflejado, asegurando que solo una conexión ejecute las herramientas para evitar duplicados. Se incluyen ejemplos de código con curl y jq, así como consideraciones sobre la migración de eventos obsoletos y la gestión de la delegación de trabajo. Esta información es esencial para ingenieros que buscan integrar capacidades de voz en sus aplicaciones basadas en LLM, proporcionando una referencia precisa sobre los endpoints, formatos de datos y protocolos de seguridad requeridos.