La maggior parte degli articoli presenta questa come una scelta. Non lo è. WebRTC e SIP operano a livelli diversi dello stesso stack di intelligenza artificiale per la voce, e la maggior parte delle implementazioni in produzione utilizza entrambi. Ecco cosa fa effettivamente ciascun protocollo, dove si colloca e come collegarli.
Che cos'è WebRTC e che cos'è SIP?
WebRTC (Web Real-Time Communication) è una suite di protocolli nativa del browser per lo streaming in tempo reale di audio, video e dati tra dispositivi connessi a Internet, senza necessità di accesso alla rete telefonica pubblica (PSTN), numeri di telefono o plugin.
SIP (Session Initiation Protocol) è il protocollo di segnalazione utilizzato dalla rete telefonica per impostare e gestire le chiamate vocali e la tecnologia attraverso cui Agenti AI Connettiti a numeri di telefono reali tramite un trunk SIP di un operatore.
Cos'è (e cosa non è) WebRTC
WebRTC è un insieme di API e protocolli integrati in ogni browser moderno che consente lo streaming in tempo reale di audio, video e dati peer-to-peer. La sua caratteristica principale è che non richiede plugin, installazioni o software aggiuntivo da parte del chiamante: una pagina web può iniziare a catturare e trasmettere l'audio nel momento stesso in cui viene caricata.
Per le applicazioni vocali basate sull'IA, il valore di WebRTC risiede nel browser. Se il tuo agente IA interagisce con i clienti tramite un widget web, un'app React Native o un softphone basato su browser, WebRTC funge da livello di trasporto, trasferendo l'audio dal dispositivo del cliente alla tua pipeline di IA in tempo reale.
Cosa WebRTC non può fare nativamente: Chiama un normale numero di telefono. WebRTC non ha accesso alla rete telefonica pubblica (PSTN). Un cliente che chiama il tuo numero da un telefono cellulare non utilizza WebRTC, bensì la rete telefonica tradizionale. Per raggiungerlo è necessario il protocollo SIP.
Che cos'è (e cosa non è) realmente il SIP
SIP è un protocollo di segnalazione: è responsabile dell'instaurazione, della gestione e della chiusura delle chiamate sulla rete telefonica. Quando qualcuno compone un numero di telefono aziendale, è SIP che instrada la chiamata dal suo operatore al vostro sistema telefonico. Quando il vostro agente AI chiama un potenziale cliente, è SIP che impartisce alla rete le istruzioni per effettuare la chiamata.
Il protocollo SIP non trasmette l'audio di per sé. I dati vocali veri e propri viaggiano separatamente tramite RTP (Real-time Transport Protocol). SIP gestisce il livello di controllo della chiamata (chi ha chiamato chi, quando rispondere, quale codec utilizzare, quando riagganciare), mentre RTP trasporta la voce.
Per utilizzare il protocollo SIP per le chiamate in entrata o in uscita, è necessario un trunk SIP fornito da un operatore telefonico. L'operatore fornisce la connessione tra il sistema e la rete telefonica pubblica (PSTN), insieme ai numeri di telefono (DID) che i chiamanti possono comporre.
WebRTC vs SIP: la tabella comparativa
| Dimensioni | WebRTC | SIP |
|---|---|---|
| Può chiamare un numero di telefono reale | No, solo internet. | Sì — accesso PSTN |
| Funziona in un browser | nativamente | Necessita di un client o gateway SIP |
| Richiede un trunk SIP/operatore telefonico | Non è necessario alcun operatore | È richiesto il corriere |
| Controllo completo delle chiamate (trasferimento, inoltro) | Limitato | Controllo completo delle chiamate SIP |
| Latenza dei media (configurazione ottimale) | Molto basso — peer-to-peer | Basso — PoP co-localizzato inferiore a 50 ms |
| Codec audio per la voce AI | Opus (è necessaria la transcodifica per la rete telefonica pubblica) | G.711 — nessuna transcodifica |
| Campagne di chiamata in uscita basate sull'intelligenza artificiale | Non supportato | canali SIP elastici |
| Chiamate in entrata da telefoni cellulari | I chiamanti PSTN non raggiungibili | Qualsiasi chiamante, qualsiasi rete |
| Trasferimento a caldo all'agente umano | Complesso senza SIP | SIP REFER / trasferimento assistito |
| Ideale per | Chat vocale basata sull'intelligenza artificiale tramite web/app | Chiamate telefoniche in entrata e in uscita |
Perché la maggior parte degli stack vocali AI di produzione utilizza entrambi
Ecco cosa nasconde la tabella comparativa: nella maggior parte delle implementazioni reali di voce basata sull'intelligenza artificiale, WebRTC e SIP operano contemporaneamente, a livelli diversi.
Consideriamo un'architettura tipica: un utente compone un numero aziendale dal proprio telefono cellulare. La chiamata raggiunge il trunk SIP dell'operatore. L'operatore la inoltra come SIP INVITE a un gateway multimediale. Il gateway multimediale converte l'audio SIP/RTP in un flusso WebSocket o WebRTC e lo passa alla piattaforma di intelligenza artificiale. La piattaforma di intelligenza artificiale utilizza internamente WebRTC per trasportare l'audio tra il bridge telefonico e la pipeline di intelligenza artificiale (STT → LLM → TTS). L'audio sintetizzato viaggia quindi al contrario, attraverso il gateway, tramite SIP e di nuovo al telefono del chiamante.
SIP opera ai margini della rete PSTN. WebRTC è integrato nella piattaforma. Chi effettua la chiamata non percepisce direttamente nessuno dei due: ascolta semplicemente l'agente AI durante la telefonata.
Il flusso delle chiamate: Chiamante (cellulare/fisso) → PSTN → Trunk SIP IDT Express → SIP/RTP → Media Gateway (FreeSWITCH) → WebRTC/WebSocket → Piattaforma AI (Pipecat/Vapi) → API → Pipeline AI (STT → LLM → TTS)
Il livello SIP è ciò che consente all'agente AI di accedere alla rete telefonica. Il livello WebRTC è ciò che permette l'elaborazione audio in tempo reale a bassa latenza all'interno della piattaforma. Rimuovendo il livello SIP, il tuo agente non sarà raggiungibile telefonicamente. Rimuovendo il livello WebRTC, la tua pipeline audio in tempo reale non avrà alcun mezzo di trasporto.
Dove si posizionano le principali piattaforme vocali basate sull'intelligenza artificiale
Esaminando le piattaforme effettivamente utilizzate dagli sviluppatori, il quadro diventa più chiaro. Nessuna di esse è basata esclusivamente su WebRTC o esclusivamente su SIP.
| Piattaforma | Trasporto interno | Connettività PSTN | Sintesi |
|---|---|---|---|
| Pipecat | WebRTC tramite Daily | Trunk SIP (IDT Express, Daily PSTN) | Entrambi i progetti editoriali di |
| Vapi | WebRTC | Trunk SIP (incluso o BYOC) | Entrambi i progetti editoriali di |
| Raccontare l'IA | WebRTC | Trunk SIP (incluso o BYOC) | Entrambi i progetti editoriali di |
| IA blanda | WebRTC | Trunk SIP (incluso o BYOC) | Entrambi i progetti editoriali di |
| Kit live | WebRTC | Trunk SIP (modulo SIP di LiveKit) | Entrambi i progetti editoriali di |
| Applicazione WebRTC personalizzata | WebRTC | Nessuno (solo browser) | Solo WebRTC |
| Stack SIP personalizzato | SIP / RTP | Trunk SIP (diretto) | Solo SIP |
Ogni importante piattaforma di chiamate AI — Pipecat, Vapi, Retell, Bland, LiveKit — utilizza WebRTC per l'audio interno in tempo reale e Trunking SIP per l'accesso alla rete telefonica pubblica (PSTN). I due protocolli sono complementari, non competitivi.
L'unico scenario in cui devi effettivamente scegliere
C'è un vero e proprio bivio: da dove i clienti possono contattare il vostro agente basato sull'intelligenza artificiale?
Se il tuo unico caso d'uso è un widget di chat per web o app (gli utenti avviano le conversazioni da un browser o un'app mobile, senza mai comporre un numero di telefono), allora puoi basarti interamente su WebRTC e non hai bisogno del trunking SIP. Il tuo agente AI risiede nel contesto del browser e non necessita mai di accesso alla rete telefonica pubblica (PSTN).
Se qualcuno dei tuoi chiamanti compone un numero di telefono per contattare un tuo operatore (assistenza clienti in entrata, chiamate di vendita in uscita, promemoria di appuntamenti, qualsiasi cosa che implichi una chiamata telefonica), hai bisogno di SIP. WebRTC da solo non è sufficiente per gestire queste chiamate.
Utilizzare WebRTC solo quando:
- Widget vocale basato sull'intelligenza artificiale integrato nel tuo sito web
- Assistente vocale integrato nell'app (applicazione mobile)
- Call center basato su browser (operatori online)
- Non è richiesto alcun numero di telefono in entrata
- Non è possibile effettuare chiamate in uscita verso telefoni cellulari o fissi.
Utilizzare SIP quando:
- Chiamate in entrata a un numero di telefono aziendale
- Campagne di chiamata in uscita basate sull'intelligenza artificiale
- Sostituzione IVR su un DID esistente
- Trasferimento di calore agli agenti umani
- Agenti di intelligenza artificiale con numeri locali in oltre 160 paesi
Utilizzare entrambi (nella maggior parte delle implementazioni in produzione):
- Un agente AI risponde a una chiamata in entrata e utilizza internamente WebRTC per il trasporto audio verso la pipeline AI.
- Chiamate in uscita tramite IA via SIP con WebRTC per la gestione dei media in tempo reale tra il gateway e l'LLM.
- Intelligenza artificiale per contact center con trasferimenti preimpostati: SIP per il controllo delle chiamate, WebRTC per l'audio dell'operatore.
- Qualsiasi implementazione di Pipecat, Vapi, Retell, Bland o LiveKit con requisiti PSTN
Il problema del codec di cui nessuno parla
Il codec predefinito di WebRTC è opus — un codec a banda larga a bitrate variabile ottimizzato per le condizioni di Internet. Il codec standard della PSTN è G.711 — un codec non compresso a bitrate fisso, ottimizzato per una bassa latenza.
Quando una chiamata attraversa il confine tra WebRTC e SIP, avviene una conversione di codec. L'audio Opus viene decodificato e ricodificato in G.711 (o viceversa). Questo passaggio di transcodifica aggiunge 5-20 ms di latenza per tratta, il che è rilevante in una chiamata vocale con intelligenza artificiale, dove si impiegano già 200-500 ms per l'inferenza STT e LLM.
Il modo per minimizzare questo problema è configurare il gateway multimediale in modo che negozi il codec G.711 su entrambi i lati, ove possibile. Sul lato trunk SIP di IDT Express, il G.711 è nativo, senza transcodifica a livello di operatore. Sul lato WebRTC, il G.711 può essere negoziato tramite la gestione SDP del gateway. Minore è il numero di conversioni di codec lungo il percorso, minore sarà la latenza di base.
Regola pratica: Se la tua chiamata vocale AI subisce più di una conversione di codec tra il telefono del chiamante e il tuo modello STT, analizza il percorso multimediale. Ogni conversione non necessaria aggiunge latenza che non puoi recuperare in altre fasi del processo.
Configurazione del trunking SIP per il tuo stack vocale AI
Se la tua architettura necessita di accesso alla rete telefonica pubblica (PSTN), cosa che avviene se un chiamante compone un numero di telefono, hai bisogno di un trunk SIP da un operatore. L'operatore fornisce la connessione alla rete telefonica e i numeri di telefono (DID) a cui il tuo agente AI risponde o da cui effettua chiamate.
Per le implementazioni di chiamate vocali basate sull'IA, i requisiti degli operatori sono specifici: passthrough nativo G.711 (nessuna transcodifica a livello di operatore), canali simultanei elastici (le campagne basate sull'IA raggiungono rapidamente il picco di utilizzo), fatturazione al secondo (le chiamate basate sull'IA durano in media 90-180 secondi, mentre la fatturazione al minuto comporta uno spreco del 15-30%) e disponibilità globale di numeri DID se si implementano agenti in diversi mercati.
IDT Express offre trunking SIP di livello carrier, progettato specificamente per questo caso d'uso: tariffe all'ingrosso, G.711 nativo, canali elastici, oltre 160 paesi per il provisioning DID e compatibilità BYOC con Vapi, Retell, Bland, Pipecat, LiveKit e stack personalizzati.
- Trunking SIP per agenti di intelligenza artificiale
- BYOC per piattaforme di chiamata basate sull'intelligenza artificiale
La versione breve
WebRTC trasferisce l'audio in tempo reale tra browser e piattaforme di intelligenza artificiale. SIP collega le piattaforme di intelligenza artificiale alla rete telefonica. Non sono concorrenti, bensì livelli adiacenti dello stesso stack vocale.
Se il tuo agente vocale basato sull'IA deve rispondere o effettuare una chiamata, hai bisogno di entrambi: WebRTC per il trasporto audio in tempo reale all'interno della tua piattaforma e un trunk SIP da un operatore per la connessione alla rete PSTN. Tutte le principali piattaforme di chiamata basate sull'IA, come Pipecat, Vapi, Retell, Bland e LiveKit, sono già progettate in questo modo.
L'unica questione è quale operatore scegliere per il livello SIP. È lì che si prendono le decisioni relative a costi, latenza e copertura.
Domande frequenti
Qual è la differenza tra WebRTC e SIP?
WebRTC è una suite di protocolli nativa del browser per lo streaming audio e video in tempo reale tra dispositivi connessi a Internet, senza plugin né accesso alla rete telefonica pubblica (PSTN). SIP è il protocollo di segnalazione utilizzato dalla rete telefonica per stabilire e gestire le chiamate vocali. WebRTC rappresenta il livello di trasporto Internet, mentre SIP è il livello di controllo delle chiamate della rete telefonica. Operano in ambienti diversi e vengono tipicamente utilizzati insieme nei sistemi vocali basati sull'intelligenza artificiale in produzione: WebRTC per l'audio in tempo reale all'interno della piattaforma, SIP al confine della rete PSTN per la connettività telefonica.
È possibile utilizzare WebRTC per effettuare chiamate telefoniche verso numeri di telefono tradizionali?
Non direttamente. WebRTC collega browser e app tra loro tramite Internet, ma non ha accesso nativo alla rete telefonica pubblica (PSTN). Per effettuare o ricevere chiamate verso numeri di telefono tradizionali utilizzando WebRTC, è necessario un gateway da WebRTC a SIP che funga da ponte tra il protocollo Internet e la rete telefonica, oltre a un trunk SIP fornito da un operatore. Piattaforme come Twilio, Daily e simili offrono questo servizio di bridging. Nelle implementazioni self-hosted di sistemi vocali basati sull'intelligenza artificiale, FreeSWITCH o Asterisk fungono in genere da gateway tra il flusso audio WebRTC e il trunk SIP dell'operatore.
Gli agenti vocali basati sull'intelligenza artificiale utilizzano WebRTC o SIP?
La maggior parte degli agenti vocali AI in produzione utilizza entrambi i protocolli. WebRTC è comunemente impiegato per il trasporto audio in tempo reale all'interno della piattaforma AI, ovvero tra il browser o l'app del chiamante e la pipeline AI. SIP viene utilizzato ai margini della rete PSTN per connettere l'agente AI ai numeri di telefono reali tramite un trunk SIP dell'operatore. Piattaforme come Pipecat utilizzano l'infrastruttura WebRTC di Daily per l'audio in tempo reale e il trunking SIP (tramite IDT Express o un altro operatore) per l'accesso alla rete PSTN. Vapi, Retell e Bland seguono tutti lo stesso schema: WebRTC internamente e SIP esternamente per la connettività telefonica.
Che cos'è un gateway da WebRTC a SIP?
Un gateway da WebRTC a SIP è un componente lato server che funge da traduttore tra il protocollo WebRTC (utilizzato da browser e piattaforme di intelligenza artificiale) e SIP (utilizzato dalla rete telefonica). Gestisce la negoziazione del codec, l'attraversamento del NAT e la traduzione del protocollo tra i due ambienti. Quando un agente di intelligenza artificiale riceve una chiamata dalla rete telefonica pubblica (PSTN), il gateway converte l'audio SIP/RTP in entrata in un flusso WebRTC che la piattaforma di intelligenza artificiale può elaborare. Tra le implementazioni più comuni si annoverano FreeSWITCH con supporto WebRTC, Kamailio e servizi cloud come Daily PSTN.
Quale protocollo è migliore per i bot vocali basati sull'intelligenza artificiale: WebRTC o SIP?
Nessuno dei due è universalmente migliore: risolvono problemi diversi a livelli diversi. WebRTC è più adatto per le interazioni vocali basate su browser o app. SIP è essenziale per la connettività alla rete telefonica: effettuare e ricevere chiamate verso numeri di telefono reali, eseguire campagne di composizione automatica in uscita tramite IA e supportare i trasferimenti di chiamata a operatori umani. Per qualsiasi implementazione di voce basata su IA che richieda l'accesso alla rete PSTN, la risposta corretta è entrambe: WebRTC per il trasporto audio in tempo reale all'interno della piattaforma e trunking SIP al confine della rete PSTN tramite un operatore come IDT Express.
Pipecat utilizza WebRTC o SIP?
Pipecat supporta entrambi i protocolli. Per il trasporto audio in tempo reale, si integra nativamente con l'infrastruttura WebRTC di Daily. Per la connettività PSTN, utilizza il trunking SIP, tramite il bridge PSTN di Daily o collegando un gateway multimediale come FreeSWITCH a un provider di trunking SIP esterno come IDT Express. Nelle implementazioni di produzione che richiedono l'accesso alla rete PSTN, Pipecat utilizza WebRTC internamente e SIP esternamente.
Come posso connettere un agente AI basato su WebRTC alla rete telefonica?
Sono necessari due componenti: un trunk SIP fornito da un operatore (per la connettività PSTN e i numeri di telefono) e un bridge da WebRTC a SIP (per tradurre il flusso WebRTC della piattaforma di IA nel SIP/RTP dell'operatore). Il bridge può essere FreeSWITCH, Asterisk o un servizio di piattaforma come Daily PSTN. La piattaforma di IA si connette al bridge tramite WebRTC; il bridge si connette a IDT Express tramite SIP. Le chiamate in entrata arrivano come SIP INVITE da IDT Express, vengono convertite in audio WebRTC dal bridge e consegnate alla pipeline di IA. Le chiamate in uscita vengono originate tramite il bridge e terminate da IDT Express sulla rete PSTN.
Pronti a connettere il vostro agente AI alla rete telefonica? Inizia gratuitamente con il trunking SIP IDT Express →
