語音在IP網絡上的傳送，不同于傳統(tǒng)PSTN語音傳輸，它是采用語音編碼方式，將模擬話音數(shù)字化并打包后采用盡力投送的IP包傳送機制，通過IP網絡傳送到接收端，接收端收集數(shù)據(jù)包后語音解碼得到模擬話音。此外VoIP也與傳統(tǒng)的網絡應用有許多的不同，例如，像FTP文件傳輸方式盡可能地占用網絡帶寬去快速地傳送文件；而ERP應用程序則發(fā)送較少的數(shù)據(jù)，但是卻在發(fā)送者和接收者之間頻繁地交互數(shù)據(jù)流。相反，VoIP只占用很少的網絡帶寬，但是它不能容忍網絡的延時和變化。即使VoIP業(yè)務和傳統(tǒng)數(shù)據(jù)業(yè)務在同一網絡中實現(xiàn)，語音流和數(shù)據(jù)流也不能被同一方式處理，因為：

1）它們有不同的數(shù)據(jù)包大小

2）它們按照不同速率發(fā)送數(shù)據(jù)包

3）它們以不同的方式緩存和傳送數(shù)據(jù)包到目的地

4）它們必須滿足不同的用戶期望

目前，大部分網絡并沒有準備好為端到端的VoIP實施提供像PSTN一樣的語音質量和可靠性?，F(xiàn)存的VoIP網絡主要實現(xiàn)了IP中繼，提供兩個遠距離的PSTN的廉價長途連接。以下的兩個主要VoIP的語音特性反映對網絡性能的具體需求：

第一，VoIP利用RTP實時傳輸協(xié)議傳送數(shù)據(jù)。RTP是一個基于無連接UDP的應用協(xié)議，UDP是無連接的，它不會對數(shù)據(jù)包的傳送提供應答和跟蹤，這樣RTP也不會重新傳送網絡的丟包，這就要求網絡傳輸中應盡可能減少數(shù)據(jù)包的丟失；此外，按照TCP的應用協(xié)議，RTP也沒有直接的碰撞控制，以致于因為發(fā)送者發(fā)送太多太快的數(shù)據(jù)包，接收者將被淹沒。為了克服這個問題，RTP應用程序總是以固定速率發(fā)送數(shù)據(jù)包，這就要求網絡能夠盡量以固定的速率傳輸數(shù)據(jù)包。

第二，交互式會話不能容忍過大的延時。一個典型的電話會話依賴于發(fā)起者和接聽者之間的大量的交互，交互得越多，在會談中所能承受的延時則越小。這就要求數(shù)據(jù)包通過網絡的延時盡可能的小。

由此可見語音在IP網絡上的傳輸需要考慮許多不同于傳統(tǒng)電話網絡和傳統(tǒng)數(shù)據(jù)網絡的因素，所有這些特性因素都將制約到VoIP的語音質量。