在许多场合，VoIP技术仅指通过IP网络实现类似普通老式电话的功能。但是，在传统电话网的业务不断发展的情况下，VoIP的含义和设计目标也超越了其字面意义；也就是说VoIP技术不仅指提供双方会话的传统电话技术，而且是包含话音、图像和数据、支持各种智能业务的双方及多方多媒体通信技术。

由于传统PSTN的广泛存在性等历史渊源，在相当长一段时间内，新兴的系统要充分发挥其优势，就必须考虑与PSTN的互通问题。这就要在IP网与PSTN交换机之间配置网关，以实现媒体流与控制信令的互连互通。这样就有了4种方式：电话到电话、电话到PC、PC到电话和PC到 PC。

电话到电话即普通电话经过电话交换机连到网关，用穿过IP网进行呼叫。发端网关鉴别主叫用户，翻译/网关IP地址，发起呼叫，连接到最靠近被叫的网关，并完成话音编码和打包。收端的网关实现拆包、解码和连接被叫。

对于电话到PC或是PC到电话的情况，是由网关来完成IP地址和的对应和翻译，以及话音编解码和打包。

PC到PC方式下，多媒体PC经过电话线或局域网连接到Internet上，利用IP地址进行呼叫。话音压缩、编解码和打包均通过PC上的处理器、声卡、网卡等硬件资源完成。

对于Internet或企业内部互联网（Intranet）这样的无连接数据网络是没有业务质量保障的，必然会存在分组丢失、失序到达和时延抖动的情况。这样，就必须采取特殊的步骤来保障一定的业务质量。例如，高层协议TCP提供了流控和差错恢复，但会产生显著的时延和时延抖动，因而在此环境中， TCP就不可用作第三层协议。基于多媒体数据与一般计算机数据不同，它能容忍一定程度的差错，而不会明显地影响通话或图像质量。因此，多媒体数据传输都采用UDP传输协议。由于UDP只是提供了一个基本的传输手段，而多媒体传输应用需要多媒体编码类型、同步时标、分组序列号等参数，以及一定程度的业务质量保障，因而提出了实时传输协议RTP/实时传输控制协议TRCP[3]。

VoIP的关键技术包括：

（1）信令技术:包括ITU-TH.323和IETF会话初始化协议SIP[4]（SessionInitationProtocol）两套标准体系，还涉及到进行实时同步连续媒体流传输控制的实时流协议TRSP。

（2）媒体编码技术:包括流行的G.723.1、G.729，G.729A话音压缩编码算法和MPEG-II多媒体压缩技术。

（3）媒体实时传输技术:主要采用实时传输协议RTP。

（4）业务质量保障技术:采用资源预留协议RSVP和用于业务质量监控的实时传输控制协议RTCP来避免网络拥塞，保障通话质量。

（5）网络传输技术:主要是TCP和UDP。

此外还涉及到分组重建技术和时延抖动平滑技术、动态路由平衡传输技术、网关互联技术（包括媒体互通和控制信令互通）、网络管理技术（SNMP）以及安全认证和计费技术等等。