語音在IP網絡上的傳送，不同于傳統PSTN語音傳輸，它是采用語音編碼方式，將模擬話音數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，接收端收集數據包后語音解碼得到模擬話音。此外VoIP也與傳統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應用程序則發送較少的數據，但是卻在發送者和接收者之間頻繁地交互數據流。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業務和傳統數據業務在同一網絡中實現，語音流和數據流也不能被同一方式處理，因為：
1）它們有不同的數據包大小
2）它們按照不同速率發送數據包
3）它們以不同的方式緩存和傳送數據包到目的地
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。現存的VoIP網絡主要實現了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實時傳輸協議傳送數據。RTP是一個基于無連接UDP的應用協議，UDP是無連接的，它不會對數據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據包的丟失；此外，按照TCP的應用協議，RTP也沒有直接的碰撞控制，以致于因為發送者發送太多太快的數據包，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送數據包，這就要求網絡能夠盡量以固定的速率傳輸數據包。
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。這就要求數據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電話網絡和傳統數據網絡的因素，所有這些特性因素都將制約到VoIP的語音質量。
