VoIP大致透过5道程序来互传语音讯号，首先是将发话端的模拟语音讯号进行编码的动作，目前主要是采用ITU-T G.711语音编码标准来转换。第二道程序则是将语音封包加以压缩，同时并添加址及控制信息，如此便可以在第三阶段中，也就是传输IP封包阶段，在浩瀚的 IP网络中寻找到传送的目的端。到了目的端，IP封包会进行译码还原的作业，最后并转换成喇叭、听筒或耳机能播放的模拟音讯。