语音在IP网络上的传送，不同于传统PSTN语音传输，它是采用语音编码方式，将模拟话音数字化并打包后采用尽力投送的IP包传送机制，通过IP网络传送到接收端，接收端收集数据包后语音解码得到模拟话音。此外VoIP也与传统的网络应用有许多的不同，例如，像FTP文件传输方式尽可能地占用网络带宽去快速地传送文件；而ERP应用程序则发送较少的数据，但是却在发送者和接收者之间频繁地交互数据流。相反，VoIP只占用很少的网络带宽，但是它不能容忍网络的延时和变化。即使VoIP业务和传统数据业务在同一网络中实现，语音流和数据流也不能被同一方式处理，因为：
1）它们有不同的数据包大小
2）它们按照不同速率发送数据包
3）它们以不同的方式缓存和传送数据包到目的地
4）它们必须满足不同的用户期望
目前，大部分网络并没有准备好为端到端的VoIP实施提供像PSTN一样的语音质量和可靠性。现存的VoIP网络主要实现了IP中继，提供两个远距离的PSTN的廉价长途连接。以下的两个主要VoIP的语音特性反映对网络性能的具体需求：
第一，VoIP利用RTP实时传输协议传送数据。RTP是一个基于无连接UDP的应用协议，UDP是无连接的，它不会对数据包的传送提供应答和跟踪，这样RTP也不会重新传送网络的丢包，这就要求网络传输中应尽可能减少数据包的丢失；此外，按照TCP的应用协议，RTP也没有直接的碰撞控制，以致于因为发送者发送太多太快的数据包，接收者将被淹没。为了克服这个问题，RTP应用程序总是以固定速率发送数据包，这就要求网络能够尽量以固定的速率传输数据包。
第二，交互式会话不能容忍过大的延时。一个典型的电话会话依赖于发起者和接听者之间的大量的交互，交互得越多，在会谈中所能承受的延时则越小。这就要求数据包通过网络的延时尽可能的小。
由此可见语音在IP网络上的传输需要考虑许多不同于传统电话网络和传统数据网络的因素，所有这些特性因素都将制约到VoIP的语音质量。
