Die Übertragung der eigentlichen Sprachdaten in einer VoIP-Verbindung erfolgt separat vom Sessionprotokoll SIP über das Datenprotokoll RTP. RTP basiert auf UDP und verwendet Portbereiche abhängig vom jeweiligen Endgerät. Welche Ports für eine konkrete Verbindung, die per SIP initiiert wurde, benutzt werden, wird zwischen den Parteien per SIP zuvor ausgehandelt.
Für die erfolgreiche Verwendung von VoIP zur Sprachkommunikation müssen daher nicht nur SIP-Pakete ungehindert zwischen Teilnehmern übertragen werden können, sondern auch RTP-Pakete, die die eigentlichen Sprachdaten enthalten. Wird die RTP-Verbindung einseitig blockiert (z.B. durch einen Firewall), so kann es sein, daß in einem Telefonat ein Teilnehmer den anderen hört, jedoch nicht umgekehrt.
Der Inhalt von RTP-Paketen (sog. Payload) ist nicht festgelegt und kann unterschiedliche Formate besitzen. Welches Format vorliegt wird durch die Aushandlung von Codecs beim Aufbau einer Verbindung festgelegt. Codecs bestimmen einerseits das Format der Codierung von Sprachdaten in RTP, andererseits dadurch natürlich auch die erforderliche Bandbreite.
Gibt es keine gemeinsamt Schnittmenge von Codecs bei zwei Endgeräten, die eine Verbindung aufbauen möchten, so ist eine Kommunikation nicht möglich.
Eine aktuelle Liste aller offiziell registrierten Codecs findet sich bei IANA. Einzelne Provider oder spezifische Endgeräte können abweichend davon bzw. in Ergänzung auch weitere Codecs anbieten. Die gebräuchlichsten Codecs sind die folgenden:
| Codec | Sample [bits] | Sample [ms] | Bitrate [kbit/s] | Samples je Paket | Pakete/s | Bandbreite [kbit/s] | Gespräche 128/256 |
|---|---|---|---|---|---|---|---|
| G.711 | 640 | 10 | 64,0 | 2 | 50,0 | 87,2 | 1/2 |
| G.729 | 80 | 10 | 8,0 | 2 | 50,0 | 31,2 | 4/8 |
| G.723 | 192 | 30 | 6,4 | 1 | 33,3 | 21,9 | 5/11 |
| G.723 | 160 | 30 | 5,3 | 1 | 33,3 | 20,8 | 6/12 |
| G.726 | 200 | 5 | 40,0 | 4 | 50,0 | 63,2 | 2/4 |
| G.726 | 160 | 5 | 32,0 | 4 | 50,0 | 55,2 | 2/4 |
| G.726 | 120 | 5 | 24,0 | 4 | 50,0 | 47,2 | 2/5 |
| G.726 | 80 | 5 | 16,0 | 6 | 33,3 | 31,5 | 4/8 |
| GSM | 264 | 20 | 13,2 | 1 | 50,0 | 36,4 | 3/7 |
| iLBC | 400 | 30 | 13,3 | 1 | 33,3 | 28,8 | 4/8 |
| iLBC | 304 | 20 | 15,2 | 1 | 50,0 | 38,4 | 3/6 |
Dabei wurde für die Bandbreitenberechnung ein Ethernet-Overhead von 58 Bytes berücksichtigt (18 Bytes Ethernet Header, 20 Bytes IP-Header, 8 Bytes UDP-Header, 12 Bytes RTP-Header).
PCMA bzw. PCMU entsprechen den Angaben von G.711.
Für Fax over IP (T.38 = T.30 over IP) werden ca. 14,4 kbit/s Payload übertragen.
Die letzte Spalte gibt an, wie viele parallele Gespräche über eine Leitung mit Bandbreite von 128 bzw. 256 kbit/s Upstream geführt werden können. Dies setzt natürlich voraus, daß diese Bandbreite tatsächlich zur Verfügung steht.