Puheesta IP-paketiksi

Puhe etenee ilmassa analogisessa muodossa ääniaaltoina. Jotta ääntä voitaisiin siirtää internetissä, ääni on muunnettava digitaaliseen muotoon. Puheesta otetaan näytteitä, esim. 8 000 kertaa sekunnissa. Seuraavaksi kunkin näytteen arvo kvantisoidaan niin, että näyte saa 256 mahdollisesta arvosta sen, jota lähimpänä näytteen arvo alunperin oli. Kvantisoidut näytteet koodataan. Esim. vuonna 1952 patentoitu PCM on tällainen koodausmenetelmä.

Uusia, informaatiota tiivistäviä koodausmenetelmiä kehitellään jatkuvasti. Sen sijaan, että koodattaisiin jokainen näyte erikseen, voidaan koodata pelkästään peräkkäisten näytteiden välinen ero. Koska peräkkäiset näytteet ovat melko samanlaisia, eron koodaukseen tarvitaan vähemmän bittejä kuin kokonaisen näytteen koodaamiseen. DPCM on eroja koodaava menetelmä. Perinteisessä PCM koodauksessa tiedonsiirtotarve on 64 kbit/s, mutta uudemmilla koodaustekniikoilla tiedonsiirtotarve on pystytty pudottamaan noin kymmenesosaan tästä. Jos IP-puhelu on videopuhelu, täytyy myös videokuva koodata jotain kuvankoodausmenetelmää käyttämällä.

Koodauksen tulos pakataan IP-pakettiin. Pakettiin liitetään IP-protokollan mukainen otsikko. IP-paketin otsikko on pituudeltaan vähintään 20 tavua. Otsikossa on tieto käytettävästä IP-versio, otsikon pituus, paketin "tyyppi" (ToS), paketin koko, paketin numero, tieto siitä onko pakettia jouduttu pilkkomaan eli onko paketti kokonainen vai osa jotain toista pakettia, "elinaika" eli kauanko paketti on ollut verkossa, tieto sovellustason protokollasta, otsikon tarkistussumma ja sekä lähettäjän että vastaanottajan osoite.

Myös muiden tarvittavien protokollien otsikot lisätään pakettiin. Paketti lähetetään verkkoon. Saatuaan paketin vastaanottaja purkaa paketin, dekoodaa informaation ja muokkaa digitaalisessa muodossa olevan äänen analogisiksi ääniaalloiksi.

Tavallisessa puhelussa puhelinlinja on varattu riippumatta siitä puhuuko vai kuunteleeko soittaja. IP-puheluissa tiedonvälitys on tehokkaampaa, koska puhelusta välitetään vain puhe, ei hiljaisuutta. Kun puheen koodaaja havaitsee hiljaisuuden, se lähettää eteenpäin vain tiedon siitä, että on hiljaista. Koska käytännössä ei ole olemassa täydellistä hiljaisuutta, vastaanottavassa päässä laite generoi taustakohinaa saatuaan tiedon hiljaisuudesta. Näin saadaan aikaan luonnollinen vaikutelma kuulijalle.