Telefonia IP jest nowoczesnym sposobem komunikacji głosowej w sieciach teleinformatycznych, wykorzystującym mechanizm transmisji głosu w tzw. postaci pakietowej (podobnie jak ma to miejsce w przypadku transmisji danych) i korzystającym z tej samej sieci, która wykorzystywana jest do transmisji danych. Tradycyjna telefonia, wykorzystująca tzw. komutację łączy korzysta z odrębnej, dedykowanej sieci telefonicznej.

Telefonia internetowa wykorzystuje dwa główne typy protokołów. Protokoły sygnalizacyjne, których zadaniem jest pośredniczenie w komunikacji dwóch urządzeń VoIP. Drugi typ to protokoły transportowe, odpowiadające za przesył pakietów głosowych.
Protokoły tworzące VoIP:
- Protokoły IP: SIP, LTP, H.323, SCCP, MGCP, Megaco, IAX, STUN, ENUM, TRIP, SIMPLE, RTP, PINT, SCTP, T.37, T.38, COPS
-  Protokoły ITU: SS7, ISUP
- Standardy związane z ITU: P.1010
- OSP, PacketCable

Większość rozwiązań VoIP do transportu pakietów wykorzystuje RTP - protokół transportowy dla aplikacji czasu rzeczywistego. Wśród protokołów komunikacyjnych można wymienić np.SIP, H.323.


Telefonia internetowa nie miałaby racji bytu bez odpowiedniej kompresji głosu. Funkcjonalność tą zapewnia zestaw kodeków. Wybrany sposób kompresji rozmowy telefonicznej ma podstawowe znaczenie dla wykorzystywanego pasma. Ogólną zasadą jest, że im jakość głosu będzie lepsza, tym większe pasmo będzie potrzebne do przeprowadzenia takiej rozmowy. Każde urządzenie VoIP wspiera kilka kodeków, podczas ustalania połączenia zostaje wybrany jeden z nich.

Stosowane kodeki:
 - GIPS - 13.3 Kbps and up
 - GSM - 13 Kbps, ramka 20ms
 - iLBC - 15Kbps, ramka 20ms
 - ITU G.711 - 64 Kbps, znany jako alaw/ulaw
 - ITU G.722 - 48/56/64 Kbps
 - ITU G.723.1 - 5.3/6.3 Kbps, ramka 30ms
 - ITU G.726 - 16/24/32/40 Kbps
 - ITU G.728 - 16 Kbps
 - ITU G.729 - 8 Kbps, ramka10ms
 - Speex - 2.15 to 44.2 Kbps
 - LPC10 - 2.5 Kbps
 - DoD CELP - 4.8 Kbps