Funktional ist die Internettelefonie über ein VoIP-Netz vergleichbar mit der Telefonie über Festnetze oder Mobilfunknetze.

Es geht darum, die Sprachsignale bidirektional zwischen zwei Kommunikationspartnern zu übertragen.

Das Übertragungsprinzip besteht in allen Netzen aus dem Verbindungsaufbau, der Gesprächsübertragung und dem Verbindungsabbau.

Im Unterschied zu Festnetzen, wo eine feste Verbindung zwischen den Kommunikationspartnern aufgebaut wird, werden bei der Internettelefonie die komprimierten, digitalisierten Sprachsignale in kleinere Sprach-Datenpakete verpackt und über das Internet übertragen.

Für den Datentransport benutzt VoIP das Realtime Transport Protocol (RTP) oder die gesicherte Variante, das Secure Realtime Transport Protocol (SRTP).

Diese Protokolle setzen auf dem User Datagram Protocol (UDP) auf.

Das kennt keine Bestätigung, hat dadurch aber geringere Verzögerungszeiten als das Tranmission Control Protocol (TCP).

Unter dem UDP-Protokoll liegt als Netzwerkprotokoll das IP-Protokoll.

Die Zielstation ist das VoIP-Telefon oder das Softphone, dem ein VoIP-Adapter vorgeschaltet ist.

In diesem Adapter werden die Datenpakete wieder zu einem kontinuierlichen Sprach-Datenstrom zusammengesetzt.

Anders als bei klassischen Vermittlungstechniken, wo die Teilnehmer durch ihre Rufnummern gekennzeichnet werden, kann bei der IP-Telefonie die IP-Adresse nicht als Rufnummer benutzt werden, da diese sich ändern kann.

Deswegen werden die Rufnummern der Teilnehmer in einem Server hinterlegt und aktualisiert.

Die Verbindungsdaten werden vor dem Telefonat von dem Server abgefragt.

Außerdem erfolgt die Signalisierung, mit der die Verbindung hergestellt wird, über ein separates Signalisierungsprotokoll wie dem Session Initiation Protocol (SIP) oder H.323 von der internationalen Fernmeldeunion (ITU).