网络电话通过把语音信号经过数字化处理、压缩编码打包、透过网络传输、然后解压、把数字信号还原成声音，让通话对方听到。
话音从源端到达目的端的基本过程是：
声电转换：通过压电陶瓷等类似装置将声波变换为电信号
量化采样：将模拟电信号按照某种采样方法（比如脉冲编码调制，即PCM）转换成数字信号
封包：将一定时长的数字化之后的语音信号组合为一帧，随后，按照国际电联（ITU-T）的标准，这些话音帧被封装到一个RTP（即实时传输协议，Realtime Transport Protocol）报文中，并被进一步封装到UDP报文和IP报文中。
传输：IP报文在IP网络由源端传递到目的端 去抖动：去除因封包在网络中传输速度不均匀所造成的抖动音 拆包 电声转换 一个完整的、可以大规模商用运营的IP电话系统包括如下一些技术（暂不完全）：寻址话音编解码 回声消除和回声抑制 传输 IP报文时延控制功能 去抖动 IP报文的去抖动（de-jitter）功能。