Existem varias formas de realizar ligações de voz usando a tecnologia de VoIP, as mais importantes são: Entre dois telefones convencionais ligados a rede de telefonia básica, entre dois computadores, entre um computador e um telefone convencional ligado à rede de telefonia básica ou através de telefones IP.

Numa solução VoIP, os gateways são identificados na rede por seu endereçamento IP fixo, e a partir dessa identificação ocorre a troca de dados. Automaticamente o endereçamento IP é associado ao código do equipamento(ID), número que o usuário utilizará no seu dia-a-dia para identificação. Quando utilizado num sistema PABX, o ID fica disponível para todos os ramais.

Para estabelecer conversações usando dois computadores é necessário utilizar um software que transforme os sinais auditivos capturados pela placa de áudio através do microfone em pacotes de dados e os envie ao computador remoto onde serão decodificados e enviados aos alto-falantes através da placa de som. São muitos os programas disponíveis para realizar este tipo de comunicação, em sua grande maioria oferecidos gratuitamente por empresas que fornecem conteúdo na Internet como YAHOO! e MSN. As conversações realizadas usando estes programas são "gratuitas", pois o usuário só paga a sua conexão com a Internet. O ponto fraco deste método é a qualidade do áudio que pode variar de razoável a muito ruim, dependendo de fatores como o tipo de conexão à Internet nas duas pontas e o congestionamento na rede mundial.

Usuários de computador também podem aproveitar os recursos multimídia do seu equipamento para realizar ligações a pessoas que não possuem computador ou que preferem conversar ao telefone por outros motivos. Isto é realizado de forma semelhante as ligações entre dois telefones convencionais com a diferença que o próprio computador da pessoa que realiza a ligação se encarrega de entregar os pacotes de dados no gateway de voz próximo a localidade de quem recebe a ligação. Para isto e utilizado um programa (geralmente um cliente web muito leve programado em Java) que se instala no computador de quem liga para controlar a ligação (consumo dos créditos, gateway de destino, etc.).

Outra modalidade deste tipo de ligação é a implementação da funcionalidade "click-to-talk" em sites de e-commerce e suporte técnico. A pessoa que esta navegando numa determinada pagina da Internet aperta um botão disponível na pagina, e imediatamente é estabelecida uma ligação que é encaminhada a um agente de call center.

Temos também a ligação usando um telefone IP, que é um aparelho telefônico semelhante a um telefone convencional que possui embutidas funções para conversão dos sinais auditivos em pacotes de dados assim como protocolos e portas de comunicação com redes IP. Também existem no mercado adaptadores que permitem conectar aparelhos telefônicos analógicos a redes de dados IP como o ATA180 da Cisco. Quem desejar estabelecer comunicação a partir de aparelhos deste tipo tem três alternativas: A primeira é através do endereço IP atribuído ao telefone apos a conexão na rede (IP privada ou Internet). O usuário nestes casos "disca" o endereço IP do telefone remoto e o mesmo "toca" para que o usuário remoto atenda a ligação. Em redes com atribuição de endereços IP dinâmicos isto pode ser um fator complicador.

A segunda alternativa é através do uso de equipamentos PABX IP que realizam a conversão de endereços IP para os números de ramal comuns respectivos de cada aparelho ligado ao PABX IP facilitando a realização da ligação. Eventualmente esses PABX podem também realizar o enlace com redes VoIP remotas, como escritórios em outras cidades e com a rede de telefonia básica, de forma que os usuarios possam estabelecer ligações com pessoas que não sejam usuarios da tecnologia VoIP.

A terceira alternativa é a aquisição de uma linha telefônica IP junto a uma operadora de serviços de Telecomunicações. É através desta modalidade que deve surgir a maior revolução tecnológica da voz sobre protocolo IP. Quando se adquire uma linha deste tipo recebe um numero de telefone convencional que pode fazer ou receber ligações de / para telefones convencionais ligados à rede de telefonia convencional, assim como entre telefones conectados à rede IP do seu provedor de serviço. A grande vantagem é a redução de custos, pois geralmente são oferecidos planos que permitem que se realize ligações locais e de longa distancia nacional ilimitadas por um valor fixo bastante razoável. Adicionalmente existe uma ampla gama de serviços que agregam valor e em alguns casos podem trazer reduções de custos significativas como o "ddd virtual" que permite a um cliente ter um telefone com o ddd de outra localidade.

O fluxo geral de uma chamada entre duas partes usando a VoIP é o seguinte:

1. O usuário pega o monofone; ocorre a sinalização que indica telefone fora do gancho para a parte da aplicação sinalizadora da VoIP no roteador.
2. A parte de aplicação da sessão da VoIP emite um sinal de discagem e aguarda que o usuário disque um número de telefone.
3. O usuário disca o número de destino; esses dígitos são acumulados e armazenados pela aplicação da sessão.
4. O gateway compara os dígitos acumulados com os números programados e, quando há uma coincidência, ele mapeia o número discado com o endereço IP do gateway de destino.
5. A aplicação de sessão roda então o protocolo de sessão H.245 sobre TCP, para estabelecer um canal de transmissão e recepção para cada direção através da rede IP. Se a chamada estiver sendo realizada por um PBX, o gateway troca sinalização (analógica ou digital) com o PABX, informando o estado da ligação (envio de ring, ocupado, etc).
6. Se o número de destino atender a ligação é estabelecido um fluxo RTP sobre UDP entre o gateway de origem e destino.
7. Os esquemas de compressão do codificador-decodificador (CODECs) são habilitados para ambas as extremidades da conexão - e a conversação prossegue usando o RTP/UDP/IP (Real-Time Transport Protocol/User Datagram Protocol/Internet Protocol) como pilha de protocolos.
8. Quaisquer indicações de andamento de chamada (ou outros sinais que podem ser transportados dentro da banda) cruzam o caminho da voz assim que um fluxo de voz (RTP) for estabelecido. Após a chamada ser completada, pode-se enviar sinalizações dentro da banda como por exemplo sinais DTMF (freq:uências de tons) para ativação de equipamentos como Unidade de Resposta Audível (URA).
9. Quando qualquer das extremidades da chamada desligar, a sessão é encerrada. Cada uma das extremidades então se torna disponível, aguardando a próxima condição de "fora do gancho" para iniciar outro estabelecimento de chamada.
10. A parte de aplicação da sessão da VoIP emite um sinal de discagem e aguarda que o usuário disque um número de telefone.

Quando qualquer das extremidades da chamada desligar, a sessão é encerrada. Cada uma das extremidades então se torna disponível, aguardando a próxima condição de "fora do gancho" para iniciar outro estabelecimento de chamada.

A voz é digitalizada (transformada em dados) que são passados por meio de pacotes entre cada telefone IP