Wie auch sonst üblich wird das gesprochene mit einem Mikrofon als ein analoges Signal aufgenommen. Mit einem Konverter werden die analogen Signale dann in digitale umgewandelt und im benötigten Audioformat kodiert. Je nach Audioformat variiert auch die Qualität der Sprache.

Durch eine sehr starke Komprimierung gehen Informationen verloren, welche aber nicht sonderlich ins Gewicht fallen.

Um die Sprache nun zum Empfänger zu bringen muss sie in Pakete aufgeteilt werden. Diese können dann, über verschiedene Wege, geschickt werden. Bei dem Empfänger werden sie in einem Puffer gespeichert. Dann werden sie wieder in analoge Signale umgewandelt und dann am Lautsprecher als menschliche Sprache ausgegeben.
Um mit diesem System ins normale Festnetz telefonieren zu können braucht man einen Vermittler beziehungsweise ein Gateway. Diese sind sowohl mit dem herkömmlichen Telefonnetz als auch mit dem Computernetzwerk verbunden. Es wandelt die Signale zwischen dem ISDN des normalen Netzes und den Paketen des Netzwerkes in einander um und macht so eine Kommunikation möglich.

Um auch Erreichbar zu sein vergibt der Provider Rufnummern. Dieses System hat aber auch ein paar Schwächen. Die wohl größte ist, dass die Nummer nicht Lokal erkennbar ist. Man weiß also nicht von wo diese Nummer anruft. Somit ist es bei Notrufen nicht möglich die richtige Leitstelle zu informieren falls man nicht selbst sagt wo man herkommt, beziehungsweise wo man sich befindet.

Für dieses schwerwiegende Problem gibt es noch keine Lösung, da man einen Anruf über Voice over IP nicht geographisch einordnen kann.