Wie bei herkömmlicher Telefonie wird die Sprache zunächst analog mit einem Mikrofon (z.B. über den Telefonhörer) erfasst. Die so aufgenommene analoge Sprache wird digital verarbeitet und anschließend codiert bzw. komprimiert um die zu übertragende Datenmenge zu reduzieren (ähnlich wie bei MP3). Der Transport der so umgewandelten Daten erfolgt dann über ein öffentliches oder privates Computernetzwerk. Bedingt durch das für die Transportsteuerung zuständige Internet Protocol (IP) werden die Daten dazu in viele kleine Pakete aufgeteilt, weshalb auch ein Gespräch nun nicht mehr eine ganze Leitung benötigt.