Az interneten való telefonálás elvét könnyű elmagyarázni: a klasszikus beszélgetéssel szemben nem kell minden beszélgetéshez egyéni vonalat lefoglalni. A beszédinformációkat digitális jelekké alakítják át, és kis információcsomagokként továbbítják az interneten. A beszélgető partnernél a csomagokat megint összeillesztik - normális beszéddé. A VoIP-kiszolgáló társaságok saját gateway-szervereket üzemeltetnek, a klasszikus telefonlétesítmény ellenpárját. Ezek kommunikációs hidat képeznek az interneten közvetített adatcsomagok és a hagyományos telefonkapcsolat között. Aki bejelentkezik egy kiszolgálónál, kap egy személyi telefonszámot. Ha a gateway-szerverre hívás érkezik, azokat a felhasználó VoIP-kapcsolatára irányítják, mindegy, hová linkelte be magát épp az interneten. Ez az eljárás például lehetővé teszi a telefonálást több emberrel egyidőben csupán egy vonalon keresztül, nem úgy, mint az analóg telefonon. Csak az IDSN-nél van jelenleg korlátozott konferencia-kapcsolat.

A telefonhívások hangminősége általában megfelel az általános telefonhálózaton történő telefonálás minőségének. Mindenesetre előfordulhat, hogy némely csomagot tévútra irányítanak, és ezáltal hangkiesések keletkeznek. Ezek a problémák a jövőben elvesztik jelentőségüket. A technikai szabványok időközben egyre egységesebbek lesznek. Az IP-telefonálás pillanatnyilag leginkább használatos protokolljai a H.323 és SIP:

• A H.323 szabványnál olyan protokollokat definiálnak, melyekkel minden csomagkapcsolt hálózaton keresztül lehetséges audiovizuális kommunikáció.
• A SIP (Session Initiation Protocol) lehetővé teszi az adatcsomagok továbbítását különböző üzemeltetők közt is, és a hívások felépítéséhez is használják. A SIP-protokollt rugalmassága alapján az UMTS-hálózatok újabb generációjának protokolljaként is alkalmazni akarják.