Um die Sprache in Datenpaketen im Internet transportieren zu können, müssen diese digitalisiert werden. Zur Sprachdigitalisierung werden so genannte Codecs verwendet, die die Übertragung der Datenpakete erst möglich machen. Die Bezeichnung Codec leitet sich her aus codieren und decodieren; sie ist sozusagen eine Abkürzung. Um die Sprache also auf dem PC speichern zu können, muss sie zunächst codiert (digitalisiert) werden. Das bedeutet, die analoge Sprache wird unter Verwendung eines Codecs digitalisiert. Dadurch wird eine effizientere Speicherung und Übertragung der Datenpakete erreicht. Die Codecs müssen aufgrund der Struktur des Internets einen Datenpaketverlust von bis zu 5 % verkraften und die Laufzeitunterschiede der Datenpakete ausgleichen.
Weiter müssen die Codecs die Daten in die richtige Reihenfolge sortieren. Für die Nutzung der Sprachübertragung im IP-Netzwerk bedient man sich unterschiedlicher Codecs. Die einzelnen Codecs verfügen über eine unterschiedliche Audiokompression. Die Wahl des Codecs hat Auswirkung auf die Bandbreite und Sprachqualität. Bei zunehmender Kompression nimmt die Sprachqualität ab und damit gleichzeitig auch die Dekomprimierungszeit. Im Gegenzug nimmt die Rechenleistung zu. Zudem wird für eine gute Übertragung eine Bandbreite von wenigstens 10 kbits/sek. pro Sprachverbindung benötigt, damit eine gute Sprachqualität gewährleistet werden kann. Das Datennetz muss diese Bandbreite für jedes Gespräch zur Verfügung stellen. Zur Ermittlung der nötigen Bandbreite sind Komponenten wie IP-Overheads, Sprachkomprimierung und Sprechpausenunterdrückung berücksichtigt. Bei der Wiedergabe der Sprache aus den übermittelten Datenpaketen, müssen die digitalen Daten wieder decodiert werden. Dafür wird das gleiche Verfahren angewandt, wie bei der vorherigen Codierung.
Um die Sprachqualität eines Benutzers zu bestimmen, wurde MOS (Mean Opinion Score) entwickelt. MOS definiert das statische Empfinden der Sprachqualität eines Benutzers. Je höher die Einstufung der Sprache durch MOS ausfällt, desto besser ist die Qualität der Verbindung. Eine gute Sprachqualität bietet dann grundsätzlich auch eine bessere Übertragungsqualität der Sprache an den Empfänger nach Einsatz eines Codecs. Es gibt eine Auswahl verschiedener Codecs. Als derzeitiger Standard-Codec gilt G.711. Voice over IP verwendet überwiegend den Codec G.729A, der für VoIP eine Grundlage für eine gute Sprachqualität bildet. Alternativ wird noch der Codec G.729 angeboten. Dieser Codec hat zwar eine etwas schlechtere Sprachqualität, die aber letztlich noch viel besser ist, als bei Handys. Um letztendlich eine korrekte Sprachwiedergabe zu erzielen, ist es erforderlich, dass Empfänger und Sender den gleichen Codec verwenden.
| 
