实时传输协议（RTP）是一种结构化数据包的方式，使它们可以以闪电般的速度跨Internet传输，并重新组合成适合以自然方式传输语音或多媒体的流畅流。 没有这样的协议，IP语音将是不可能的。
VoIP电话的演变
当有线地面电话系统在1880年代首次投入使用时，每个呼叫都以连续电信号的形式传输，该信号沿一条或多条导线传输。 如果您想给伯明翰而不是伦敦打个电话，接线员会通过重新布置插头将您物理连接到另一条布线线路。 这种方法几乎一直没有改变，直到1960年代。
可以在拥塞的电话网络中找到自己的方式的电话呼叫是基于新近可用的晶体管的数字交换交换的引入而来的。
当数据通过当今的互联网流式传输时，它会分成一系列数据包并包装在指令中，以帮助其执行必要的切换。 然后，在带宽允许的情况下，每个数据包都可以通过互联网流量瓶颈进行压缩。 尽管速度非常快，但互联网流量与城市道路流量并没有什么不同-可以通过队列，红灯，十字路口，单向街道和收费桥进行导航。 结果，数据包不太可能按照发送时的顺序到达，因此每个数据包都在流中标记了正确的位置，以便可以在到达时进行重组。
实时传输协议
有多种方法可以将数据包装在其他信息层中以控制其路由方式，但是提供实时体验有一些非常特定的要求。 例如，如果您正在通过Internet发送可执行文件，则到达和重组该可执行文件的速度并不重要，但是您不会丢失任何数据，因此会不断进行错误检查，并经常请求重新发送数据包。 （文件传输协议就是为此而开发的）。 相反，在发送对话时，丢弃丢失的数据包比延迟重新组合的音频的交付更好。 如果同时传输音频和视频，则必须有其他保护措施以使其紧密同步。
在实践中，诸如RTP之类的通信协议通常包装在许多其他协议中-每个协议都控制途中所需的寻址，交换和数据保护（包括加密）的不同方面。 常见示例包括IP（互联网协议），UDP（用户数据报协议）和RTCP（实时控制协议）。 当诸如IDT之类的语音终端提供商通过Internet连接您的电话，视频电话或传真消息时，通常会使用所有这些方法。
这些协议相结合甚至可以监视它们所经过的网络上的流量状况，以适应信号延迟和数据包错误，以防止任何“抖动”或“回声”降低VoIP对话或视频会议的质量。 自1880年代以来，我们已经走了很长一段路！
