VoIP（Voice over IP）以極低成本實現全球語音互通，已成現代通訊基礎設施。本文深度拆解其核心工作原理、三大呼叫模式與關鍵網關技術，揭示「聲音如何在數據網絡中飛馳」。

核心原理：聲音的數字化旅程

1. 聲電轉換： 麥克風壓電陶瓷將聲波轉換為模擬電信號。
2. 量化採樣（PCM）： 依據奈奎斯特定理，8kHz 採樣、16bit 量化，將模擬信號轉為 64kbps 數字碼流（G.711 標準）。
3. 壓縮編碼： 為節省頻寬，採用 G.729A (8kbps)、G.723.1 (5.3/6.3kbps)、Opus (可變碼率) 等編碼器壓縮語音載荷。
4. 封包封裝： 20-30ms 壓縮語音幀 → RTP 頭（序列號、時間戳、SSRC） → UDP 頭（端口） → IP 頭（源/目的 IP） → 鏈路層幀。
5. 網絡傳輸： IP 封包在互聯網路由轉發，面臨丟包、抖動、亂序、延遲挑戰。
6. 去抖動緩衝： 接收端 Jitter Buffer 平滑抖動，代價是增加 20-100ms 端到端延遲。
7. 解碼播放： 解壓還原 PCM → DAC 轉換為模擬信號 → 揚聲器還原聲波。

三大呼叫模式對比

IP 電話系統三大核心組件

• 終端： IP 電話機、軟電話、ATA 模擬電話適配器、手機 SIP 客戶端。
• 網關： PSTN 與 IP 網互連，負責信令互僻（SIP/H.323）、媒體轉碼、回聲消除、回聲抑制、舒適噪聲生成、丟包補償。按口數分：1/2/4/8/16/24/32 口。
• 軟交換/媒體網關控制器： 用戶註冊鑒權、呼叫路由、計費計費、號碼解析、業務邏輯、計費數據生成（CDR）。

商用級系統必備五大關鍵技術

1. 智能尋址： ENUM/DNS SRV/路由策略，實現號碼跨網路由。
2. 高質量編解碼： 窄頻/寬頻/超寬頻/全頻編碼自適應協商。
3. 回聲消除（AEC）： 消除混合電路/聲學回聲，尾長 64-128ms。
4. QoS 保障： DiffServ/MPLS/RSVP 優先隊列，端到端延遲 <150ms、抖動 <30ms、丟包 <1%。
5. 去抖動自適應： 動態調整緩衝深度，平衡延遲與丟包隱藏。