Der er ikke en enkelt protokol i OSI -applikationslaget, der indkapsler "stemmer" selv. I stedet er der flere protokoller, der håndterer forskellige aspekter af stemmekommunikation, der ofte arbejder sammen.

Her er hvorfor:

* stemme er ikke data :Stemme er et analogt signal, der skal konverteres til digitale data til transmission via netværk.

* Flere lag :Stemmekommunikation involverer forskellige lag af OSI -modellen, ikke kun applikationslaget.

Her er en sammenbrud af almindelige protokoller og deres roller i stemmekommunikation:

* session lag (lag 5):

* Session Initiation Protocol (SIP): En signalprotokol, der styrer opsætning, styring og nedrivning af stemmekald. Det etablerer forbindelsen mellem brugere og håndterer opkaldskontrolfunktioner som videresendelse af opkald, overførsel og hold.

* præsentationslag (lag 6):

* realtidstransportprotokol (RTP): Bruges til at transportere de faktiske stemmedata over netværket. Det giver tidsfølsomme leverings- og fejldetekteringsmekanismer.

* Bruger Datagram Protocol (UDP): Tilbyder en forbindelsesløs transportmekanisme til RTP -pakker.

* applikationslag (lag 7):

* H.323: En standard, der definerer protokoller til videokonferencer og multimediekommunikation, herunder stemme.

* Softphone -applikationer: Anvendelser som Skype, Zoom og Teams leverer stemmekommunikationsfunktioner og interagerer med lavere lag protokoller.

* Voice over IP (VoIP) Gateways: Konverter analoge signaler til digitale og vice versa, der bro mellem traditionelle telefonnetværk med IP -netværk.

I det væsentlige indkapsler applikationslaget (lag 7) ikke direkte stemme. I stedet er det afhængig af protokoller som SIP, H.323 og softphone -applikationer til at styre kommunikationen, mens RTP og UDP håndterer datatransmissionen ved lavere lag.