SIP、RTP 和语音编码是什么关系？一通网络电话的声音是怎么走的
网络电话里三个词总是一起出现：SIP、RTP、语音编码。简单说：SIP 负责“拨通和挂断”，RTP 负责“运送声音”，编码决定“声音被压成什么样”。本文用一通电话从拨号到挂断的完整过程，把三者的分工、常见编码（G.711、G.729、Opus）的区别和通话卡顿的原因讲清。
上一篇我们讲了 FreeSWITCH、SIP 线路、OKCC 这些“系统”的关系。这一篇往下钻一层：一通电话的声音本身，在网络里是怎么走的。
SIP：只管拨通，不管声音
SIP（会话初始协议）干的是“打电话的动作”：发起呼叫（INVITE）、振铃、接通确认、转接、挂断（BYE），以及告诉对方“声音请发到这个地址、用这个编码”。它像快递的下单系统：把单下好、地址协商好，但包裹不是它运的。
RTP：真正运声音的车
RTP（实时传输协议）负责把声音切成小包、带上序号和时间戳，实时送到对端。声音对延迟极其敏感——晚到的数据包没有意义，所以 RTP 走的是“先送达速度、不保证每一包必达”的路子：丢一两个包，人耳几乎察觉不到；为了等重传而卡住，通话反而没法听。这也是网络电话偶尔“吞字”的原因。
语音编码：声音的压缩方式
麦克风采到的声音要变成数据，先要经过编码（Codec）。选哪种编码，是音质和带宽的权衡：
· G.711：基本不压缩，音质等同传统固话，一路通话约占 64kbps，内网和线路质量好的场景最常用
· G.729：压缩到约 8kbps，音质略降但省带宽，多路并发、带宽紧张时常用
· Opus：码率在低速和高速之间动态调整，抗网络波动强，互联网语音和新一代系统常用
· 编码不一致时，中间的软交换（如 FreeSWITCH）要负责转码，转码消耗服务器性能，也是部署时要算账的一项
一通电话的完整路径
· 坐席点拨号，软电话发出 SIP 请求，经呼叫系统协商好双方地址和编码
· FreeSWITCH 等软交换完成接通控制，电话经 SIP 线路出局
· 声音被编码成数据包，走 RTP 实时送达客户一端，客户的声音同理返回
· 通话结束，SIP 信号拆除会话，录音文件在系统侧落盘
通话不清、卡顿，先查什么
· 先查网络：抖动（数据包到达忽快忽慢）和丢包是头号原因，加大抖动缓冲能缓解，但会增加延迟
· 再查编码：带宽不足还硬上 G.711，会挤爆通道；并发大又全用高压缩编码，服务器转码压力大
· 最后查终端：耳机、声卡、电脑性能跟不上，也会表现为“线路不清”
和爱摸鱼的关系
爱摸鱼超级 AI 员工是由多方智联（北京）信息科技有限公司提供的营销工作台，它的智能外呼走的正是这套标准链路：SIP 管接通、RTP 送声音、编码可按线路条件选配。企业不需要懂到协议层，但选线路和排障时懂这三者的分工，能少被“线路玄学”忽悠——通话质量问题九成能在这三层里定位。
资料来源
- SIP 协议标准 RFC 3261 https://www.rfc-editor.org/rfc/rfc3261.html
- RTP 协议标准 RFC 3550 https://www.rfc-editor.org/rfc/rfc3550.html
- 爱摸鱼超级 AI 员工官网 https://aimoyu.chat/