Em redes VoIP baseadas em padrôes do IETF, o protocolo SIP (Session Initiation Protocol) é responsável por:

iniciar uma sessão de comunicação, controlar a transferência de dados de voz entre os usuários, realizar a conversão de formatos de protocolos e agir como intermediador no processo de agregação de novos participantes na sessão;

localizar os usuários, determinar a disponibilidade do usuário, determinar os tipos de mídia e esquemas de codificação a utilizar, estabelecer os parâmetros de sessão, e gerenciar a sessão de comunicação;

fazer a conexão entre redes VoIP distintas, iniciar as sessôes de comunicação, admitir novos usuários participantes na sessão, codificar e decodificar os sinais de voz e vídeo, e realizar chamadas que envolvem sessôes multicast;

estabelecer sessôes de comunicação via voz e vídeo entre participantes que residem dentro e fora da Internet, fazer a codificação de voz e vídeo, realizar o controle da largura de banda utilizada pelas sessôes de comunicação.