VoIP应用的服务质量主要受到四个性能参数的影响：端到端时延（End－to－Delay）、时延抖动（DelayJitter）、帧擦除（FrameErasure）以及失序的包传输（Out－of－OrderPacketDelivery），下面我们将逐一进行讨论。

    （1）端到端时延
    端到端时延是影响交互式语音通信质量的最重要因素之一。它必须被控制在一个合理的值以内，否则收听的一方会误认为说话的一方还没有开始讲话而开口，但恰好此时另一方的通话也到了，从而发生冲突。对用户来说，严格的端到端时延应该是指语音信息从说话方的嘴到收听方的耳朵所经历的时延，但我们通常只考虑承载语音信息的包从发射系统到接收系统所经历的时延。根据不同的网络负载状况，端到端的时延会发生变化。

    （2）时延抖动 　　
    在VoIP中，时延抖动一般是指语音流中两个连续的语音包的端到端时延的差值。时延抖动对需要规则化传输包的VoIP等应用（其他还包括视频播放等）的性能有着显著的影响。具体来说，它对语音包按照原始序列和周期模式进行重建的工作具有负面的作用。此时最大时延抖动是衡量性能的一项重要指标。由于IP包本身就存在着时延抖动，想在网络中消除语音包的时延抖动是不可能的。因此设法减轻时延抖动的不利影响就成为VoIP应用需要解决的一个主要问题。通常的方式是在接收端采用抖动缓存，在将包输出为声音流之前对时延抖动进行吸收。也就是说，在收到语音包之后并不立即进行播放，而是暂时保留在缓存中，直到预定的播放时间到来，再将缓存中积累的包进行规则播放，从而将时延抖动减少到最小。虽然这样可以使得一些迟到的包得以规则播放，但它却为早到的包引入了附加时延，因此在平均缓存时延和由于太晚到达而不得不被丢弃的包数之间需要采取折中的考虑。预定的截止时间越晚，就可能重放越多的包，而且丢包率也越低，但代价是缓存时延过高。另一方面，如果缓存时延设得较低，就会导致较高的丢包率而造成对语音的破坏。

    （3）帧擦除
    帧擦除是指承载语音帧的包没有及时到达接收端。这可能是由于几个原因造成的：包在通过网络传输的过程中被破坏，包由于网络拥塞（网络节点的队列已满）而被丢弃，包由于网络的故障而丢失，或者仅仅由于到达接收端太晚而无法包括在重放语音中并被丢弃。帧擦除可能是某一个帧的丢失，也可能是一次丢失一整块连续的帧。很高的帧擦除和很高时延的共同结果可能会导致本已存在的由语音丢失造成的对语音的破坏持续更长的时间。

    （4）失序的包传输
    每个语音帧都有一个序列号，包括在RTP（实时传输协议）的头部，用于标示包在流中的正确顺序。如果在沿网络路径传输的过程中出现了失序的包，到达接收端的语音帧的顺序就会发生改变。失序的包传输严重地影响着VoIP应用的服务质量。在极端的情况下，接收方无法恢复失序的帧，从而引起语音质量的下降。通常采取的解决办法同样是在接收系统中使用抖动缓存，在等待预定的播放时间到来的时候，可以对失序到达的包进行有序的调整，恢复在发送端的顺序。