Голос - он не голос, а цифра. С одной стороны упаковывается... с другой распаковывается. И ко всему прочему бьется на маленькие кусочки.
С точки зрения сетевого оборудования пакеты с голосом ничем не отличаются от пакетов с данными. Но есть существенное замечание. Для пакетов с голосом нужно, чтобы время прохождения всех пакетов было примерно одинаковое. Пусть пакет идет 1000 ms. Но и все следующие пакеты должны идти столько же времени или меньше. А вот если очередной пакет придет через 1500 ms, то тут-то все и поломается.
Для данных же это абсолютно неважно...
Вот об этом и была речь...