Przekaz głosu przez IP jest kojarzony zwykle z protokołem H.323. Jeśli protokół ten uznamy za dobry, to równie dobrym jest protokół SIP (Session Initialization Protocol).

Protokół SIP jest jedną z propozycji IETF {Internet Engineering Task Force), która ma na celu zastąpienie części funkcji protokołu H.323. W odróżnieniu od protokołu H.323, który jest zbiorem protokołów, SIP jest jednym z wielu protokołów, które będą współpracowały z innymi przy ustalaniu połączenia telefonicznego.

SIP jest protokołem sterująco-sygnalizacyjnym, służącym do ustalania modyfikacji i kończenia sesji nawiązanej z jednym lub wieloma uczestnikami. Sesje te mogą obejmować internetowe konferencje multimedialne, uczenie na odległość, internetową łączność telefoniczną i rozpowszechnianie multimediów. Protokół SIP może zapraszać do udziału w połączeniu telefonicznym inne osoby i zasoby, takie jak usługi związane z pamiętaniem mediów.

Protokołu SIP można użyć do inicjowania sesji, zaproszenia do udziału w sesji zawiązanej w inny sposób lub inicjacji połączenia pomiędzy wieloma uczestnikami przy użyciu urządzenia sterującego pracującego w trybie wielopunktu. Protokół SIP jawnie wspiera usługi kojarzenia nazw i zmiany adresów, pozwalając na implementację ISDN i usług dla abonentów inteligentnej sieci telefonicznej, takich jak możliwość przemieszczania abonentów.

Protokół nie zapewnia usług sterujących konferencją ani nie opisuje sposobu zarządzania konferencją. Nie przydziela również adresów multicast i nie rezerwuje zasobów, może natomiast przekazywać informacje potrzebne do wykonania tych czynności.

W zakresie ustalania i kończenia komunikacji multimedialnej protokół SIP wspiera: lokalizację użytkownika, możliwości i dostępność tudzież ustanowienie i utrzymywanie połączenia.

Wywołujący i odbiorca są identyfikowani przez adres SIP. Wywołujący najpierw lokalizuje odpowiedni serwer, a następnie wysyła prośbę SIP (prawdopodobnie zaproszenie). W idealnej sytuacji prośba osiąga miejsce przeznaczenia, gdzie klient akceptuje połączenie, zwracając kod odpowiedzi 200 protokołu SIP. Tak jak inne kody odpowiedzi protokołów TCP/1P kod odpowiedzi rozpoczynający się od 2 jest prawidłowy. Następnie wywołujący wysyła do przyjmującego potwierdzenie zwrotnie, co jest o tyle niezwykłe, że stacja, która inicjuje połączenie telefoniczne również wysyła potwierdzenie.

Protokół SIP może komunikować się przez multicast, przez sieć powiązań unicast lub kombinację multicast i unicast.

Obiektami adresowanymi przez SIP są użytkownicy i hosty, identyfikowani przez URL protokołu SIP. U użytkownika jest to nazwa użytkownika lub numertelefonu. Po stronie hosta jest to nazwa domeny lub adres IP.

Na własne potrzeby protokół SIP używa różnych serwerów. Należą do nich serwery agenta użytkownika, serwery proxy, serwery zmiany adresu i serwery archiwizujące. Istnieje również serwer lokalizujący (location sener), wykonujący usługi lokalizacyjne, mogący współistnieć z serwerem SIP.

Transakcja protokołu SIP składa się z prośby i właściwej odpowiedzi. Aby ułatwić kojarzenie prośby z odpowiedzią na tę prośbę, przeznaczono kilka pól, które zawierają identyczne wartości dla konkretnej prośby i odpowiedzi. W polach tych umieszczono pole identyfikatora ID wywołania, numer sekwencyjny komendy, pole do (the to field), pole z (the from field) oraz znacznik (tag), jeśli istnieje. Pola z i do są identyczne. Choć rozwiązanie to jest niezwykłe, zastosowano je już w protokole HDLC (High-Level Data Link Control). Pomaga ono w rozwiązywaniu problemów za pomocą analizatora protokołów do wykrywania nieprawidłowości w sieci.

Zaproszenie (prośba) wzywa, by wywoływany przyłączył się do połączenia konferencyjnego, lub ustala połączenie dwustronne. Zaproszenie zawiera opis sesji, który wylicza typy i formaty mediów. W przypadku zgody odbierającego wywołujący wysyła potwierdzenie i zwraca listę żądanych mediów.

Upraszczając, IETF opracował protokół SIP wraz z protokołami towarzyszącymi, wierząc, że możliwości skalowania protokołu H.323 są ograniczone. Trudno powiedzieć już dziś, który z nich jest lepszy - przyszłość to pokaże.