Tiedon siirtämiseen paikasta toiseen käytetään kahdentyyppisiä verkkoja: piiri- ja pakettikytkentäisiä. Piirikytkentäisessä verkossa siirtokanava varataan päätelaitteiden käyttöön koko yhteyden ajaksi ja yhteys on määränopeuksinen. Perinteisiä piirikytkentäisiä äänen siirtoon käytettyjä verkkoja ovat esim. ISDN, YLEn Digitalta vuokraama rRadion tuotantoverkko ja myös perinteinen puhelinverkko.

Audio over IP, kuten myös VoIP, käyttää pakettikytkentäistä verkkoa. Paketti-kytkentäisessä verkossa välitetään osoitteella varustettuja tietopaketteja. Sitä voi verrata perinteiseen postipakettien lähettämiseen: paketit ovat määrämuotoisia, jotka lähettäjä pakkaa ja vastaanottaja purkaa, paketit voivat kulkea useita eri reittejä pitkin ja niiden kulkuajat voivat vaihdella, paketit voivat tulla perille eri järjestyksessä kuin ne on lähetetty tai ne voivat kadota kokonaan. Yhteys muodostuu vain paketin lähetyksen ajaksi ja verkon siirtokapasiteetti on jaettu useille yhteyksille, mistä voi aiheutua ruuhka-aikoja. Edellä mainituista ominaisuuksista on vain vähän haittaa useimmille pakettiverkkojen sovelluksille, kuten sähköpostille, tiedostosiirroille tai html-sivun latautumiselle, koska viive tai sen vaihtelu ei ole kriittinen tekijä ja kadonnut paketti lähetetään TCP-protokollan ansioista uudestaan. Ne ovat kuitenkin haitallisilta ominaisuuksilta ääniyhteydessä.

Pakettien kulkuaikojen vaihtelua voidaan kompensoida audio over IP-sovelluksissa vastaanottopuskurilla; jos pakettien siirrossa viive vaihtelee, niin puskurissa riittää vielä tietopaketteja tiettyyn rajaan asti. Puskuri kuitenkin lisää pakettien välityksen kokonaisviivettä, mikä on haitallista, jos yhteyttä käytetään esimerkiksi haastatteluun. Haaste on löytää riittävän suuri puskuri viiveen vaihtelun varalle ja kuitenkin tarpeeksi pieni kokonaisviive. Paketteihin voidaan sisällyttää aikaleima ja järjestysnumero, jolloin vastaanottaja osaa purkaa ne oikeassa järjestyksessä ja oikeaan aikaan.

Maailman yleisin pakettiverkkoprotokolla on IP, eli Internet Protocol. Sen yleisyys tekee siitä pakettiverkon huonoista ominaisuuksista huolimatta houkuttelevan protokollan myös reaaliaikaisen äänen siirtoon. Tällä protokollalla toimivat verkon komponentit ovat halpoja verrattuna niiden siirtämään tietomäärään ja komponenttien nopeus kasvaa koko ajan. Niissä saattaa olla jo valmiiksi sisällytetty mm. turvallisuus- ja hallittavuussovelluksia. Lisäksi siirtokapasiteetti on kasvanut yritysten sisäverkoissa ja laajakaistan yleistymisen myötä niin, että laadukkaan äänen vaatima bittinopeus, 256kbit/s tai 384 kbit/s, on yleisesti saatavilla.

Käytössä on periaatteessa kolmenlaisia verkkoja: dedikoituja, eli jotain tiettyä tarkoitusta varaten perustettuja, hallittuja ja hallitsemattomia. Dedikoiduissa verkoissa tiedetään koko ajan kaikkien päätelaitteiden ja verkkokomponenttien määrä ja liikennöintinopeudet. Se voi olla joko itse rakennettu fyysinen kaapelointi, palvelun tarjoajalta vuokrattu yhteys tai näiden yhdistelmä. Hyvin suunniteltu, rakennettu ja ylläpidetty dedikoitu pakettiverkko on luotettava kokonaisuus.

Hallittu verkko sisältää tunnettuja fyysisiä ja loogisia yhteyksiä. Sen liikennettä ja käyttäjämääriä voidaan seurata, mutta se ei välttämättä takaa reaaliaikaiselle liikenteelle joka hetki sen vaatimaa kaistaa. Hallittu verkko voidaan mitoittaa niin suureksi, että kapasiteetti todennäköisesti riittää joka tilanteessa. Hallitussa verkossa tarvitaan käyttäjäoikeudet. Hyvä esimerkki hallitusta verkosta on YLE LAN.

Internet on hallitsematon verkko. Siihen kuka tahansa voi kytkeä mitä tahansa eikä siellä liikkuvaa liikennettä valvota juuri mitenkään. Luvatut tai mitatut nopeudet ovat jonkin aikavälin keskiarvolukuja, ei siis reaaliaikaisen liikenteen vaatimaa jokahetkistä kapasiteettia. Internettiä ei kuitenkaan voi jättää huomion ottamatta audio over IP-sovelluksissa siitä syystä, että se on saatavilla kaikkialla.

Palvelun tarjoajan kanssa määritellään ja solmitaan palvelun tason sopimus, SLA, jonka pitäisi taata riittävä varmuus liikenteelle.

Yleisradiossa on kesän ja syksyn 2006 aikana testattu äänen siirtoa kolmen luotettavuustason IP-yhteyksillä. YLE WAN:ssa on Rovaniemi-Helsinki-välillä varattu tietty kaista pelkästään reaaliaikaiseen äänen siirtoon, joten yhtiön normaali tietoliikenne, esim. sähköpostit eivät vaikuttaneet tämän yhteyden suorituskykyyn, ei kummankaan pään paikallisverkossa eikä kaupunkien välisellä siirtoyhteydellä. Ääntä siirrettiin ns. täydellä laadulla pakkaamattoman noin 1,5 Mbit/s nopeudella. Tohloppi-Pasila välillä äänen siirtoa testattiin yhtiön muun tietoliikenteen seassa, jolloin ruuhkatilanteet olisivat voineet vaikuttaa äänen laatuun. Molemmissa tapauksessa saatiin hyviä testituloksia.

Internetin yli striimattaessa IP-paketteja katosi, mikä oli odotettavissa. Eri kellonaikoina tehtyjen siirtojen luotettavuudessa on suuria eroja riippuen internetin kuormituksesta. Internetissäkin hyvillä yhteyksillä ja pienemmällä bittinopeudella päästään hyviin tuloksiin. Yhden IP-paketin katoaminen 256 kbit/s nopeudella ja 1000 bitin pakettikoolla merkitsee noin 30 ms:n katkosta äänessä.

EBU-työryhmän tehtävänä on vaihtaa testaustietoja, laatia suosituksia siirtoon käytettävistä verkoista ja protokollista, määritellä vaatimuksia päätelaitteiden ominaisuuksista ja lisätä eri laitemerkkien välistä yhteensopivuutta. Keskustelu eri laitevalmistajien kanssa onkin lähtenyt hyvin liikkeelle ja yhteensopivuus nähdään yleisesti välttämättömyydeksi. Päätelaitteiden ohjelmistot ovat kehittyneet parin viime vuoden aikana ja verkot mahdollistavat tulevaisuudessa yhä parempia priorisointimenetelmiä. Audio over IP:stä voikin odottaa vakavasti otettavaa vaihtoehtoa äänen siirto- ja keräilykäytössä.