简单来说，在SIP网络环境中，用户一般都通过一端的SIP终端通过媒体服务器对对端发送RTP流。一方是RTP发送方，另外一方是RTP接收方。
RTP发送方和RTP接收方处理流程示例说明
发送方首先捕获未压缩的媒体流数据，存储为buffer, 然后经过解码器处理，根据解码器算法不同，输出为压缩的frame 帧数。压缩的frame进行打包处理，如果数据包比较大的话，进行分包处理，以RTP数据包的形式发送到通道coder，进行错误纠正处理或者数据包重新排列流程，最后通过网络发送到对端网络中。另外，发送方同时要针对媒体流生成一个周期性的报告，包括了同步数据，接收方会根据这个报告调整其接收策略。
对端网络则执行相反的处理流程，但是更加复杂，这里仅做简单重点说明。对端网络收到数据包以后，验证数据的有效性，然后插入到输入队列中等待下一步处理。通道coder然后进行丢包修正处理。数据包插入到buffer中。
buffer中的数据通过时间戳重新排序。最后一个数据包收到以后，移除网络引起的各种无效数据。
frame数据重新进行修复，通过解码器解码，修正时钟，确保接收方和发送方数据时钟一致。
根据媒体格式和接收方终端的支持能力，通过mix对数据接收方以混音或者单个语音的方式发送。