为保证话音质量，PSTN的电路必须提供两个必要的条件，就是带宽保证和稳定延迟。此外延迟时间必须足够短，才能让止在进行实时信息交换的电话用户感到满意。为了达到这一目标，国际电信联盟一电信标准部
（ITU-T）把往返时延规定为500ms，整整半秒钟。很多电话用户对于电话网络较短的往返时延是能适应的，但对于较长时延的话音电路是不满意的。比如通过卫星为国际电话用户提供的电路，它的时延就比较长，会出现通话双方在同一时间讲话的现象，而这是很令人厌烦的。由于基于IP的话音系统可能会出现比PSTN更长的时延，所以理解为什么会出现时延十分重要。
当两个人通过一条话音电路交谈时，他们是以半双工的方式使用一条全双工电路。也就是说，虽然电路能够在同一时刻向两个方向传递话音，但大多数人都是在对方讲话的时候自己有礼貌地倾听。可是，听者怎样才能知道什么时候轮到自己讲话呢？其中的提示通常是交谈中的停顿，如果停顿较长，那么听者就会知道对方正在等着自己的回话。如果听者很长时问没有反映，对方可能推测：我想他（或她）没有什么可说的，这样我就继续讲吧！然后，说话一方义开始继续讲话。
已经证明，在大多数语言中用于表示交谈中的一方讲话暂时结束的停顿大约是0.25秒。但停顿的时间并不是固定的，会有细微的变化，会随着文化的不同而变化，就西方文化而言，西方人性格比较急噪，所以停顿的时间可能会短一些。为什么这对于较长时延的话音很重要呢？因为在大多数基于轨道半径为月地距离十分之一（大约22，000英里）的地球同步静止轨道（GEO）卫星的话音电路上，电话呼叫上行链路部分要延迟0.25秒，下行链路又要延迟0.25秒。传输所造成的时延大约是240ms，另外还有10ms是由于在卫星中处理节点而造成的时延（早期的卫星单向传输时延甚至达到0.50秒）。这些时延会影响听者对说话停顿的判断。
想要了解为什么会出现这种情况，请看图3-4。
图3-4 长时延带来的问题
图3-4展示了两个人通过较长时延的话音电路（如通过GEO卫星）谈话的情景。此图中，时间的方向是自顶向下的，斜线表示在发话者说完句话和听者听到这句话之间的时延。如果传输的距离再短些，就一个国家范围的网络环路来说，这些斜线几平接近水平。因为即使在美国从东海岸到西海岸通过PSTN打一个电话，端到端的时延也很少超过30ms，而电信业十分发达的美国是世界上少数几个领土大国之，，仅有巴西、加拿大、中国和俄罗斯与美国的领土面积相差不多。在大多数国家中，整个国内电话的典型时延只有10ms或更少。
在图3-4中，同一时刻两个通话者一个正在说着什么，而另一个正在想着什么却没有表达出来。所出现的问题就是当A说完“现在这里是早晨。”之后还要0.25s的时间他才能听到这句话之后的停顿。但是，在B（听者）要回答“现在这里是夜晚。”之前，A（发话者）觉得等了很久，他可能想到：“我猜对方没有什么可说的，所以我要继续讲话。”，这样为了避免尴枪的局面，A又开始讲话：“你听到我的话了吗？”。因为电话是全双工的，话音通过线路进行双向传递，通话双方在他们自己仍在讲话的同时听到了对方的话音。自然，A认为对方没有礼貌，因为一直等到自己又继续讲话对方也才开始讲话。这种感觉是相互的，B可能认为对方本应到了倾听的时候却又开始讲话，太自私了。
由于以上原因，新的国际话路更多的是使用时延短的海底光缆，新型卫星电话业务也使用低地球轨道（LEO）系统。当然，对于那些以前从来没有使用过陆线电话的人来说，GEO卫星电话的时延将不是什么问题，他们倾向于把这一时延看作是整个系统的必然组成部分而接受。
这样，在那些原来就有陆线电话系统的发达国家，时延短对于话音业务来说是十分必要的。时延不仅要求尽量要短，而且还必须是稳定的。也就是说要让通话双方感觉不到在一句话当中话音时延有变化。如果时延变化超过了几毫秒，话音就会出现失真。假设模拟话音在网络上是数字化的，那么话音失真就意味着话音取样到达的时候要么是越来越远（称做分散），要么就是越来越近（称做堆积）。当把数字化的取样再变为模拟声音时取样的分散会降低说话人的音调（听起来就像喉呢痛一样），而取样的堆积会抬高说话人的声音（听起来很尖利）。
对于话音电路来说，时延短和稳定都是必不可少的要素。可是，PSTN怎么才能保证时延短并且稳定呢？主要有两种方法，第一种方法是PSTN的交换机必须能够快速地以64kbit/s的速率把话音取样从输入端口传送到恰当的输出端口。ITU-T规定了开关器件节点处理的时延最高上限是450μs，小于0.5ms。开关器件是PSTN的组成部分，实际上，一个现代化的中心局可能包含许多开关器件。由于传输线路短开关器件也少，所以较短线路上的传输时延显然要比在长途线路上传输时延小得多。在普通的一次从美国东海岸到西海岸的通话中，线路上的比特传输时延大约是20ms，而在线路上可能会有15个开关器件，所有的节点时延加在一起不能超过15x450μs，即6.75ms。由于技术的进步，现在开关器件的节点时延越来越短，这样在节点处理的时延就不会明显地降低话音质量。
PSTN提供较短和稳定的话音时延的第二种方法是把话音连接（电话呼叫）映像到网络中的一条固定物理链路上，这就是PSTN面向连接的原因。如果所有的比特信息沿着同一条路径传输，那么连续的传输就有了保证，传输时延在呼叫的一开始就确定了，而且在整个呼叫的过程中保持固定不变。这种方式可以与Internet进行比较，在Internet中IP分组在一系列路由器之间是沿着不同的途径发送的，这就造成了变化的节点处理时延（由于变化的路山负荷所致）和变化的传输时延（由于使用了不同的物理路径所致）。有时PSTN在干线出现故障时会改变路由，但实际上只是在大约60ms内重新建立一条新的路径。通话双方可能会感觉到有一个中断，但是新的路径一旦建立起来，通话就会像以前那样继续下去。与此相比Internet上的时延变化会更大一些。
此外PSTN还经常使用另一种方法即计算比特数来监控延迟，这种方法也是PSTN一直保留固定比特速率的64kbit/sPCM话音的原因。在固定比特速率（CBR）的话音链路（比如64kbit/s的DS-0链路）中仅仅通过计算比特数就可以很容易地，而且是高效地检测到时延的变化。假设话音交换机的输入端缓冲器在一秒钟接收到64，020比特而不是64，000比特，这就意味着在链路发送端的交换机时钟比正常情况下要快，在缓冲器溢出和话音比特丢失之前必须做出一些调整；同样，也可能会记数为63.950比特，这表明在链路发送端的交换机时钟比正常情况下要慢，所以也必须做出一些调整以防止比特不能被正常发送。
这种简单的比特记数、时钟调整机制很有效，所以虽然已经出现了其他调制方法，但64kbit/s的脉冲编码调制（PCM）话音仍然在使用、这也是在即使13kbit/s或8kbit/s这样低的比特速率下仍然使用固定比特速率话音的一个主要原因。PSTN中的同步系统作用就是保持话音传输时时延的稳定，而在分组交换的Internet上.则缺乏这种同步系统，所以在Internet上不会形成稳定的比特流。当然，如果已经把数字化的话音分组，那么对于基于VoIP分组的传输来说Internet将是一个很适合的网络。但是，还要寻找其他方法使得在Intcrnet上传输话音的时延足够短并且稳定。
