在网关将语音数据转换为低比特率数据流后，IP网络对此数据流的传输质量必须力求接近于PSTN网。虽然基于电路交换的PSTN和基于分组交换的IP网络的差别很大，但是相关组织已制定了一些协议使得IP网络仍然具备保证通话质量的功能，其中最主要的是时延控制协议。在SIP协议和H.323协议中，网关都使用了IETF实时传输协议（RTP）以使接收端网关根据接收时延来重组接收到的语音数据流，解决分组交换网络所带来的传输时延抖动问题。根据RTP，接收端网关在提交时问到达之前先将音频信号暂存在时延抖动缓冲区里，到了提交时间后才将之解码回语音信旦语音流被封装入RTP包并打上时间标记后，必须在网络允许范围内以最短时延发送至目的网关。在IP电话专用网中，可以通过限定网络同时处理的最大呼叫数的方法来防止带宽超载，从而控制语音传输质量。然而、由于VoIP的诱人之处正是在于使得语音和数据最终能在同个网上进行传输，从而节省语音传输的费用，所以专门为语音服务构造IP网的想法是不经济的，它并不能使投资者得到很好的投资收益。
传输语音的设备必须设法使它们传输的分组得到“加速服务”。这种“加速服务”通常由传输网关来提供，因为传输网关是唯一清楚的了解传输分组内容的设备，也只有它能识别需要作特殊处理的语音数据。虽然在IP网络设计之初人们就考虑能根据分组的QoS来处理分组，但直到90年代中期这一问题才引起广泛的关注，从而出现了种种不同方法来定义QoS、提供QoS和获得Qos。每种方法都竞相在各种不同的网络中争取市场，试图引起众人暖日。单个厂商的QoS解决方案已经非常成熟了，但是使用单一厂商设备的网络往往是采取集中管理方式的，在这样的网络环境下并不太需要网络设备过多地参与QoS管理。
如果绝大部分的网络都能实施新标准的QoS协议，如标准编码协议及资源预留协议（RSVP）等，IP电话网关就可以更有效地利用如Internet这样的异构网。网关本身在这些协议的实现中发挥中心作用：在标准编码协议中，加入一定数量的比特位来指出分组对Qos的要求：在资源预留协议中，向在通向目的网关通路上的路由器预约所需的带宽及其他资源。为达到这个目的，大多数商家或是宣称其网关支持这两个协议或是已在他们的网关中实现了具有QoS功能的预发行子集。
