會話啟動協定（Session Initiation Protocol）
/ SIP rhymes with 'sip' /
在兩個人能通話之前，得有東西做相當於查號碼、撥號、讓對方電話響、並約定彼此要說哪種語言的事。RTP 在通話進行時承載真正的語音——但它從不負責安排通話。這個建立的工作屬於信令協定，而在網際網路上最主流的就是 SIP，會話啟動協定。SIP 是負責找到對方、讓對方響鈴、協商媒體如何流動、稍後再把通話拆除的那一部分。
它刻意運作得很像網頁的 HTTP：SIP 是一個以文字為基礎、請求-回應式、帶有可讀方法的協定。要發起通話，撥號者朝被叫方的 SIP 位址（長得像電子郵件地址，例如 sip:[email protected]）送出一個 INVITE；沿途的 SIP 伺服器協助定位 Alice 目前在哪裡，並把 INVITE 轉送到她的裝置。她的電話響起，若她接聽，便以一個 200 OK 回覆，撥號者以一個 ACK 確認，通話就接通了。關鍵在於，INVITE 與 OK 帶著一段對媒體的簡短描述（編解碼器、位址、連接埠——通常以一個伴隨的格式 SDP 寫成），好讓兩端就如何送出 RTP 達成共識。要掛斷，其中一方送出 BYE。SIP 也處理註冊，好讓你的電話告訴網路該去哪裡找你；以及重導向，好讓通話能在裝置之間跟著你走。
為什麼重要：SIP 是多數網路電話系統、IP 電話網路與許多視訊會議架構的信令骨幹——是舊式電話系統那套通話建立信令的現代替代品。一個澄清的重點：SIP 建立並拆除會話，但它本身不承載語音或視訊；真正的媒體是另外透過 RTP 流動，常常直接在兩個端點之間。所以一通通話其實牽涉兩個合作的通道——SIP 安排它，RTP 承載它。
Alice 打給 Bob：她的用戶端送出 INVITE sip:[email protected]（附上一份 SDP 提議，列出她的編解碼器與她要在哪個 UDP 埠接收 RTP）。Bob 的電話響起，他接聽，他的用戶端回傳帶有自己 SDP 的 200 OK，Alice 送出 ACK——現在 RTP 音訊就直接在他們之間流動。任一方都能以 BYE 結束它。
SIP 安排通話（INVITE / 200 OK / ACK / BYE）；接著由 RTP 承載媒體。
SIP 是信令，不是媒體。它讓電話響起並協商參數，但它不承載你的聲音——那是另外透過 RTP 傳送的。把兩者搞混，會對網路電話的運作建立錯誤的心智模型。