O protocolo SIP é responsável pelo gerenciamento de sessões VoIP; porém, ele não carrega o
vídeo e a voz propriamente dita. Para tornar essa
comunicação de fluxos de áudio e vídeo possível,
utilizam-se outros protocolos. Na primeira mensagem SIP para o estabelecimento de uma chamada, um protocolo descreve, de forma facilmente
legível, informações de mídia como CODEC, porta e protocolo de transporte que serão utilizados
em uma chamada. Por exemplo, uma mensagem
desse protocolo poderia conter:
m=áudio 3456 RTP/AVP 0, 3, 4 e 5 (0=PCM
G711, 3=GSM, 4=G.723 e 5=DVI4)
Nesse exemplo, a porta usada para mídia é a
3456 e os codecs suportados são os de número
0, 3, 4 e 5. O protocolo em questão definido pela
RFC 2327, que é usado em conjunto com o SIP e
descreve informações de mídia durante o estabelecimento de uma sessão SIP, é: