由于这种电话的语音是通过一种IP数据包形式传递的，它需要缓冲空间和时间进行组包，通常在没有障碍的情况下，每秒组包时间小于120毫秒。并且，每秒语音包约需40-50Kbps的空间，这需要计算机系统的缓冲存储空间的支持。如果用户在开启电话时，已运行了很多程序（有些预下载在计算机启动空间内），电话通话时的语音包就会由系统从内存空间放到硬盘的虚拟缓存空间，这个过程就会产生时延，严重时可达1-2秒。