语音编码器的主要功能就是把用户语音的PCM（脉冲编码调制）样值编码成少量的比特（帧）。这种方法使得语音在连路产生误码、网络抖动和突发传输时具有健壮性（Robustness）。在接收端，语音帧先被误码为PCM语音样值，然后再转换成语音波形。

在IP语音技术（VOIP）中常用的编码解码器，它们常被称为编码解器、语音编码器或者简称为编码器。

语音编码器分为三种类形：（a）波形编器；（b）声码器；（c）混合编码器。

波形编码器会尽可能构出包括背景噪单在内的模拟波形。由于波形编码器作用于所有输入信号，因此会产生高质量的样值。然而，波形编码器工作在高比特率。例如：ITU-G.711规范（PCM）用的比特率为64Kbps。 声码器（vocoder）不会再生原始波形。这组编码器会提取一组参数，这组参数被送到接收端，用来导出语音产生模形。线性预测编码（LPC）用来获取一时变数字滤波器的参数。这个滤波器用来模拟说话人的声道输出[WEST96]。在电话系统中使用声码器，语音质量不够好。在VOIP中常用的语音编码器是混合编码器，它融入了波形编码器和声器的长处，它的另一特点是它工作在非常低的比特率（4-6Kbps）。混合编码器采用合成分析（AbS）。

最常用的比特率在4.8kbps~16 kbps之间的语音编码器是基于模型编码器的，这些编码器都是线性预测合成分析（LPAS）方法。为了随着时间的变化模拟语音信号，线性预测语音产生模型必须用适当的信号来激励。每隔一段固定时间（如每隔20ms），语音模型参数和激励参数都必须做一次估计和更新，并用来控制语音模型。

在软件界有许多相对更加流行的编解码器是有损的，意味着它们压缩过程牺牲了一定的质量。通常这种压缩实际上同未被压缩的声音或图像没区别。更小的数据集缓解了相对高昂的存储器。较低的数据率也降低了花销并在数据传输过程中提升了品质。

也有许多的无损压缩，特别应用于在需要原始流中所有信息时压缩模式下获取数据。如果保留数据流的原始品质比削减相应的更大数据更加重要，那么无损压缩更佳。连续使用多种编解码器或者编码体系也会显著的降低质量。不断下降的存储空间开销和网络带宽正使得有损压缩的需求下降。

评估编码器的性能时要考虑几个重要因素。这些因素如下提示：

帧大小：帧的大小表示语音流量的时间长度，也称为帧时延。 帧是语音信号的分立部件，且每帧是根据语音样点更新的。本 介绍的编码器都是一次处理一帧。每帧信息各放在各语音分组 中，并传送给接收端。

处理时延：它表示在编码器中对一帧语音做编码算法处理所 需时间。它通常简单计入帧时延。处理时延好称为算法时延。

前视时延：编码器为了对当前帧的编码提供帮助而检查下一 帧的一定长度，此长度就称为前视时延。前视的想法是为了利 用相邻语音帧之间的密切相关性。 帧长度：这个值表示经编码处理后的字节数（不包括帧头）。

语音比特率：当编码器的输入是标准脉冲编码调制的语音 码流（比特率为64 kbit/s）时，编解码器的输出速率。