Un búfer anti-jitter dimensionado para absorber 50 ms de variación del retardo de los paquetes añade en promedio unos 25 ms a cada llamada, porque las reglas de planificación de ITU-T suponen que un búfer aporta la mitad de su retardo máximo (ITU-T G.114). Esos 25 ms salen de un presupuesto que ya es ajustado: la voz conversacional tiene como objetivo menos de 150 ms de retardo unidireccional, con 400 ms como límite (ITU-T G.1010). El 3GPP exige ahora que los jitter buffers de la telefonía móvil mantengan las pérdidas inducidas por jitter por debajo del 1% en seis perfiles de red estándar (3GPP TS 26.114). La medición también ha cambiado: ITU-T eliminó el modelo de calidad de voz PESQ el 5 de enero de 2024 y dirige a los usuarios a POLQA, cuya escala de banda completa llega a 4,8 en lugar de 4,5 (página de ITU-T P.862; ITU-T P.863.1). Reunimos datos de las Recomendaciones ITU-T G.114, G.107, G.107.1, G.1010, Y.1541, P.800, P.863 y P.863.1, de las RFC 3550, 3611 y 6716 de la IETF, de 3GPP TS 26.114, de la campaña de calidad móvil de 2025 de Arcep, de la documentación del Call Quality Dashboard de Microsoft Teams y de estudios revisados por pares en Acta Acustica y en el EURASIP Journal on Wireless Communications and Networking. Para el lado de mercado de las llamadas por internet, consulta nuestras estadísticas de VoIP y UCaaS.
TL;DR
- Un retardo unidireccional de boca a oído inferior a 150 ms ofrece una interactividad esencialmente transparente; 400 ms es el techo para la planificación general de redes (ITU-T G.114 2003).
- Un búfer anti-jitter añade en promedio la mitad de su retardo máximo: 25 ms para un búfer que cubre 50 ms de variación del retardo (ITU-T G.114 2003).
- Las redes para VoIP interactivo pueden variar el retardo de los paquetes hasta 50 ms, pero el objetivo para el usuario final en voz conversacional es inferior a 1 ms (ITU-T Y.1541 2011; ITU-T G.1010 2001).
- Los jitter buffers del 3GPP deben mantener la pérdida inducida por jitter por debajo del 1% en los seis perfiles de prueba (3GPP TS 26.114, Release 19).
- Teams marca un flujo de audio como Deficiente cuando el jitter medio supera los 30 ms (Microsoft Learn, clasificación de flujos en CQD 2026).
- Pasar de R 90 a R 70 reduce la proporción de usuarios que valoran una llamada como buena o mejor de al menos el 97% a al menos el 73% (ITU-T G.107 2015).
- El Modelo E de banda ancha va de R 0 a 129, cerca de un 29% más allá de la escala de banda estrecha (ITU-T G.107.1 2019).
- ITU-T eliminó PESQ (P.862) el 5 de enero de 2024 (página de ITU-T P.862 2024).
- POLQA en banda completa: EVS a 48 kbit/s promedia 4,70, G.711 solo 3,6 (ITU-T P.863.1 2019).
- Los desplazamientos de reproducción de 30 ms o menos tuvieron un efecto insignificante en los oyentes, pero PESQ los juzgó mal (Počta, Melvin y Hines, Acta Acustica 2015).
- Orange mantuvo el 91% de las llamadas con calidad perfecta a escala nacional, Free Mobile el 84% (Arcep 2025).
1. El Presupuesto de Retardo: 150 ms para una Conversación Natural, 400 ms como Techo
El retardo es un presupuesto, no una cifra única. El códec, la creación de paquetes, la red, el jitter buffer y el dispositivo de reproducción gastan todos del mismo fondo, y el oyente solo percibe el total. Los umbrales de planificación de ITU-T no se han movido en dos décadas porque describen la conversación humana, no la tecnología: por debajo de 150 ms unidireccionales, la mayoría de las aplicaciones logran una interactividad esencialmente transparente; por encima de 400 ms, ITU-T considera el retardo inaceptable para la planificación general de redes.
Lo llamativo es lo poco de ese presupuesto que la red debería usar. La clase de VoIP de mayor interacción de ITU-T Y.1541 admite un retardo medio de transferencia IP de solo 100 ms, lo que deja 50 ms (150 ms menos 100 ms) para todo lo que ocurre en los dos extremos de la llamada si esta ha de seguir siendo transparente. Un solo códec G.723.1 consume 97,5 ms en la tabla de planificación de redes cableadas de ITU-T, frente a 0,375 ms de G.711, de modo que la elección del códec por sí sola puede decidir si una llamada se mantiene por debajo de 150 ms. Cada etapa en tiempo real de la ruta de audio, desde la supresión de ruido hasta un cambiador de voz para Discord, consume del mismo presupuesto de boca a oído, y por eso la baja latencia de procesamiento importa tanto como la calidad del sonido en las llamadas en vivo. Los planificadores comprueban estos límites con el Modelo E, que por defecto solo empieza a cobrar una penalización por retardo cuando el retardo unidireccional absoluto supera los 100 ms. Los umbrales en sí están en ITU-T G.114 y en ITU-T G.1010.
| Métrica | Valor | Fuente |
|---|---|---|
| Retardo unidireccional: límite para una interactividad esencialmente transparente (de boca a oído) frente al techo recomendado para la planificación general de redes | Menos de 150 ms frente a 400 ms | ITU-T G.114 (05/2003) |
| Objetivo del usuario final para la voz conversacional, retardo unidireccional | Menos de 150 ms preferible, menos de 400 ms como límite (supone un control de eco adecuado) | ITU-T G.1010 (11/2001) |
| Límite del retardo medio de transferencia IP: clase de QoS 0 (VoIP de alta interacción) frente a clase 1 (VoIP interactivo) | 100 ms frente a 400 ms | ITU-T Y.1541 (12/2011) |
| Retardo unidireccional por el procesamiento del códec en la planificación de redes cableadas (3 tramas más anticipación): G.711 / G.729 / G.723.1 | 0,375 ms / 35 ms / 97,5 ms | ITU-T G.114, Apéndice I |
| Rango del retardo algorítmico del códec Opus | 5 ms a 65,2 ms | IETF RFC 6716 (2012) |
| Tamaños de trama de Opus | 2,5, 5, 10, 20, 40 o 60 ms | IETF RFC 6716 (2012) |
| Retardo unidireccional absoluto por defecto por debajo del cual el Modelo E no aplica ningún deterioro por retardo | 100 ms | ITU-T G.107 (06/2015) |
Nota de contexto: la “anticipación” es el fragmento extra de audio que un códec debe esperar antes de poder codificar la trama actual. G.114 (2003), G.1010 (2001) e Y.1541 (2011) son antiguas, pero son las ediciones vigentes en el sitio de ITU-T en octubre de 2026. Datos más recientes disponibles: ITU-T, 2001 a 2015.
2. Jitter: Cuánta Variación del Retardo se Permite a las Redes
El jitter es la variación del tiempo que tardan los paquetes en llegar. Una llamada con un retardo largo pero estable puede sonar limpia; una llamada cuyos paquetes llegan a intervalos irregulares necesita un búfer, o se entrecortará. ITU-T admite hasta 50 ms de variación del retardo de los paquetes en las redes de VoIP interactivo, pero el objetivo para el usuario final en voz conversacional es de menos de 1 ms de variación del retardo (ITU-T Y.1541; ITU-T G.1010). La distancia entre esas dos cifras es la descripción del puesto del jitter buffer: se espera que las redes entreguen jitter y que los receptores lo oculten.
La forma de informar del jitter importa tanto como su cantidad. Los receptores RTP calculan una estimación continua en la que cada paquete nuevo mueve la cifra solo una dieciseisava parte de la diferencia, una ganancia que la IETF eligió porque “ofrece una buena relación de reducción de ruido manteniendo una velocidad de convergencia razonable” (IETF RFC 3550). La misma RFC recomienda que los informes de control usen el 5% del ancho de banda de la sesión, con un intervalo mínimo fijo de 5 segundos. Por ese suavizado y ese ritmo de informe, un único pico breve de retardo apenas mueve el jitter que ve una herramienta de monitorización. Los enlaces de radio añaden su propia variación: en un estudio de laboratorio de VoLTE de 2021, el retardo promedió 57,5 ms en un rango de 20 a 150 ms, mientras que el jitter se agrupó justo por encima de 31 ms (Lipovac et al., EURASIP JWCN 2021). El mismo estudio considera una tasa de error de bloque de radio del 10% como el punto de funcionamiento óptimo para la voz LTE, que baja a cerca del 1% tras una retransmisión.
| Métrica | Valor | Fuente |
|---|---|---|
| Límite de variación del retardo de los paquetes (retardo del percentil 99,9 menos retardo mínimo), clases de QoS 0 y 1 | 50 ms | ITU-T Y.1541 (12/2011) |
| Límite de la proporción de pérdida de paquetes, clases de QoS 0 y 1 | 1 de cada 1.000 (1 x 10^-3) | ITU-T Y.1541 (12/2011) |
| Objetivo de variación del retardo para el usuario final, voz conversacional | Menos de 1 ms | ITU-T G.1010 (11/2001) |
| Ganancia del estimador estándar de jitter de interllegada de RTP | 1/16 por paquete | IETF RFC 3550 (2003) |
| Jitter medio por encima del cual Teams marca un flujo de audio como Deficiente | Más de 30 ms | Microsoft Learn, clasificación de flujos en CQD (2026), umbral del proveedor |
| Retardo unidireccional medio en una prueba de laboratorio de VoLTE (rango medido de 20 a 150 ms) | 57,5 ms | Lipovac et al., EURASIP JWCN 2021 |
| Valor en torno al cual se acumuló el jitter de RTP en la misma prueba de VoLTE | Ligeramente por encima de 31 ms | Lipovac et al., EURASIP JWCN 2021 |
| Tiempo de ida y vuelta de una retransmisión de radio LTE (HARQ) en enlaces FDD | 8 ms | Lipovac et al., EURASIP JWCN 2021 |
Nota de contexto: HARQ (hybrid automatic repeat request) es la retransmisión rápida propia de la capa de radio. Cada reintento corrige un bloque perdido, pero llega más tarde, y esa es una de las formas en que un enlace móvil convierte los errores en jitter. El umbral de 30 ms de Teams es una regla de monitorización de la propia Microsoft, no una norma del sector; Microsoft advierte de que una marca Deficiente no significa que el usuario haya oído realmente un problema.
3. Jitter Buffers: El Retardo que se Paga por Eliminar el Jitter
Un jitter buffer retiene los paquetes para poder reproducirlos a un ritmo uniforme. Cada milisegundo de retención es retardo añadido; cada paquete que llega después de su momento de reproducción se pierde, aunque la red lo haya entregado. Los organismos de normalización tienen que elegir un lado de ese compromiso, y el 3GPP puso su límite estricto en la pérdida: un jitter buffer conforme al 3GPP debe mantener las pérdidas inducidas por jitter por debajo del 1% en cada uno de seis perfiles estándar de retardo y pérdida, manteniendo al mismo tiempo al menos el 90% de las tramas de voz con un retardo igual o inferior a la distribución de retardo de un algoritmo de referencia desplazada 60 ms (3GPP TS 26.114). El límite de pérdida es absoluto, mientras que el de retardo es solo relativo a una referencia, lo que indica a los implementadores que gastar un poco de retardo extra es aceptable y perder audio no lo es.
Los búferes adaptativos se redimensionan durante los silencios, y un estudio de escucha controlado halló que los cambios pequeños pasaban inadvertidos. Los desplazamientos de reproducción de 30 ms o menos insertados en periodos de silencio tuvieron un efecto insignificante en las puntuaciones subjetivas de escucha, pero el modelo PESQ informó de una degradación significativa que las personas no oyeron (Počta, Melvin y Hines, Acta Acustica 2015). Para la monitorización en vivo, los informes RTCP XR permiten que un receptor publique su retardo de búfer nominal, máximo y máximo absoluto en milisegundos, además de si el búfer es adaptativo o fijo (IETF RFC 3611).
| Métrica | Valor | Fuente |
|---|---|---|
| Retardo medio que añade un búfer anti-jitter, a efectos de planificación (ejemplo práctico: búfer para un rango de 50 ms de variación del retardo) | La mitad de su retardo máximo (25 ms en el ejemplo) | ITU-T G.114 (05/2003) |
| Límite de pérdida inducida por jitter para los búferes de telefonía multimedia del 3GPP | Menos del 1% en cada canal de prueba | 3GPP TS 26.114 (Release 19), cláusula 8.2.3.2.3 |
| Criterio de retardo: proporción de tramas de voz con un retardo igual o inferior a la distribución de retardo del algoritmo de referencia desplazada 60 ms | Al menos el 90% | 3GPP TS 26.114 (Release 19), cláusula 8.2.3.2.2 |
| Perfiles de prueba estándar para la conformidad del jitter buffer: número, longitud y pérdida de paquetes incorporada | 6 perfiles de 7.500 paquetes IP cada uno, con una pérdida de paquetes del 0% (perfil 1) al 5,9% (perfil 5) | 3GPP TS 26.114 (Release 19), Tabla 8.1 |
| Tamaño de los desplazamientos de reproducción en silencio con un efecto insignificante en las puntuaciones de los oyentes | 30 ms o menos | Počta, Melvin y Hines, Acta Acustica 2015 |
| Mayor retardo de jitter buffer que puede expresar un informe RTCP XR | 65.535 ms (campo de 16 bits) | IETF RFC 3611 (2003) |
Nota de contexto: el perfil 5 transporta 2 tramas de voz por paquete (15.000 tramas en 7.500 paquetes), mientras que los otros cinco transportan 1 trama por paquete. Las cifras del 3GPP se leyeron en el texto de la Release 19 de TS 26.114; el portal del 3GPP listaba la versión 20.1.1 (Release 20) como la última subida el 25 de septiembre de 2026. Datos más recientes disponibles sobre la prueba de escucha: Počta, Melvin y Hines, 2015.
4. Puntuar las Conversaciones: Escalas MOS y el Factor R del Modelo E
Dos sistemas de puntuación funcionan en paralelo. La puntuación media de opinión (MOS) procede de personas: los oyentes valoran muestras en la escala de cinco puntos de calificación absoluta por categorías de ITU-T P.800, de 5 (Excelente) a 1 (Mala), tras escuchar breves grupos de frases que caben cada uno en un intervalo de 2 a 3 segundos. El factor R del Modelo E procede de un cálculo: parte de una relación señal-ruido básica, resta deterioros por ruido, retardo, eco, códec y pérdida, y suma un factor de ventaja por comodidad. Con todos los parámetros en su valor por defecto, R llega a 93,2 (ITU-T G.107).
La tabla de satisfacción del Anexo B es donde R cobra relevancia para el negocio. Pasar de R 90 a R 70 reduce la proporción de usuarios que valoran una llamada como buena o mejor de al menos el 97% a al menos el 73%, y con R 50 el mínimo es de solo el 27% de buena o mejor, con hasta un 38% que la valora como mala o peor. R 80 aún mantiene al menos el 89% en buena o mejor y R 60 al menos el 50%, de modo que la calidad percibida cae más rápido de lo que sugiere la escala lineal de R. Las llamadas de banda ancha reciben una regla más amplia: el Modelo E de banda ancha va de 0 a 129, cerca de un 29% más allá de la escala de banda estrecha (ITU-T G.107.1).
| Métrica | Valor | Fuente |
|---|---|---|
| Escala de calidad de escucha usada en las pruebas subjetivas de MOS | 5 = Excelente, 4 = Buena, 3 = Aceptable, 2 = Mediocre, 1 = Mala | ITU-T P.800 (08/1996) |
| Factor R de banda estrecha con todos los parámetros del Modelo E en su valor por defecto | 93,2 | ITU-T G.107 (06/2015) |
| Límite inferior de R 90: MOS estimado / usuarios que valoran como buena o mejor / usuarios que valoran como mala o peor | 4,34 / al menos el 97% / 0% (muy satisfechos) | ITU-T G.107 (06/2015), Anexo B |
| Límite inferior de R 70: MOS estimado / buena o mejor / mala o peor | 3,60 / al menos el 73% / como máximo el 6% (algunos usuarios insatisfechos) | ITU-T G.107 (06/2015), Anexo B |
| Límite inferior de R 50: MOS estimado / buena o mejor / mala o peor | 2,58 / al menos el 27% / como máximo el 38% (casi todos los usuarios insatisfechos) | ITU-T G.107 (06/2015), Anexo B |
| Factor de ventaja máximo A (calidad que los usuarios aceptan ceder por comodidad): red cableada / móvil dentro de un edificio / móvil en un vehículo / satélite de múltiples saltos | 0 / 5 / 10 / 20 | ITU-T G.107 (06/2015), Tabla 2 |
| Rango del factor R en el Modelo E de banda ancha | 0 a 129 | ITU-T G.107.1 (06/2019) |
| Valor de R que los informes RTCP XR etiquetan como calidad de red telefónica pública frente al valor igual o inferior al cual las llamadas se consideran inutilizables | 94 frente a 50 | IETF RFC 3611 (2003) |
Nota de contexto: “calidad de red telefónica pública” designa la calidad de una llamada tradicional de línea fija. RFC 3611 codifica los valores MOS como enteros de 10 a 50 (MOS por 10), y 127 significa no disponible. Su etiqueta de calidad de red telefónica pública en 94 y el valor por defecto de 93,2 del Modelo E usan convenciones distintas y no deben leerse como una contradicción.
5. De PESQ a POLQA: Cómo Puntúan la Voz los Modelos Objetivos
Los paneles de escucha son lentos y caros, por lo que las redes se puntúan con modelos objetivos que comparan una grabación de referencia limpia con la degradada y predicen el MOS que daría un panel. ITU-T eliminó PESQ (P.862) y sus recomendaciones complementarias P.862.1 a P.862.3 el 5 de enero de 2024, y dirige a los usuarios a POLQA (P.863) (ITU-T P.862). Todavía en su edición de 2019, la guía de aplicación de POLQA decía a los ingenieros que P.863 “no deja obsoleta” a P.862 y recomendaba ejecutar ambas en paralelo, por lo que cualquier plan de pruebas redactado antes de 2024 merece una segunda mirada.
La trampa mayor es la escala. POLQA abarca audio de banda estrecha (300 a 3.400 Hz) hasta banda completa (20 a 20.000 Hz), y su tercera edición (2018) eliminó el filtro paso bajo inicial de 14 kHz para manejar códecs de banda completa como Opus y EVS (ITU-T P.863). El modo de banda estrecha llega como máximo a 4,5, mientras que el de banda completa llega a 4,8, y la misma llamada G.711 puntúa 4,4 en uno y 3,6 en el otro (ITU-T P.863.1). Un “MOS de 3,6” no significa nada hasta que se sabe qué modo lo produjo. Para ver cómo publican los operadores estas puntuaciones a partir de pruebas de campo reales, consulta nuestras estadísticas de calidad de voz celular (MOS).
| Métrica | Valor | Fuente |
|---|---|---|
| Estado de PESQ en ITU-T | P.862, P.862.1, P.862.2 y P.862.3 eliminadas el 5 de enero de 2024 | Página de ITU-T P.862 (2024) |
| Rango de la puntuación PESQ bruta | -0,5 a 4,5 | Lipovac et al., EURASIP JWCN 2021 |
| Cobertura de ancho de banda de audio de POLQA | Banda estrecha de 300 a 3.400 Hz hasta banda completa de 20 a 20.000 Hz (banda superancha de 50 a 14.000 Hz simulada mediante limitación de banda) | ITU-T P.863 (03/2018) |
| Puntuación máxima de POLQA: modo de banda estrecha frente a modo de banda completa | 4,5 frente a 4,8 (las referencias transparentes de banda completa deben puntuar al menos 4,75) | ITU-T P.863.1 (06/2019) |
| G.711 con filtro de auricular IRS, puntuación media: PESQ banda estrecha / POLQA banda estrecha / POLQA banda completa | 4,4 / 4,4 / 3,6 | ITU-T P.863.1 (06/2019), Tabla 6 |
| AMR-NB a 12,2 kbit/s, puntuación media: PESQ banda estrecha / POLQA banda estrecha / POLQA banda completa | 4,0 / 4,2 / 3,2 | ITU-T P.863.1 (06/2019), Tabla 6 |
| Puntuación media de POLQA en banda completa: EVS 48 kbit/s banda completa frente a EVS 24,4 kbit/s banda superancha frente a AMR-WB 23,85 kbit/s | 4,70 frente a 4,65 frente a 4,0 | ITU-T P.863.1 (06/2019), Tabla 6 |
| Muestra de prueba recomendada para POLQA | 3 a 6 s de voz activa, como máximo 12 s en total; 8 pares de frases de 2 locutores y 2 locutoras | ITU-T P.863.1 (06/2019) |
Nota de contexto: los valores de la Tabla 6 son promedios, y las muestras individuales pueden diferir. En el estudio de 2015 de Acta Acustica sobre los desplazamientos temporales del jitter buffer (véase la sección 3), POLQA predijo significativamente mejor que PESQ lo que oyeron los oyentes.
6. Medición sobre el Terreno: Lo que Registran los Reguladores y los Paneles de Llamadas
Los modelos de laboratorio describen lo que debería ocurrir; las campañas de campo muestran lo que ocurre. El regulador francés Arcep solo cuenta una llamada como “perfecta” si se mantiene durante dos minutos sin ninguna perturbación audible, una prueba más estricta que la de que la llamada se establezca. Su campaña de 2025, basada en más de 1 millón de mediciones de todos los servicios entre junio y agosto de 2025 (Arcep, calidad de servicio móvil en la Francia metropolitana 2025), muestra que solo entre el 76% y el 83% de las llamadas alcanzan calidad perfecta en zonas rurales, frente a entre el 89% y el 96% en zonas densas.
Dos detalles importan específicamente para el VoIP. Las llamadas realizadas mediante aplicaciones de mensajería (voz OTT, es decir, voz que circula como datos por internet) puntuaron por debajo del servicio de voz propio de los operadores en las mismas redes. Y en los trenes de alta velocidad TGV, solo entre el 56% y el 74% de las llamadas se establecieron y se mantuvieron durante dos minutos. Las plataformas empresariales aplican una lógica similar a cada llamada: además de su regla de jitter de 30 ms, Teams marca un flujo de audio como Deficiente por encima de 500 ms de ida y vuelta o del 10% de pérdida de paquetes, y solo califica flujos de más de 500 paquetes (Microsoft Learn, clasificación de flujos en CQD). Para la tecnología de red que hay detrás de la voz de los operadores, consulta nuestras estadísticas de despliegue de VoLTE y VoNR.
| Métrica | Valor | Fuente |
|---|---|---|
| Llamadas de calidad perfecta (mantenidas 2 minutos, sin perturbación audible), Francia metropolitana: Orange / Bouygues Telecom / SFR / Free Mobile | 91% / 88% / 87% / 84% | Campaña Arcep 2025 |
| Mismo indicador en zonas densas: Orange / Bouygues Telecom / SFR / Free Mobile | 95% / 96% / 92% / 89% | Campaña Arcep 2025 |
| Mismo indicador en zonas rurales: Orange / Bouygues Telecom / SFR / Free Mobile | 83% / 77% / 79% / 76% | Campaña Arcep 2025 |
| Llamadas realizadas mediante aplicaciones de mensajería (voz OTT) mantenidas 2 minutos sin perturbación audible | Orange 82%, Free Mobile 80%, SFR 77%, Bouygues Telecom 77% | Campaña Arcep 2025 |
| Llamadas establecidas y mantenidas 2 minutos en trenes de alta velocidad TGV | 56% (SFR) a 74% (Orange) | Campaña Arcep 2025 |
| Tiempo de ida y vuelta por encima del cual Teams marca un flujo de audio como Deficiente | Más de 500 ms | Microsoft Learn, clasificación de flujos en CQD (2026), umbral del proveedor |
| Tasa de pérdida de paquetes por encima de la cual Teams marca un flujo de audio como Deficiente | Más del 10% (0,1) | Microsoft Learn, clasificación de flujos en CQD (2026), umbral del proveedor |
Nota de contexto: la cifra del TGV mide llamadas establecidas y mantenidas durante dos minutos; el comunicado de Arcep no indica que la condición de “sin perturbación audible” se aplique a los resultados de transporte, por lo que no es comparable con las filas de calidad perfecta. Arcep no publica valores de POLQA ni de MOS en este comunicado.
Resumen: Jitter Buffer VoIP y Calidad de Voz en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Retardo unidireccional para una interactividad esencialmente transparente frente al techo de planificación | Menos de 150 ms frente a 400 ms | ITU-T G.114 (2003) |
| Retardo medio añadido por un búfer anti-jitter que cubre un rango de 50 ms de variación del retardo | 25 ms (la mitad de su retardo máximo) | ITU-T G.114 (2003) |
| Límite del retardo medio de transferencia IP para VoIP de alta interacción (clase de QoS 0) | 100 ms | ITU-T Y.1541 (2011) |
| Objetivo de variación del retardo para el usuario final, voz conversacional | Menos de 1 ms | ITU-T G.1010 (2001) |
| Retardo algorítmico de Opus | 5 ms a 65,2 ms | IETF RFC 6716 (2012) |
| Límite de pérdida inducida por jitter para los jitter buffers del 3GPP | Menos del 1% en los 6 perfiles de prueba | 3GPP TS 26.114 (Release 19) |
| Proporción de tramas de voz que deben mantenerse dentro del retardo de referencia más 60 ms | Al menos el 90% | 3GPP TS 26.114 (Release 19) |
| Jitter medio que marca un flujo de audio de Teams como Deficiente | Más de 30 ms | Microsoft Learn (2026) |
| Retardo unidireccional medio en una prueba de laboratorio de VoLTE | 57,5 ms | Lipovac et al., EURASIP JWCN 2021 |
| Desplazamientos de reproducción en silencio con efecto insignificante en los oyentes | 30 ms o menos | Počta, Melvin y Hines, Acta Acustica 2015 |
| Usuarios que valoran una llamada como buena o mejor con R 90 frente a R 70 frente a R 50 | Al menos el 97% frente al 73% frente al 27% | ITU-T G.107 (2015) |
| Rango de R del Modelo E de banda ancha | 0 a 129 | ITU-T G.107.1 (2019) |
| Valor de R etiquetado como calidad de red telefónica pública en RTCP XR | 94 | IETF RFC 3611 (2003) |
| PESQ eliminado por ITU-T | 5 de enero de 2024 | Página de ITU-T P.862 (2024) |
| Puntuación máxima de POLQA, modo de banda estrecha frente a banda completa | 4,5 frente a 4,8 | ITU-T P.863.1 (2019) |
| Límite de variación del retardo de los paquetes para redes de VoIP interactivo (clases de QoS 0 y 1) | 50 ms | ITU-T Y.1541 (2011) |
| Llamadas de calidad perfecta a escala nacional, mejor frente a peor operador en Francia | 91% (Orange) frente a 84% (Free Mobile) | Campaña Arcep 2025 |
| Llamadas de aplicaciones OTT mantenidas 2 minutos sin perturbación audible en Francia | 77% a 82% | Campaña Arcep 2025 |
Metodología y Fuentes
Cada cifra anterior se leyó en el documento primario durante la investigación para este artículo, ya sea en la página del editor o en el texto completo de la recomendación, la RFC o el artículo. Las orientaciones de proveedor (Microsoft) se identifican como tales y se usan solo para umbrales operativos.
- ITU-T: G.114, Tiempo de transmisión unidireccional (05/2003, con la enmienda del Apéndice II sobre VoIP), G.107, El Modelo E (06/2015), G.107.1, Modelo E de banda ancha (06/2019), G.1010, Categorías de QoS multimedia para el usuario final (11/2001), Y.1541, Objetivos de calidad de funcionamiento de red para servicios basados en IP (12/2011)
- Evaluación de la calidad de voz de ITU-T: P.800 (08/1996), página de estado de P.862 (PESQ), P.863 (POLQA) (03/2018), guía de aplicación de P.863.1 (06/2019)
- IETF: RFC 3550, RTP (julio de 2003), RFC 3611, Informes Extendidos de RTCP (noviembre de 2003), RFC 6716, códec Opus (septiembre de 2012)
- 3GPP: TS 26.114, Telefonía Multimedia IMS, manejo de medios e interacción (texto de la Release 19 leído; versión 20.1.1 listada como la más reciente)
- Arcep: Calidad de servicio móvil en la Francia metropolitana, campaña de 2025 (nota de prensa, 20 de noviembre de 2025)
- Microsoft: Clasificación de flujos en Call Quality Dashboard (Microsoft Learn, actualizado en junio de 2026; umbrales del proveedor)
- Počta, Melvin y Hines: An Analysis of the Impact of Playout Delay Adjustments introduced by VoIP Jitter Buffers on Listening Speech Quality (Acta Acustica united with Acustica, 2015)
- Lipovac, Lipovac, Grbavac y Obradović: Practical cross-layer testing of HARQ-induced delay variation on IP/RTP QoS and VoLTE QoE (EURASIP Journal on Wireless Communications and Networking, 2021)
- Nota sobre los datos: la mayoría de los umbrales de retardo y puntuación proceden de normas antiguas pero que siguen siendo las ediciones vigentes (G.114 2003, G.1010 2001, Y.1541 2011, P.800 1996, RFC 3550 y RFC 3611 2003); son los datos más recientes disponibles, no mediciones obsoletas. Las fuentes discrepan sobre PESQ: ITU-T P.863.1 (2019) decía que POLQA no deja obsoleto a PESQ y recomendaba ejecutar ambos, pero ITU-T eliminó P.862 el 5 de enero de 2024. Los criterios de jitter buffer del 3GPP se leyeron en el texto de la Release 19 a través de un espejo de la especificación y deberían volver a comprobarse con la Release 20 (versión 20.1.1, subida el 25 de septiembre de 2026). Arcep indica el periodo de medición de 2025 como de junio a agosto en el cuerpo de su comunicado y de finales de mayo a agosto en el anexo. El estudio de VoLTE de Lipovac et al. declara un nivel de significación del 1% en una sección y menciona 0,1 en otra; aquí solo se usan sus valores descriptivos de retardo y jitter. El tope de MOS del Modelo E para R superior a 100 no se cita porque el texto extraído de G.107 estaba corrupto en ese punto. Los informes de pruebas de conducción de TRAI (PDF escaneados) y las páginas Mobile Matters de Ofcom (HTTP 403) no pudieron leerse y se excluyeron. Nuestra investigación encontró pocas pruebas de escucha abiertas y revisadas por pares sobre el comportamiento de los jitter buffers después de 2016, y el presupuesto de búsquedas en la web de esta sesión se agotó pronto, por lo que pueden existir estudios más recientes que se comprobarán en la próxima actualización.
Última actualización: 24 de octubre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando Arcep publique los resultados de su campaña de 2026 de calidad de servicio móvil en la Francia metropolitana.