Chaque touche du clavier téléphonique émet une tonalité DTMF (dual-tone multi-frequency) : deux fréquences jouées en même temps, l'une pour la ligne de la touche, l'autre pour sa colonne. Le système téléphonique décode ces tonalités pour savoir quelle touche a été pressée. C'est ainsi que l'appelant navigue dans un menu de SVI (« tapez 1 pour le service commercial »), saisit un numéro de client ou un code confidentiel, ou joint un poste.
Sur un appel VoIP, le DTMF peut circuler de trois façons :
- Dans la bande (in-band) : les tonalités restent dans le flux audio. C'est simple, mais les codecs compressés comme G.729 peuvent les déformer au point qu'elles ne soient plus reconnues.
- RFC 4733 (anciennement RFC 2833) : les appuis sur les touches sont envoyés comme des événements distincts, à côté des paquets voix. C'est la méthode la plus répandue.
- SIP INFO : les appuis passent par la signalisation SIP et non par l'audio.
Quand l'appelant tape sur son clavier et que le SVI ne réagit pas, c'est généralement que les deux extrémités n'attendent pas la même méthode DTMF : c'est l'un des premiers réglages à vérifier sur un trunk SIP.
Dans OVOKY, les appelants choisissent les options du serveur vocal interactif avec leur clavier, et les agents disposent d'un clavier dans l'espace agent pour envoyer des tonalités en cours d'appel, par exemple pour franchir le menu vocal d'une autre entreprise.