IP headerがつくどころか、音声の場合は影響を最小限にするために、
パケットを可能な限り細切れにして送出します。つまり、パケットの中で
IP headerの占める割合はめちゃくちゃでかい。その分、使用帯域は増えます。

とはいえ、めちゃくちゃ安易に64Kbps PCMで送るとしても100Kbpsあれば十分。
いまどき100Kbpsは誤差ですね。問題はpacket lossとdelayですが、
まともなところならlossは使用上影響ない誤差範囲内です。

問題になっているdelayのほうですが、国内同士でまともなところ同士ならば
どうひどくてもRTTで数十msec内で安定しています。encodingと送出間隔を
いれても100msecも遅延するような状況にはまずならないでしょう。
>>15によると携帯電話が遅延150msecらしいので、それに比べればかなりの良い条件。