Sinnvoller wäre es, einfach mal ein ganz normales Telefonat aufzubauen, dann festzustellen ob das Bittransparent ist (ist in 99,999% aller Fälle machbar) und dann einfach so tun als ob man ganz normale Sprache senden würde, in Wirklichkeit jedoch verschlüsselte Daten schickt. Dazu handelt man dann den Schlüssel über den Sprachstrom aus, und gibt beiden Teilnehmern eine akustische Indikation, dass die Verbindung jetzt verschlüsselt ist. Das geht dann, egal was an Netz dazwischen ist. (und selbst wenn da eine a-Law µ-Law Wandlung und Bit-Stealing drin ist, kann man immer noch ein paar Bits pro Abtastwert übertragen)
SRTP und ähnliche Verfahren erwarten immer, dass man eine entsprechende Infrastruktur dazwischen hat. SIP ist nun mal nicht so "Peer to Peer" wie das in aller Regel dargestellt wird. (besonders dank NAT) Diese Infrastruktur wird nicht so schnell für den Normalmenschen brauchbar kommen.