Der Header des RTP-Protokolls (Realtime Transport Protocol) wird immer nach dem IP-Header oder dem UDP-Header gesendet und umfasst mindestens 12 Oktette.
In dem ersten, zwei Bit kurzen Versionsfeld (V) wird die Versionsnummer (V) des RTP-Protokolls übertragen. Diesem folgt ein 1 Bit kurzes Padding-Feld (P). Das folgende Extension-Feld (X) zeigt an, dass das RTP-Protokoll eine Extension hat. Das folgende 3 Bit lange CC- Datenfeld dient dem CSRC-Count (Contribution Source). In ihm ist die Anzahl der CSRC-Felder eingetragen. Mit dem Marker (M) kann in der Payload der Beginn eines Streams markiert werden. Das acht Bit lange Datenfeld Payload Type ( PT) kennzeichnet die Art der Daten im Payload. Dabei kann es sich um einen Video-Stream gemäß H.261 oder H.263 handeln, um MPEG-4, MP3- Audio oder andere Dateiformate. Die folgende Sequenznummer ( SN) dient der Reihenfolgesicherung und wird wie beim TCP-Protokoll bei jedem Datenpaket um einen Zähler erhöht.
Zur Synchronisation von Audio oder Video verwendet das RTP-Protokoll einen Zeitstempel, der von dem jeweiligen RTP- Profil vorgegeben wird. In das 4 Oktette umfassende Datenfeld Timestamp ( TS) wird die Zeitmarke für diese Synchronisation eingetragen.
Um die Datenquelle eindeutig identifizieren zu können, hat der RTP-Header das 32 Bit lange Datenfeld Synchronisation Source (SSRC) mit dem die Synchronisationsquelle während einer RTP-Session gekennzeichnet wird. In dem zweiten optionalen und mehrere Oktette umfassenden Datenfeld, dem Contribution Source (CSRC), werden die Quelladressen der SSCRs eingetragen.
Ein weiteres optionales Datenfeld ist die Header Extension, der ebenfalls mehrere Oktette lang sein kann. Das Vorhandensein dieses Datenfeldes wird durch den Eintrag im X-Datenfeld kenntlich gemacht. Die Header Extension ermöglicht die Übertragung von Daten, die nicht den vorgegebenen Datenprofilen entsprechen.