这是思科的官方文档，所以我不怀疑。就 L2 报头而言，它是根据 L2 技术（以太网、帧中继等）添加的。该文档没有考虑 L2 报头，但是当您计算 VoIP 数据包的数据包大小时，将考虑在内.

层是相互独立的，第 2 层头非常简单，通常不涉及第 2 层之上的任何内容（PPP 是一个例外，因为它有一个到第 3 层的桥接器），因为第 2 层的重点是尽快切换帧。一些交换机可以在中继链路上使用 COS，并且中继将 802.1Q 标签添加到现有的帧头中，包括一个三位 COS 值，可用于确定帧的优先级，这可能会或可能不会与 VoIP 一起使用（取决于所涉及的交换机或第 2 层协议），但它实际上并没有添加另一个标头。

您的第二个问题取决于几件事，其中最重要的是没有单一的 VoIP 协议，并且一些 VoIP 协议是专有的。您的链接仅提供了一种 VoIP 编码方法 (G.729) 的示例。它还解释了您是否可以拥有 GRE，并且由于 VoIP 通常是单播流量，因此 GRE 可能是不必要的。您没有提供足够的信息来准确回答您的第二个问题，而且，如果您使用的是专有 VoIP 协议，则可能无法确定地回答。