Wenn die Bandbreite stimmt, sollte das eigentlich kein Problem sein:
Du benutzt eine Audiobibliothek deiner Wahl und nimmst dort vom Mikrofon mit niedriger Bit- und Abtastrate auf.
Ich denke da so an 8 Bit bei 11025Hz - also ca. 11Kbyte/sec.
Wenn die Amplitude einen gewissen wert überschreitet, beginnst du für eine gewisse Zeit die Daten in einen MemoryStream zu Buffern. Überschreitet dieser eine gewisse Größe, schickst du den Buffer über UDP an den Empfänger. Dieser fügt noch Flux einen Wave-RIFF-Header an und gibt den Buffer einfach über eine Audiobibliothek oder die Windows
API aus. Das ganze sollte eigentlich in wenigen Stunden (auch ohne VOIP-Komponente) realisierbar sein. Natürlich kannst du die Daten auch noch irgendwie komprimieren - muss ja nicht gleich MP3 oder OGG sein (auch wenn damit eine höhere Qualität möglich wäre). Vielleicht langt auch schon eine einfache Huffman Komprimierung.