D> Однако кроме пакетов с голосовыми данными требуется отправлять команды удаленной системе (с последующей их отработкой железякой на "том" конце), поэ тому для команд необходима гарантированная передача.

а октрыть один TCP сокет для управляющих данных не представляется возможным ?
итого: 1 UDP для multimedia content'a и 1 TCP для управления. для красоты можно даже порты одинкаовыми сделать