一套設(shè)備齊全的視頻會議系統(tǒng)由多點控制單元（MCU）、視頻會議終端、攝像頭、麥克風(fēng)、觸摸屏、顯示大屏構(gòu)成。一般它可以分為終端設(shè)備、通信網(wǎng)絡(luò)（專業(yè)詞匯：傳輸信道）、MCU（多點控制單元）三大部份組成。

　　

　　簡單來說，視頻會議終端接上大屏作為顯示設(shè)備，接上網(wǎng)絡(luò)作為傳輸媒介就可以工作了。一臺終端通常具備核心編碼功能、一個攝像頭、一個全向麥克風(fēng)以及遙控器。核心編解碼將攝像頭和麥克風(fēng)輸入的圖像及聲音編碼通過網(wǎng)絡(luò)傳走，同時將網(wǎng)絡(luò)傳來的數(shù)據(jù)解碼后。將圖像和聲音還原到大屏和音響上，即實現(xiàn)了與遠端的實時交互。如果有六點以上會場，就必須采用MCU（視頻會議多點控制單元）進行管理。

　　

　　視頻會議終端是面對用戶的硬件，包含很多大眾常見的硬件。例如負責(zé)采集光景的攝像頭、顯示圖像的視頻顯示器等等都涵蓋在視頻會議終端設(shè)備中，通過系統(tǒng)的集成和整合，實現(xiàn)對視音頻信息采集、輸出。

　　

　　其主要價值在于將相關(guān)圖像、聲音信息數(shù)字化，并轉(zhuǎn)化成服務(wù)和傳輸網(wǎng)絡(luò)規(guī)定的數(shù)據(jù)格式。例如常見思科SX20、華為TE20、城云高清視頻設(shè)備P3等三款視頻終端，是三家不同企業(yè)針對中小會議場景中生產(chǎn)的視頻設(shè)備，但是他們在系統(tǒng)中的價值都是一樣的，負責(zé)將視頻/音頻/數(shù)據(jù)轉(zhuǎn)化成符合傳輸網(wǎng)絡(luò)規(guī)定的數(shù)據(jù)信息，在實時的會議中，承擔(dān)了光景的信息采集作用，也是用戶最常見的終端設(shè)備之一。

　　

　　通過視頻會議終端采集數(shù)據(jù)信息后，需要傳輸給異地的視頻會議終端，就需要依賴通信網(wǎng)絡(luò)（傳輸信道）來完成傳輸工作，通信網(wǎng)絡(luò)是指連接在視頻會議終端設(shè)備上，使終端設(shè)備能夠傳輸視頻、音頻和數(shù)據(jù)的各種傳輸介質(zhì)的總稱。