對于現(xiàn)階段視頻會議系統(tǒng)主要由承載層、終端設(shè)備以及多點控制單元MCU（MultipointControlUnit）三部分構(gòu)成。終端設(shè)備和MCU是視頻會議系統(tǒng)所*的部分,承載層是與視頻會議系統(tǒng)所承載的寬帶網(wǎng)絡(luò)緊密相連的。
　　　
　　一套完整的視頻會議系統(tǒng)應(yīng)由視頻會議終端、多點控制單元MCU網(wǎng)絡(luò)管理軟件、傳輸網(wǎng)絡(luò)以及相關(guān)附件五大局部構(gòu)成。
　　
　　所以對視頻會議系統(tǒng)中視頻會議終端系統(tǒng)、多點會議控制單元MCU網(wǎng)絡(luò)管理軟件等部分的要求也各不一樣，沒有兩個組織的做法、想法、甚至交流方式是相同的再加之用戶已有的網(wǎng)絡(luò)狀況、硬件設(shè)施各有特色。所以視頻會議設(shè)備供應(yīng)商提供了多種解決方案和服務(wù)供選擇。
　　
　　視頻會議終端
　　
　　送到傳輸信道上去。同時把從信道接收到會議電視信號進(jìn)行多路分解、視音頻解碼，視頻會議終端主要作用是將終端處會議點的實況錄像信號、語音信號及用戶的數(shù)據(jù)信號進(jìn)行采集、壓縮編碼、多路復(fù)用后。還原成對方會場的圖像、語音及數(shù)據(jù)信號，輸出給用戶的視聽數(shù)據(jù)設(shè)備。與此同時，視頻會議終端還將本點的會議控制信號（如建立通信、申請發(fā)言、申請主席控制權(quán)等）送到MCU同時接收MCU送來的控制信號，執(zhí)行MCU對本點的控制指令。
　　
　　視頻會議終端設(shè)備主要包括視頻會議攝像機、話筒、監(jiān)視器、揚聲器、回波抵消器、終端處置器、會議控制器等。
　　
　　把會場的圖像與聲音轉(zhuǎn)換成電信號，攝像機、話筒是視頻會議系統(tǒng)的輸入設(shè)備。送入終端處置器進(jìn)行處理。
　　
　　用來顯示會場的聲音和圖像。十人以下的會議室可采用74cm或86cm監(jiān)視器，監(jiān)視器和揚聲器是視頻會議系統(tǒng)的輸出設(shè)備。會場人數(shù)較多時，可采用電視墻或投影儀。
　　
　　還會有其他會場（例如第二會場）發(fā)言人B通過*會場的揚聲器發(fā)出的聲音，回波抵消器用來抑制回聲。因為在*會場中輸入話筒的聲音信號除了有本會場發(fā)言人A聲音外。經(jīng)過終端處置器和通信鏈路傳到第二會場后，就會在第二會場形成發(fā)言人B聲音。接入回波抵消器使*會場中由揚聲器進(jìn)入話筒的電信號與原來輸入揚聲器的電信號反相疊加，使*會場送入通信線路的信號中發(fā)言人B聲音信號被抵消，即消除了回聲。
　　
　　把本會場由攝像機和話筒輸入的視頻、音頻模擬信號變?yōu)閿?shù)字信號，終端處置器是視頻會議系統(tǒng)終端設(shè)備的核心。并進(jìn)行編碼、壓縮和復(fù)合，送往通信鏈路；又把其他會場經(jīng)過通信鏈路送來的數(shù)字信號經(jīng)過解碼、解壓縮和分接，送往監(jiān)視器和揚聲器，變成聲音和圖像。
　　
　　話筒音量的調(diào)整，會議控制器用于完成會議過程中對終端的操作、控制和管理。例如攝像機的轉(zhuǎn)動和切換。主席會場對其他會場的控制，以及系統(tǒng)的設(shè)置、管理和維護(hù)等。
　　
　　有時在會場上還需要放置計算機、傳真機、掃描儀、錄像機、幻燈機等設(shè)備，除上述設(shè)備外。向參會人員提供錄像、幻燈和其他資料。有時還需要電子白板、書寫機、打印機等，供與會人員討論問題時寫字、畫圖、形成會議文件時使用。