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。