一套設備齊全的視頻會議系統，一般由多點控制單元（MCU）、視頻會議終端、攝像頭、麥克風、觸摸屏、顯示屏（高清電視）構成。視頻會議終端接上大屏幕作為顯示設備，接上網絡作為傳輸媒介就可以工作了。視頻會議終端通常具備核心編解碼器、攝像頭、全向麥克風和遙控器。核心編解碼將攝像頭和麥克風輸入的圖像及聲音編碼通過網絡傳輸，同時將網絡傳來的數據解碼后，將圖像和聲音還原到大屏和音響上，即實現了與遠端的實時交互。