视频会议系统里面的终端是视频流、音频流、数据流、控制流的发送设备，也是视频流、音频流、数据流、控制流的接收设备。
（一）视频会议终端的定义:在H.323系统中，H.323终端提供了点对点或多点会议中（涉及多点控制单元MCU）包括音频流、视频流、数据流、控制流的通信能力。终端在接入网守的控制下，完成了呼叫的建立与呼叫的释放。接收对端发送过来的音频编码信号，接收对端发送过来的视频编码信号。对这些音频信号和视频信号解码以后发送给用户。并将本地会场的原始多媒体信号编码以后经由视频会议业务网进行交换，传输信号到远端会场。因此终端在视频会议通信系统里面担任关键角色。H.323终端可以是一台个人电脑（PC）或者是一个独立的嵌入式操作系统。首相明确一点，视频会议的终端既是视频流和音频流的发送端，也是视频流和音频流的接收端。第二，终端里面可以从其他终端接收各种信号，也可以从多点控制单元（MCU）接收各种信号。第三，终端里面包括一系列的特定模块，这些模块各有特定功能。
（二）视频编解码器:对来自于视频源（如宝利通鹰眼摄像机camera）的视频信号进行编码然后发送，通过网线传输到其他设备（例如多点控制单元MCU）。这个过程是所谓的视频编码过程。通过网络接受到的视频码流放入解码器进行“解码”，并输出到视频显示器。一般情况下不会直接对接"数字电视"等显示设备，而是通过矩阵完成视频信号的输出。所有的编码工作和解码工作通过编码器和解码器在终端里面完成，其他的地方没有这个编码器和解码器模块，而编码器和解码器是关键模块。
（三）音频编解码器:对来自麦克风的音频信号，这个麦克风是一个广义的概念，包括"Bosch博士手拉手话筒"，也包括手持麦克风，包括各种音频信号的输入设备。音频信号进入宝利通设备以后进行“编码”然后发送。对通过网络接收到的音频码流进行解码并输出到扬声器，一般宝利通设备是通过网线接受"音频信号"，通过在宝利通设备里面的音频解码设备完成音频解码，通过"数字调音台"完成音频信号的处理，包括音量、音色、音调等处理，通过“功放”和音响设备完成音频信号的输出。