視頻會議終端實際上也就是多媒體通信終端設備，人們借助終端參與視頻會議。試想一下，在視頻會議中我們需要哪些設備？攝像頭、顯示設備、麥克風、音響、傳輸網絡，有時候還需要在會議中共享文件、影像等資料。那么，視頻會議終端是如何將這些設備有機地結合在一起，通過什么機制實現終端的互通，以達到異地實時交流溝通的目的呢？
視頻會議終端的類型有多種，我們先了解一下它的分類，然后再以一種典型的視頻會議終端為例來了解它的結構、特點及實現方式。
視頻會議終端從網絡應用上可分為：
運行在時分復用傳輸網絡上的基于H.320框架協議的終端，簡稱H.320終端；
運行在IP網絡上的基于H.323框架協議的終端，簡稱H.323終端；
運行在IP網絡上的基于SIP框架協議的終端，簡稱SIP終端。
視頻會議終端包括音頻輸入輸出設備、視頻編解碼器、視頻輸入輸出設備、音頻編解碼器和復用/分接設備等，視頻會議終端是會議過程中與遠端通信的前端設備。。
視頻會議終端用來將視音頻數據編碼、打包，然后通過網絡傳送給遠端。并接收遠端傳送來的數據，進行拆包、解碼，還原成對方會場的圖像、語音和數據，網絡與最終用戶接觸用以實現網絡應用的設備，稱為視頻會議終端。
視頻會議終端可以是專用的多點交互式視頻會議終端，也可以是安裝了一定的音頻、視頻硬件和軟件的普通電腦，甚至是電話等。如今，平板電腦、智能手機等移動終端通過安裝專門的應用可以成為移動視頻會議終端。
一般而言大中型會議系統專用會議室都采用專用的會議終端，它能夠自動適應網絡帶寬和流量狀況，可以提供良好的QoS保證機制，提供最佳的視頻和音頻效果，并且界面直觀、操作簡單。