为了在现有通信网络上进行多媒体应用，国际电信联盟（ITU－T）制定了H.32x多媒体通信系列协议，下面就其中主要几个标准做简单说明：
H.320，在窄带可视电话系统和终端（N－ISDN) 上进行多媒体通信的标准；
H.321，在B－ISDN上进行多媒体通信的标准；
H.322，在有QoS保证的局域网上进行多媒体通信的标准；
H.323，在无QoS保证的包交换网络上进行多媒体通信的标准；
H.324，在低比特率通信终端（PSTN和无线网络）上进行多媒体通信的标准。

上述标准当中，H.323标准定义的网络是应用最为广泛的，例如以太网、令牌网，FDDI网等。基于H.323标准的应用也理所当然成为市场的热点，所以下面我们会重点介绍一下H.323。H.323建议中定义了四个主要的组件：即终端、网关、网关管理软件（也叫关守或网闸）和多点控制单元。

终端（Terminal)

所有的终端都必须支持语音通信，视频和数据通信能力是可选的。所有的H.323终端也必须支持H.245标准，H.245标准用于控制信道使用情况和信道性能。H.323对语音通信中的语音编解码器主要参数做如下规定：ITU建议 语音带宽/KHz 传输比特率/Kb/s 压缩算法 注释 G.711 3.4 56,64 PCM 简单压缩，应用于PSTN中 G.728 3.4 16 LD-CELP 语音质量同G.711，应用于低比特速率传输 G.722 7 48,56,64 ADPCM 语音质量高于G.711，应用于高比特速率传输 G.723.1G.723.0 3.4 6.35.3 LP-MLQ 语音质量可以接受，G.723.1为VOIP论坛采用 G.729G.729A 3.4 8 CS-ACELP 时延低于G.723.1，语音质量高于G.723.1。

网关（Gateway)

这是H.323系统的一个可选件。网关能把不同系统所用的协议、音频、视频编码算法以及控制信号进行变换以适应系统终端互通。如基于PSTN的H.324系统和基于窄带ISDN的H.320系统与H.323系统进行通信，就需要配置网关；

关守（Gatekeeper)

这是H.323系统的一个可选组件，是由软件来完成管理功能。它主要有两个功能：第一是对H.323应用的管理；第二是对终端通过网关通信（如呼叫建立、拆除等）的管理。管理员可以通过关守，进行地址转换、带宽控制、呼叫认证、呼叫记录、用户注册、通信域管理等功能。一个H.323通信域可以有多个网关，但只能有一个关守工作。

多点控制单元（Multipoint Control Unit)

MCU实现了在IP网络上进行多点通信，点到点的通信并不需要。通过MCU使整个系统形成一个星型的拓扑结构。MCU包含两个主要部件：多点控制器MC 和多点处理器MP，也可以不包含MP。MC处理终端间的H.245控制信息，建立一个音频和视频处理的最小公共命名器。MC并不直接处理任何媒体信息流，而将它留给MP来处理。MP对音频、视频或数据信息进行混合、切换和处理。

在业界IP电话有两种并列的体系结构，一种是以上介绍的ITU－TH.323协议，另一种是由互联网工程任务组（IETF）提出的SIP协议（RFC2543），SIP协议更适用于智能化终端。