视讯终端是提供单项或双向实时通讯的用户端。所有视讯终端必须支援声音通讯，视讯和资料也是可选的。H.323规定了不同的音讯、视讯和资料终端共同工作所需的操作模式，它将成为下一代网际网络电话、电话会议和电视会议技术领域占统治地位的标准。市场中常见的视讯终端主要有以下几种：机顶盒、桌面一体终端（包括视讯终端和LCD屏）、和PC连线的简易终端，以及配合USB摄像头和耳麦使用的软体终端。

视讯终端是视讯会议产品的一个重要组成部分。目前视讯会议产品形态主要分为两个部分：多点控制单元（MCU，Multipoint Control Unit）和视讯终端。多点控制单元即我们通常所说的MCU。它是视讯会议的核心部分，在H.323标准下，MCU由必不可少的多点控制器（MC）以及零个或多个多点处理器（MP）组成。MC处理所有终端之间的H.245协定，以确定共同的音讯和视讯处理能力，并透过确定哪些视讯流将进行多点多播（Multicast），从而实现对会议资源进行控制，同时，它支援三点或更多点之间的会议。目前，市场上的主流产品是基于H.323协定的MCU。