基于硬件的视频会议产品基本上都遵循了H.323的基本框架。H.323标准是ITU组织定义的基于包交换网络的视频多媒体会议通信的一个标准，现在应用广泛的LAN和WAN都属于包交换的网络。同时，该标准还兼顾了传统的PSTN呼叫流程和IP网络的特点。H.323涵盖了一系列的标准，比如网络为基于包交换的无QoS保障的分组交换网，但可以通过网关和基于ISDN的H.320系统相连，与低比特率的H.324终端相连等等。
　　音频编解码标准有G.711、G.723、G.729等，视频编解码标准有H.261或H.263，数据传输标准为T.120，媒体流通信控制协议H.245，呼叫控制信令H.225等等。H.323标准定义了几个实时媒体传输的组件：终端、网关、网守（Gatekeepers）、多点控制单元。硬件产品往往把几个功能模块中的一部分或几部分进行合并集成为一个硬件产品。如MCU可以是单独一个硬件产品，但也往往和网关、网守按用户的需求做成一个硬件产品，甚至有的用户终端内嵌了MCU部分。
　　纯软件的视频会议系统产品大部分是按自己的体系结构基于IP网络开发的。这种软件系统按C/S或C/W模式，基本上由Client端、Server端和网络传输三部分组成。其中部分软件产品中是按照H.323标准实现其部分模块，如网关、MCU、Gatekeeper软件。近几年，软件实现的视频会议系统在市场上出现得越来越多，市场上的软件视频会议产品有南京腾商、威速、东大秦皇岛软件的Vmeeting系统、山大联润视频会议系统，以及龙软基业的ACMeeting等，以下是基于软件的视频会议系统与基于硬件的视频会议系统的比较。
　　视频方面由于基于硬件的视频会议系统，比如H.320产品本身就架构在良好的DDN、ISDN、ATM等专用的网络基础之上，这种网络本身就提供了良好的音视频传输条件，所以硬件视频会议产品能够提供较高质量的视频图像，如宝利通的ViewStation512系统，在384/512Kbps下可达到30帧/秒（NTSC）或25帧/秒（PAL），图像分辩率可达352×288，图像无抖动和延迟。而软件视频会议产品大都建于IP网络之上，和硬件产品的效果有些差异，但随着网络带宽的提高和QoS的保障，视频效果也在逐渐提高。
　　音频方面由于音频数据对带宽要求不是很高，无论是硬件实现还是软件实现的视频会议产品，在语音不失真的情况下实现更好的压缩效果。
　　网络适应性硬件实现的产品为了能够实现和其价格对应的视频图像效果，往往对带宽要求严格，典型接入方式为ISDN、DDN、帧中继的专用网络，对IP网络要求很高，最小带宽要384kbps以上，而无法利用现有非宽带的Internet，运行费用高；软件产品可以对带宽灵活调整，用现有Internet或客户现成的网络，甚至在用普通56KModem拨号上网情况下，也能达到单路远程视频4帧/秒。
　　处理速度硬件视频会议中的视频采用的H.26x系列和音频用的G.7xx系列通过硬件编码解码实现，由于视频和音频的数据量大，为了实时的传播多媒体音视频数据，需要很快的硬件编解码处理速度，这些特殊的硬件用特殊的音视频的编解码器能够很好地满足这方面的要求。

了解更多大庆视频会议