H.323 是由 ITU-T 定义的协议组，用于在因特网（VOIP）上传输语音。除了语音应用程序，H.323 结合 ITU-T T.120 系列标准还提供了语音通信和数据协作机制。基于 Megaco 和 SIP 标准，H.323 是主要 VOIP 标准之一。

　　H.323 是一种框架性结构规范，因为它包括了各种其它 ITU 标准。H.323 为基于网络的通信系统定义了四个主要的组件：终端 Terminal、网关 Gageway、关守 Gagekeeper、多点控制单元 MCU。

　　终端 Terminal 是分组网络中能提供实时、双向通信的节点设备，也是一种终端用户设备，可以和网关、多点接入控制单元通信。所有终端都必须支持语音通信，语音和数据通信、视频和数据通信，或者结合语音、数据和视频的通信。

　　网关提供了 H.323 网络与属于不同协议栈的网络终端之间的连接。如传统的 PSTN 网络、SIP、Megaco 终点。

　　关守主要负责电话号码和 IP 地址之间的转换。它们还负责管理带宽并提供终端登记和认证机制。同时关守还提供了诸如呼叫传输、呼叫转发等服务。

　　MCU 建立多点会议。MCU 由强制多点控制组成，提供呼叫信令、会议控制和一个可选多点处理器。该处理器可以用于媒介流的交换/混合，有时也能用于对视频和音频流进行实时代码转换过程。

　　H.323 结构的信息交换方式有五种类型：

• 音频（数字化）语音；
• 视频（数字化）；
• 数据（文件或图像）；
• 通信控制（功能支持交换、逻辑控制信道等）；
• 控制连接和会话（安装和拆除）。

　　H.323 首次发布于1996年，于2003年完成最新版本 v5。

　　H.323 协议组中的协议包括：

1. 呼叫控制和信令
   • H.225.0：呼叫信令协议和 Media Stream Packetization（使用 Q.931 信令协议的一个子协议）
   • H.225.0/RAS：注册、许可和状况
   • H.245：多通信控制协议
2. 音频处理
   • G.711：关于声音频率的脉冲代码调制
   • G.722：7 kHz 音频译码（64 kb/s）
   • G.723.1：传输速率为5.3和6.3 kb/s 的多媒体通信下的双速率语音编码。
   • G.728：通过低时延码激励线性预测编码实现16 kb/s 的语音译码。
   • G.729：通过共扼结构—代数码激励线性预测编码实现8 kb/s 的语音译码。
3. 视频处理
   • H.261：Px64 kps 下提供视听服务的视频编解码器.
   • H.263：低比特率通信的视频译码
4. 数据会议
   • T.120：这是关于终点间数据传输的一个协议组。它可以用于协作工作领域的各种应用程序，如白色书写板、应用程序共享以及共同文档管理。T.120 使用类似于 OSI 模型的分层结构。顶层（T.126、T.127）服务基于低层服务（T.121、T.125）。
5. 媒体传输
   • RTP：实时传输协议
   • RTCP：RTP 控制协议
6. 安全
   • H.235：安全性、对H系列多媒体终端进行加密
7. 辅助服务
   • H.450.1：为 H.323 中辅助服务的控制所提供的一般功能
   • H.450.2：呼叫传输
   • H.450.3：呼叫转移
   • H.450.4：呼叫控制
   • H.450.5：呼叫挂起和呼叫摘起
   • H.450.6：呼叫等待
   • H.450.7：信息等待明示
   • H.450.8：名称识别服务
   • H.450.9：H.323 网络的呼叫完成服务

H.323结构中主要协议的构架

H.323 是一种 ITU-T（http://www.itu.int/ITU-T/）标准。