Celem realizacji podstawowych funkcji terminal musi być wyposażony w urządzenia realizujące: odbiór i prezentację obrazu oraz głosu drugiej strony, kodowanie sygnału audio i wideo. Możliwe rozszerzenia wyposażenia terminala wideotelefonicznego: ruchoma kamera i powiększenie (zoom), interfejsy dla dodatkowych kamer, ekrany, zapisu wideo, zdalne sterowanie kamerą, klawiatura dla usług tekstowych. Najważniejszym zadaniem terminalu wideotelefonicznego jest spełnianie wszystkich funkcji zwykłego telefonu. Musi istnieć możliwość połączenia się ze zwykłym telefonem o szerokości pasma analogowego 3.1 kHz – 7 kHz lub wideotelefonem w innej sieci lub innego producenta. Wideoterminal musi mieć zaimplementowane procedury kodowania G.711 (wymagania minimalne), a także powinna istnieć możliwość dwuetapowego zestawiania połączeń wideotelefonicznych: pierwsza faza obejmuje zastawianie połączenia głosowego, zaś po jego utworzeniu, na życzenie użytkownika, można dodać kanał wideo. Jeśli cała wymagana przepływność dla takiej transmisji nie jest dostępna, rozmowa powinna być kontynuowana, z maksymalną jakością transmisji sygnału wideo.