Najpierw kanał pierwszy (Call 1), zadedykowany dla transmisji multimedialnej (sygnał mowy + wideo + dane), potem kanał drugi (Call 2), przeznaczony do transmisji wideo. Po zestawieniu obu kanałów następuje regulacja opóźnienia międzykanałowego aż do osiągnięcia pełnej synchronizacji. Kanał pierwszy (Call 1) powinien być sygnalizowany sygnałem dźwiękowym (dzwonienia). Kanał drugi (Call 2) powinien być automatycznie odbierany po stronie wywoływanej. Jeśli najpierw zestawione zostanie połączenie rozmowne o paśmie 3.1 kHz, a jeśli użytkownik zażyczy sobie zmianę usługi na wideotelefonie, to będzie podjęta próba ramkowania sygnału i zmiany ustawień terminalu, tak by nie została zaburzona komunikacja głosowa. Istnieje możliwość, że nie zawsze będzie to możliwe, wtedy należy jeszcze raz zestawić połączenie, ale od razu w trybie wideotelefonicznym. Jakość przenoszonej mowy będzie jak dla ISDN – o paśmie analogowym 3.1kHz lub 7 kHz. Można skorzystać z opcji, w której terminal wideotele zaprogramowany został tylko do odbierania połączeń wideotelefonicznych.