Es gibt diverse Festlegungen, die beim Zusammenwachsen von Sprache und Daten relevant sind. Da der International Telecommunication Union (ITU) bekannt war, welche Vielfalt an Funktionen abgedeckt werden muß, hat die Organisation H.323 gleich als Dach-Standard konzipiert. H.323 beinhaltet existierende Standards und erweitert sie sogar in einigen Fällen.

Um kompatibel zum Gesamtstandard zu sein, müssen Produkte keineswegs jeder Subspezifikation genügen. Es reicht, wenn sie je nach ihrer Funktion eine definierte Untermenge der Festlegungen erfüllen. Die vier Produktkategorien sind Terminals, Gateways, Gatekeepers und Multipoint-Kontrolleinheiten. Im Detail gehören fünf verschiedene Spezifikationen zu H.323, die die Audio-Codier- und Decodiergeräte steuern, zwei für Video-Codierer und Decodierer, ein Daten-Multiplexing-Standard, drei Kontrollzeichenstandards und eine Version des Real-Time Transport Protocol für die Paketfolge von Sprache und Video. Als nächster Schritt wird der Standard vermutlich um Quality-of-Service-(QoS-) Fähigkeiten erweitert werden.

Für Anwender zahlt sich H.323 aus, wenn sie bisher getrennte Sprach- und Datennetze vereinigen. Neben einer Senkung von Komplexität und Kosten versprechen sich Experten davon eine katalytische Wirkung auf das Entstehen von H.323-Anwendungen wie Gebühren-Bypass und LAN-Telefonie.

Ein Gebühren-Bypass besteht aus zwei H.323-Gateways. Das erste Gateway übernimmt Gespräche aus dem Sprachnetz eines Unternehmens, zerteilt sie in Pakete und sendet diese über ein IP-fähiges WAN-Link an den Empfänger. Dort setzt das zweite Gateway die Pakete wieder zu einem analogen Signal zusammen und überträgt es ins Sprachnetz. LAN-Telefonie geht noch einen Schritt weiter: Das LAN wird mit ähnlichen Sprachservices wie eine Nebenstellenanlage ausgestattet. Sprach-Server können in Switches eingebettet sein oder auf NT basieren. Innerhalb des lokalen Netzes bauen diese Server die Verbindung auf, verwalten und beenden sie. Anrufe nach draußen gehen über Gateways.