H.323 este primul protocol pentru comunicațiile VoIP apărut pe piață. A fost definit de către ITU-T în 1996 sub numele de “Sisteme de telefonie vizuală și echipamente pentru rețele locale care nu garantează calitatea serviciului” (Visual telephone systems and equipment for local area networks which provide a non-guaranteed quality of service). Era un prim pas, mai mult teoretic decât practic, deoarece chiar prin titlul lucrării se recunoșteau punctele slabe ale standardului, și anume negarantarea calității comunicației, determinată de întârzierea pachetelor. Este binecunoscut faptul că transmisiile audio/video pot tolera erori la recepție, dar sunt extrem de sensibile la întârzieri și fluctuații de bandă. Recomandarea a fost revizuită în 1998 (Packet-based multimedia communications systems ) și apoi devine baza primelor sisteme universale de telefonie pe Internet.
H.323 este mai mult o prezentare arhitecturală a telefoniei pe Internet decât un protocol specific. El se referă la un număr mare de protocoale specifice pentru codificarea vocii, configurarea apelului, semnalizare, transportul datelor și alte aspecte mai mult decât să specifice el însuși aceste lucruri.
Arhitectura generală a unei rețele bazate pe protocolul H.323 are în componența sa următoarele entități :