Đầu năm 1996 một nhóm các công ty lớn (Microsoft, Intel.) đã tổ chức hội nghị Voice over IP nhằm thống nhất tiêu chuẩn cho các sản phẩm của các nhà cung cấp. Đến tháng 5/1996, ITU-T phê chuẩn đặc tả H.323. Chuẩn H.323 cung cấp nền tảng kỹ thuật cho truyền thoại, hình ảnh và số liệu một cách đồng thời qua các mạng IP, bao gồm cả Internet. Tuân theo chuẩn H.323, các sản phẩm và các ứng dụng đa phương tiện từ nhiều hãng khác nhau có thể hoạt động cùng với nhau, cho phép người dùng có thể thông tin qua lại mà không phải quan tâm tới vấn đề tương thích. H.323 cũng đồng thời giải quyết các ứng dụng cốt lõi của điện thoại IP thông qua việc định nghĩa tiêu chuẩn về độ trễ cho các tín hiệu âm thanh, định nghĩa mức ưu tiên trong việc chuyển tải các tín hiệu yêu cầu thời gian thực trong truyền thông Internet. (H.324 định nghĩa việc truyền tải các tín hiệu âm thanh, hình ảnh và dữ liệu qua mạng điện thoại truyền thống, trong khi đó H.320 định nghĩa tiêu chuẩn cho truyền tải các tín hiệu âm thanh, hình ảnh và dữ liệu qua mạng tổ hợp đa dịch vụ ISDN). Ứng dụng của chuẩn này rất rộng bao gồm cả các thiết bị hoạt động độc lập (stand-alone) cũng như những ứng dụng truyền thông nhúng trong môi trường máy tính cá nhân, có thể áp dụng cho đàm thoại điểm-điểm cũng như cho truyêng thông hội nghị. H.323 còn bao gồm cả chức năng điều khiển cuộc gọi, quản lý thông tin đa phương tiện và quản lý băng thông đồng thời còn cung cấp giao diện giữa mạng LAN và các mạng khác.