ビデオ電話

ビデオ電話の概念は、1870年代後半に米国とヨーロッパで初めて構想されましたが、その初期の試みを可能にする基礎科学が発見されるまでには、ほぼ半世紀を要しました。その前提となる知識は、電気電信、電話、ラジオ、テレビといった複数の電気通信分野における集中的な研究と実験から得られたものです。

テレビの発明とほぼ同時期に、シンプルなアナログビデオ電話通信が確立された。そのような前身は通常、同軸ケーブルまたは無線で接続された2つの閉回路テレビシステムで構成されていた。その一例として、1936年から1940年にかけてベルリンとドイツのいくつかの都市に同軸ケーブルでサービスを提供していたドイツ帝国郵便局のビデオ電話ネットワークが挙げられる。^{[ 4 ] [ 5 ]}

フィリピンの科学者グレゴリオ・Y・ザラは、1954年に最初のビデオフォンを発明し、1955年に「フォトフォン信号分離ネットワーク」として特許を取得しました。彼はビデオ電話技術の開発への先駆的な貢献により、ビデオ会議の父として知られています。 ^{[ 6 ]}

ビデオ電話の有料サービスとしての開発は、1920年代後半に英国と米国で始まり、特にジョン・ロジー・ベアードとAT&Tのベル研究所によって推進されました。これは、少なくともAT&Tにおいては、電話の使用を補完する補助手段として部分的に行われました。多くの組織は、ビデオ電話が通常の音声通信よりも優れていると信じていました。1950年代に初めて研究されたAT&T社が開発した最初のシステムのように、通常の電話網を使用してスロースキャンビデオを送信する試みは、主に画質の悪さと効率的なビデオ圧縮技術の欠如のために失敗しました。

初の有人宇宙飛行では、NASAは双方向それぞれに1つずつ、計2つの無線周波数（UHFまたはVHF ）ビデオリンクを使用しました。テレビ局は遠隔地からの報道で、この種のビデオ電話を日常的に使用しています。報道機関は、特別装備のトラックを使用した衛星へのモバイルリンクを常用するようになり、さらに後にはブリーフケースに入った専用の衛星ビデオ電話を使用するようになりました。しかし、この技術は非常に高価であったため、遠隔医療、遠隔教育、ビジネス会議などの用途には採用されませんでした。

数十年にわたる研究開発の末、1970年にAT&Tのピクチャーフォンサービスが一部の都市で商用化された。しかし、このシステムは商業的には失敗に終わった。主な原因は、消費者の無関心、高額な利用料、そしてネットワーク効果の欠如であった。世界にピクチャーフォンが数百台しかなかったため、ユーザーが実際に電話をかけられる相手は極めて少なく、他のビデオフォンシステムとの相互運用性も数十年にわたって実現しなかった。

1980年代には、ISDNネットワークなどのデジタル電話伝送ネットワークが可能になりました。この時期には、他の形態のデジタルビデオおよびオーディオ通信の研究も行われました。メディアスペースなどのこれらの技術の多くは、ビデオ会議ほど今日では広く使用されていませんが、依然として重要な研究分野でした。^{[ 7 ] [ 8 ]} ISDNネットワークが世界中に拡大するにつれて、最初の専用システムが登場し始めました。企業向けに販売された最初の商用ビデオ会議システムの1つは、1984年11月に新規株式公開を行ったPictureTel Corp.によるものでした。

1984年、米国のConcept Communication社は、標準的なパーソナルコンピュータ用の回路基板を開発し、一般的なデジタルビデオ電話システムのビデオフレームレートを毎秒15フレームから30フレームに倍増させ、コストを10万ドルから1万2千ドルに削減した。^{[ 9 ]}同社はまた、フルモーションビデオ会議用のコーデックの特許も取得し、 1986年にAT&Tベル研究所で初めて実証した。 ^{[ 9 ] [ 10 ]}

Very expensive videoconferencing systems continued to rapidly evolve throughout the 1980s and 1990s. Proprietary equipment, software, and network requirements gave way to standards-based technologies that were available for anyone to purchase at a reasonable cost.

While videoconferencing technology was initially used primarily within internal corporate communication networks, one of the first community service uses of the technology started in 1992 through a unique partnership with PictureTel and IBM, which at the time were promoting a jointly developed desktop based videoconferencing product known as the PCS/1. Over the next 15 years, Project DIANE (Diversified Information and Assistance Network) grew to use a variety of videoconferencing platforms to create a multi-state cooperative public service and distance education network consisting of several hundred schools, libraries, science museums, zoos and parks, and many other community-oriented organizations.

Advances in video compression allowed digital video streams to be transmitted over the Internet, which was previously difficult due to the impractically high bandwidth requirements of uncompressed video. The DCT algorithm was the basis for the first practical video coding standard that was useful for online videoconferencing, H.261, standardised by the ITU-T in 1988, and subsequent H.26xvideo coding standards.^[11]

In 1992 CU-SeeMe was developed at Cornell by Tim Dorcey et al. In 1995 the first public videoconference between North America and Africa took place, linking a technofair in San Francisco with a techno-rave and cyberdeli in Cape Town. At the 1998 Winter Olympics opening ceremony in Nagano, Japan, Seiji Ozawa conducted the Ode to Joy from Beethoven's Ninth Symphony simultaneously across five continents in near-real-time.

京セラは1997年から1999年にかけて2年間の開発キャンペーンを実施し、静止画撮影用のカメラフォンとしても使える初のカラービデオフォンであるVP-210ビジュアルフォンを発売した。 ^{[ 12 ] [ 13 ]}このカメラフォンは同時代の携帯電話と同じサイズだったが、大型のカメラレンズと65,000色を表示できる5cm  （2インチ）カラーTFTディスプレイを搭載し、毎秒2フレームのビデオ処理が可能だった。^{[ 13 ] [ 14 ]}

ビデオ電話は、 SkypeやiChatなどの無料インターネットサービス、 H.26xビデオ規格をサポートするウェブプラグイン、そしてインターネット接続があればほぼどこでも低コスト（ただし品質は劣る）でビデオ会議を利用できるオンライン通信プログラムなどを通じて、2000年代に普及した。

ビデオ通話は、2010年に発売されたiPhone 4などのビデオ機能搭載携帯電話の普及に加え、インターネット電話を利用したビデオ会議やコンピュータのウェブカメラの登場により、さらに広く普及しました。政府、企業、商業の上層部では、ビデオ会議の高度な形態であるテレプレゼンス技術が、出張の必要性を減らすのに役立っています。

2005 年 5 月、 Lifesize社製の初の高解像度ビデオ会議システムがネバダ州ラスベガスのInteropトレード ショーで展示され、1280 x 720 の解像度で毎秒 30 フレームのビデオを提供できるようになりました。^{[ 15 ] [ 16 ]} Polycom 社は2006 年に初の高解像度ビデオ会議システムを市場に投入しました。2010 年代以降、ビデオ会議の高解像度は人気の機能となり、ビデオ会議市場の主要サプライヤーのほとんどがそれを提供するようになりました。

2010年代のビデオ会議開発者による技術開発により、ビデオ会議システムの機能は役員会議室を超えて、場所に関係なく安全なネットワークを介してリアルタイムでビデオ、オーディオ、画面描画機能を組み合わせた携帯型モバイルデバイスでの使用にまで拡大しました。モバイルコラボレーションシステムにより、これまでアクセスできなかった場所、例えば沖合の石油掘削施設で働く人々が、何千マイルも離れた同僚と問題を確認したり議論したりできるようになりました。従来のビデオ会議システムメーカーも、ライブストリーミングや静止画ストリーミングを可能にするモバイルアプリケーションを提供し始めています。^{[ 17 ]}

航空機や宇宙船からの通話を除けば、史上最も高い場所からのビデオ通話は、2013年5月19日に行われた。イギリスの冒険家ダニエル・ヒューズが、BGAN衛星モデムを搭載したスマートフォンを使って、海抜8,848メートル（29,029フィート）のエベレスト山頂からBBCにビデオ通話を行った。 ^{[ 18 ]} 

COVID -19パンデミックにより、ビデオ会議の利用が大幅に増加しました。Berstein Researchによると、Zoomは2020年の最初の2か月だけで、2019年全体よりも多くの加入者を獲得しました。LogMeInによると、 GoToMeetingの利用は20%増加しました。^{[ 19 ]}英国に拠点を置くStarLeafは、国内通話量が600%増加したと報告しました。^{[ 20 ]}パンデミック中にビデオ会議が非常に普及したため、ビデオ通話に長時間費やすことによる負担の性質を指す「Zoom疲労」という言葉が広く知られるようになりました。 ^{[ 21 ]}この疲労は、ビデオ会議に参加する参加者の心理的および生理的影響を指します。^{[ 22 ] [ 23 ] [ 24 ]} 2021年の実験研究では、ビデオ会議でのカメラの使用と個人の疲労の発生予測との間に相関関係があることが明らかになりました。^{[ 25 ] [ 26 ]}さらに、2022 年の「 Computers in Human Behaviour 」誌の記事では、ビデオ会議時に「自己ビュー」を使用することと否定的な態度を関連付けた研究が取り上げられています。^{[ 27 ] [ 28 ]}

2021年9月21日、FacebookはPortalビデオ通話デバイスの新しいバージョンであるPortal GoとPortal Plusの2つを発表しました。新しいビデオ通話デバイスには、ハードウェアの初のポータブル版と多数のアップデートが含まれています。^{[ 29 ]}

最も安価なシステムから最も高価なシステムまで：

• ウェブカメラを使ったビデオ電話やビデオ会議システムは、スタンドアロン型または組み込み型があり、パーソナルコンピュータを補完する役割を果たし、コンピュータネットワークやVoIPネットワークを介して他の参加者と接続されます。ユーザーがそれぞれの場所にコンピュータを既に所有している場合、直接コストは最も低くなります。サービス品質は低から非常に高いまで幅広く、最新モデルのウェブカメラでは高解像度ビデオも利用可能です。関連する類似デバイスとして、通常は小型でテレビの上に設置され、ウェブカメラがUSBポートを介してコンピュータに接続するのと同様に、 HDMIポートを介してテレビに接続できるテレビカメラがあります。
• ビデオフォン- 低価格から中価格帯。初期のスタンドアロンモデルは、PSTN電話ネットワークのPOTS（Plain Old Telephone Service ）回線、またはより高価なISDN回線で動作していましたが、新しいモデルは、より高い画像解像度と音質のために、主にインターネットプロトコル回線サービスに移行しています。スタンドアロンビデオフォンのサービス品質は、低品質から高品質まで様々です。
• ハドルルームまたはオールインワンシステム - 低価格から中価格帯の、標準的なビデオ会議システムをベースにした新しいエンドポイントカテゴリですが、カメラ、マイク、スピーカー、コーデックが1つのハードウェアに内蔵されているのが特徴です。通常、システム内のビームフォーミングマイクアレイで十分な小規模から中規模のスペースで使用され、室内の参加者により近いテーブルマイクや天井マイクの代わりに使用されます。サービス品質は標準的なビデオ会議システムと同程度で、中程度から高程度まで様々です。一部のメーカーのハドルルームシステムには、サウンドバー型のユニット内にコーデックは含まれておらず、カメラ、マイク、スピーカーのみが含まれています。これらのシステムは通常ハドルルームシステムに分類されますが、ウェブカメラと同様に、ビデオコーデックの処理には外部デバイス（通常はPC）へのUSB接続に依存します。ハドルルーム用のビデオ会議システムは、その名前にもかかわらず、参加者がカメラに映るように近くに集まることを防止します。こうしたタイプの部屋向けのオールインワンシステムは、水平視野角（FOV）が110°といった広角から、部屋全体を見渡せる360°のFOVまで、幅広い範囲をカバーしています。
• ビデオ会議システムは、中価格帯のシステムで、通常はマルチポイント制御ユニットやその他のブリッジングサービスを利用して、複数の参加者がビデオ会議に参加できるようにします。サービス品質は、中程度から高いレベルまで様々です。
• テレプレゼンスシステムは、最高の機能と最高のコストを誇ります。ハイエンドシステムでは、広々とした視界と非常に高い音声・映像品質を実現し、「没入型」ビデオ会議を可能にするために、専用のテレビ会議室が設けられる場合があります。施設間に適切な種類と容量の伝送回線が敷設されれば、サービス品質は最先端のレベルに達します。

ビデオ電話システムの中核技術は、音声および映像ストリームをリアルタイムでデジタル圧縮することです。圧縮を実行するハードウェアまたはソフトウェアはコーデック（エンコーダー/デコーダー）と呼ばれます。最大1:500の圧縮率を実現できます。圧縮によって得られる1と0のデジタルストリームは、ラベル付きパケットに分割され、何らかのデジタルネットワーク（通常はISDNまたはIP ）を介して送信されます。

ビデオ会議システムに必要なその他の構成要素は以下のとおりです。

• 映像入力：（PTZ / 360° /魚眼）ビデオカメラ、またはウェブカメラ
• 映像出力先：コンピューターモニター、テレビ、またはプロジェクター
• 音声入力：マイク、CD/DVDプレーヤー、カセットプレーヤー、またはプリアンプの音声出力端子を備えたその他の機器。
• 音声出力：通常はディスプレイ装置または電話機に接続されたスピーカー
• データ転送：アナログまたはデジタル電話網、LAN、またはインターネット
• コンピュータ：他の構成要素を結びつけ、圧縮・解凍を行い、ネットワークを介したデータリンクを開始・維持するデータ処理装置。

ビデオ会議システムとビデオ電話システムには、基本的に3種類あります。

1. 専用システムでは、必要なコンポーネントがすべて1つの機器にパッケージ化されており、通常は高品質のリモート制御ビデオカメラを備えたコンソールです。これらのカメラは、左右にパン、上下にチルト、ズームするために遠隔操作できます。これらはPTZカメラとして知られるようになりました。コンソールには、すべての電気インターフェース、制御コンピュータ、およびソフトウェアまたはハードウェアベースのコーデックが含まれています。無指向性マイクはコンソールに接続され、スピーカー付きのTVモニターやビデオプロジェクターも接続されます。専用のビデオ会議デバイスには、いくつかの種類があります。
   1. 大規模グループ向けビデオ会議システムは、会議室や講堂などの広い部屋で使用される、大型で高価な組み込み型機器です。
   2. 小規模グループ向けのビデオ会議システムは、非携帯型と携帯型があり、小型で安価な機器が使用され、小規模な会議室での利用に適しています。
   3. 個人用ビデオ会議システムは通常、携帯型のデバイスで、一人のユーザー向けに設計されており、コンソールに固定式のカメラ、マイク、スピーカーが内蔵されている。
2. デスクトップシステムは、通常のPCやノートPCに取り付けるアドオン（ハードウェアボードまたはソフトウェアコーデック）であり、これらをビデオ会議デバイスに変身させます。コーデックには必要なコーデックインターフェースと伝送インターフェースが搭載されており、様々な種類のカメラやマイクを使用できます。
3. WebRTC platforms use a web browser instead of dedicated native application software. Solutions such as Adobe Connect and Cisco WebEx can be accessed using a URL sent by the meeting organizer, and various degrees of security can be attached to the virtual room. Often the user must download and install a browser extension to enable access to the local camera and microphone and establish a connection to the meeting. But WebRTC does not require any special software, instead a WebRTC-compliant web browser itself provides the facilities for 1-to-1 and 1-to-many videoconferencing calls. Several enhancements to WebRTC are provided by independent vendors.

Videoconferencing systems use several methods to determine which video feed or feeds to display.^[39]:11–16

Continuous Presence simply displays all participants at the same time, usually with the exception that the viewer either does not see their own feed, or sees their own feed in miniature.

Voice-Activated Switch selectively chooses a feed to display at each endpoint, with the goal of showing the person who is currently speaking. This is done by choosing the feed (other than the viewer) which has the loudest audio input (perhaps with some filtering to avoid switching for very short-lived volume spikes). Often, if no remote parties are currently speaking, the feed with the last speaker remains on the screen.

Acoustic echo cancellation (AEC) is a processing algorithm that uses the knowledge of audio output to monitor audio input and filter from it noises that echo back after some time delay. If unattended, these echoes can be re-amplified several times, leading to problems including:

• The remote party hearing their own voice coming back at them (usually significantly delayed)
• Strong reverberation, which makes the voice channel useless
• Howling created by feedback

Echo cancellation is a processor-intensive task that usually works over a narrow range of sound delays.

Videophones have historically employed a variety of transmission and reception bandwidths, which can be understood as data transmission speeds. The lower the transmission/reception bandwidth, the lower the data transfer rate, resulting in a progressively limited and poorer image quality (i.e. lower resolution and/or frame rate). Data transfer rates and live video image quality are related but are also subject to other factors such as data compression techniques. Some early videophones employed very low data transmission rates with a resulting poor video quality.

Broadband bandwidth is often called high-speed, because it usually has a high rate of data transmission. In general, any connection of 256 kbit/s (0.256 Mbit/s) or greater is more concisely considered broadband Internet. The International Telecommunication Union Telecommunication Standardization Sector (ITU-T) recommendation I.113 has defined broadband as a transmission capacity at 1.5 to 2 Mbit/s. The Federal Communications Commission (United States) definition of broadband is 25 Mbit/s.^[40]

Currently, adequate video for some purposes becomes possible at data rates lower than the ITU-T broadband definition, with rates of 768 kbit/s and 384 kbit/s used for some videoconferencing applications, and rates as low as 100 kbit/s used for videophones using H.264/MPEG-4 AVC compression protocols. The newer MPEG-4video and audio compression format can deliver high-quality video at 2 Mbit/s, which is at the low end of cable modem and ADSL broadband performance.

The International Telecommunication Union (ITU) has three umbrellas of standards for videoconferencing:

• ITU H.320 is known as the standard for public switched telephone networks (PSTN) or videoconferencing over integrated services digital networks. While still prevalent in Europe, ISDN was never widely adopted in the United States and Canada.
• ITU H.264スケーラブル ビデオ コーディング(SVC) は、ビデオ会議システムがサービス品質強化回線なしで公共インターネット上でエラー耐性の高いインターネット プロトコル(IP) ビデオ伝送を実現できるようにする圧縮規格です。 ^{[ 41 ]}この規格により、高解像度デスクトップ ビデオ会議の大規模な展開が可能になり、送信元と受信側の間の遅延が削減され、中断のないよりスムーズな通信を実現する新しいアーキテクチャが可能になりました。 ^{[ 42 ]}さらに、IP ビデオ会議の魅力的な要素は、 Web 会議やデータ コラボレーションと併用するためのセットアップが容易であることです。これらの技術を組み合わせることで、ユーザーはライブ会議、コラボレーション、プレゼンテーションのためのよりリッチなマルチメディア環境を利用できるようになります。
• ITU-T V.80：ビデオ会議は一般的に、通常の（POTS）電話回線を介したH.324規格のポイントツーポイントビデオ電話と互換性があります。

通信ベンダー間の非営利アライアンスである統合通信相互運用性フォーラム（UCIF）は、2010年5月に発足しました。この組織のビジョンは、既存の標準に基づいてUCの相互運用性を最大化することです。UCIFの創設メンバーには、HP 、Microsoft、Polycom、Logitech / Lifesize、およびJuniper Networksが含まれます。^{[ 43 ] [ 44 ]}

20 世紀後半のビデオ会議はH.323プロトコルに限定されていました (特に Cisco のSCCP実装は例外でした) が、最近のビデオ電話はSIP を使用することが多く、これは家庭のネットワーク環境でセットアップが簡単な場合が多いです。^{[ 45 ]}これはテキストベースのプロトコルで、ハイパーテキスト転送プロトコル(HTTP) とシンプルメール転送プロトコル(SMTP) の多くの要素を取り入れています。^{[ 46 ]} H.323 は今でも使用されていますが、ビジネスビデオ会議でより一般的であり、SIP は個人向けのビデオ電話でより一般的に使用されています。Skypeなどのインスタントメッセージングプロトコルに基づく通話設定方法も、現在ではビデオを提供しています。

ビデオフォンで使用されるもう1つのプロトコルは、通話設定とビデオ圧縮を組み合わせたH.324です。通常の電話回線で動作するビデオフォンは通常H.324を使用しますが、帯域幅はモデムによって約33 kbit/sに制限されるため、ビデオ品質とフレームレートが制限されます。3GPPによって定義された3G -324M と呼ばれるH.324のわずかに変更されたバージョンも、ビデオ通話を可能にする一部の携帯電話で使用されており、通常はUMTSネットワークでのみ使用されます。^{[ 47 ] [ 48 ]}

また、狭帯域の映像電話システムおよび端末機器（主にビデオ会議およびビデオ電話サービス用）の技術要件を規定したH.320規格もあります。これは主に、中帯域幅ISDNデジタル電話プロトコルや分割された高帯域幅T1回線など、中帯域幅または高帯域幅の専用回線ベースの交換ネットワーク（ポイントツーポイント）接続に適用されます。H.320規格に基づく最新の製品は、通常H.323規格もサポートしています。^{[ 49 ]}

IAX2プロトコルは、代替メディア ストリームを伝送するためのプロトコル独自の機能を使用して、ビデオ電話通話もネイティブにサポートしています。2010 年にNortelの倒産後に余剰品として Nortel 1535 カラー SIP ビデオ電話を安価に入手した愛好家が何人かおり、それらのセットをAsterisk (PBX)プラットフォームに展開しました。会議通話のために複数のビデオ フィードをパッチングしたり、異なるビデオ規格間で変換したりするには追加のソフトウェアが必要ですが、同じ PBX 内の 2 つの同一のハンドセット間の SIP 通話は比較的簡単でした。^{[ 50 ]}

ビデオ会議システムの構成要素は、ユーザーインターフェース、会議制御、制御または信号プレーン、メディアプレーンなど、いくつかの異なる層に分けることができます。

ビデオ会議のユーザーインターフェース（VUI）は、グラフィカル型と音声応答型があります。業界関係者の多くは両方のタイプのインターフェースを目にしたことがあり、通常はコンピュータ上でグラフィカルインターフェースを目にします。会議用ユーザーインターフェースにはさまざまな用途があり、スケジュール設定、セットアップ、ビデオ通話の発信などに使用できます。ユーザーインターフェースを通して、管理者はシステムの他の3つのレイヤーを制御できます。

会議制御レイヤーは、リソースの割り当て、管理、ルーティングを実行します。このレイヤーはユーザーインターフェースと連携して、会議（スケジュール済みまたは未スケジュール）の作成、会議への参加者の追加および削除を行います。

制御（シグナリング）プレーンには、通話や会議を開始するためにさまざまなエンドポイントに信号を送るスタックが含まれています。信号には、H.323やセッション開始プロトコル（SIP）などが含まれますが、これらに限定されません。これらの信号は、着信および発信接続、ならびにセッションパラメータを制御します。

メディアプレーンは、オーディオとビデオのミキシングとストリーミングを制御します。このレイヤーは、リアルタイムトランスポートプロトコル、ユーザーデータグラムパケット（UDP）、およびリアルタイムトランスポート制御プロトコル（RTCP）を管理します。RTPとUDPは通常、コーデックの種類、フレームレート、ビデオサイズなどのペイロードタイプなどの情報を伝送します。一方、RTCPはストリーミング中のエラーを検出するための品質管理プロトコルとして機能します。^{[ 39 ]}

ハードウェアベースのシステムでは、マルチポイント制御ユニット（MCU）を使用することで、3つ以上の遠隔地間での同時ビデオ会議が可能になります。MCUは、複数の発信元からの通話を相互接続するブリッジです（音声会議通話と同様の仕組みです）。参加者全員がMCUに発信するか、MCUが参加者を順番に発信します。IPおよびISDNベースのビデオ会議に対応したMCUブリッジがあります。MCUには、純粋なソフトウェアのものもあれば、ハードウェアとソフトウェアを組み合わせたものもあります。MCUは、同時通話数、データレートやプロトコルの変換機能、複数の参加者を同時に画面に表示できる連続プレゼンスなどの機能によって特徴付けられます。MCUは、スタンドアロンのハードウェアデバイスとして動作することも、専用のビデオ会議ユニットに組み込まれることもあります。

MCUは2つの論理コンポーネントで構成されています。

1. 単一のマルチポイントコントローラ（MC）と、
2. マルチポイントプロセッサ（MP）は、ミキサーとも呼ばれる。

MCは、シグナリングプレーン上で動作している間、会議を制御します。シグナリングプレーンとは、システムが会議の作成、エンドポイントのシグナリング、および会議中の制御を管理する場所です。このコンポーネントは、ネットワーク内のすべてのエンドポイントとパラメータをネゴシエートし、会議リソースを制御します。MCがリソースとシグナリングのネゴシエーションを制御する一方で、MPはメディアプレーン上で動作し、各エンドポイントからメディアを受信します。MPは各エンドポイントから出力ストリームを生成し、会議内の他のエンドポイントに情報をリダイレクトします。

一部のシステムは、MCUなしでマルチポイント会議が可能で、スタンドアロン、組み込み、またはその他の形式をとります。これらは、分散型マルチポイントと呼ばれる標準ベースのH.323技術を使用しており、マルチポイント通話の各ステーションは、中央マネージャやその他のボトルネックを介さずに、他のステーションと直接ビデオとオーディオを交換します。この技術の利点は、ビデオとオーディオが中央ポイントを経由して中継される必要がないため、一般的に品質が高くなることです。また、ユーザーはMCUの可用性や制御を気にすることなく、アドホックなマルチポイント通話を行うことができます。この利便性と品質の向上は、すべてのステーションが他のすべてのステーションに直接送信する必要があるため、ネットワーク帯域幅の増加という代償を伴います。^{[ 39 ]}

^{クラウドベースのビデオ会議は、}他のビデオ会議システムで一般的に必要とされるハードウェアなしで使用でき、中小企業[ ^{51 ]}やFacebookのような大規模な国際企業や多国籍企業^{[ 52 ] [ 53 ]}での使用向けに設計できます。クラウドベースのシステムは、2D または 3D ビデオ放送のどちらにも対応できます。^{[ 54 ]}クラウドベースのシステムは、モバイル通話、VOIP、その他の形式のビデオ通話も実装できます。また、過去の会議をアーカイブするためのビデオ録画機能も備えています。^{[ 55 ]}

米国では、ビデオ会議により、法廷に出廷できない、または出廷を希望しない、あるいは出廷することで深刻な精神的ストレスを受ける可能性のある人物の証言が可能になったが、ビデオ伝送による外国人または出廷できない証人の証言の使用については、米国憲法修正第6条の対面権条項に違反するとして論争がある。 ^{[ 59 ]}ビデオ会議には、多くの技術的リスクも伴う可能性がある。^{[ 60 ]}

ノースカロライナ州で行われている軍事調査において、アフガニスタンの証人たちはビデオ会議を通じて証言を行った。

ジョージア州ホール郡では、初公判にビデオ会議システムが使用されています。このシステムは刑務所と法廷を結び、囚人を法廷に移送する際の費用とセキュリティリスクを軽減します。^{[ 61 ]}

世界最大の行政司法制度を監督する米国社会保障庁（SSA）は、障害裁定審査局（ODAR）の下で、遠隔地での審理を実施するためにビデオ会議を広く利用している。^{[ 62 ] [ 63 ]} 2009会計年度（FY）には、米国社会保障庁（SSA）は86,320件のビデオ会議による審理を実施し、2008会計年度から55%増加した。^{[ 64 ]} 2010年8月、SSAはミズーリ州セントルイスに、5番目で最大のビデオ会議専用の国立審理センター（NHC）を開設した。これは、SSAがビデオ審理を、膨大な審理のバックログを解消する手段として利用する取り組みを継続していることを意味する。2007年以降、SSAはニューメキシコ州アルバカーキ、メリーランド州ボルチモア、バージニア州フォールズチャーチ、シカゴにもNHCを設立している。^{[ 62 ]}

ビデオ会議は近年、教育分野で広く普及しており、特に2020年初頭のCOVID-19パンデミック以降、多くの教育提供がオンラインに移行したことで、その普及が加速しました。ビデオ会議は、双方向のコミュニケーションフォーラムに参加することで、学生に学習の機会を提供します。ライブ配信であるため、ビデオ通話は教師が遠隔地にいる、あるいは孤立している学習者にアクセスすることを可能にします。多様なコミュニティや背景を持つ学生が、テレコラボレーション^{[ 65 ] [ 66 ]}（外国語教育）やバーチャル交流と呼ばれる実践を通じて、互いに学び合うことができますが、言語の壁は依然として存在します。このような学生は、互いに情報やアイデアを探求、コミュニケーション、分析、共有することができます。

教育機関は、コスト削減と学生数増加の方法としてビデオ会議を推進しており、講義やセミナーは現在、ビデオ会議技術を通じてオンラインで提供されることが多くなっています。ビデオ会議は、教育機関に、単一の物理的な場所から提供できるよりも広い地理的範囲に分散したより多くの学生にコースや教育を提供する可能性を提供します^{[ 67 ]。}

ビデオ会議を通じて、生徒たちは博物館をはじめとする世界各地の文化施設や教育施設を訪れることができます。こうしたバーチャルな校外学習は、特に地理的に孤立している生徒や経済的に恵まれない生徒にとって、より充実した学習機会を提供します。小規模校はこれらの技術を活用してリソースを共有し、外国語などの通常では提供できないコースを提供することも可能です。

ビデオ会議が教育にもたらすその他の利点としては、以下のようなものがあります。

• 教員が学会に出席しながらも授業との連絡を維持する。
• 教員が「バーチャル」で会議に参加する^{[ 68 ] [ 69 ]}
• ゲスト講師が他の教育機関から授業を持ち込んだ。^{[ 70 ]}
• 研究者が、移動による時間のロスなく、​​他機関の同僚と定期的に共同研究を行う。
• 複数のキャンパスを持つ学校が協力し、教授を共有している。^{[ 71 ]}
• 2つの異なる国の学校が異文化交流を行っている。^{[ 72 ]}
• 他大学で学位論文審査会に参加する教員。
• 多忙なスケジュールを抱える管理職たちが、キャンパス内の様々な部署から協力して予算編成に取り組む。
• 教員委員会が奨学金候補者のオーディションを実施する。
• 研究者たちに対し、研究機関や審査委員会からの助成金申請に関する質問に答える。
• 対面での出席のみに代わる代替的な登録形態。
• 学生が他の都市の雇用主と面接を行い、
• テレセミナー

ビデオ会議は、診断、相談、予防、治療、医療画像の送信など、リアルタイムの遠隔医療や遠隔看護アプリケーションに非常に役立つ技術です。^{[ 73 ]}ビデオ会議を使用すると、患者は緊急時や日常的な状況で看護師や医師に連絡できます。医師やその他の医療従事者は、遠く離れた場所から症例について話し合うことができます。地方では、この技術を診断目的で使用することで、命を救い、医療費をより効率的に使用できます。たとえば、オハイオ州の地方の医療センターは、ビデオ会議を使用して、 70マイル（110 km）離れた病院への病気の乳児の搬送数を削減することに成功しました。以前は、搬送1回あたり約1万ドルかかっていました。^{[ 74 ]} 

デジタルカメラを搭載した顕微鏡、ビデオ内視鏡​​、医療用超音波画像診断装置、耳鏡などの特殊な周辺機器は、ビデオ会議機器と組み合わせて患者に関するデータを送信するために使用できます。最近の携帯端末でのモバイルコラボレーションの発展により、遠隔地のコミュニティ、長期療養施設、患者の自宅など、これまでアクセスできなかった場所にもビデオ会議機能が拡張されました。^{[ 75 ]}

メイヨー・クリニックは、複雑な症例の治療計画を策定する専門家からなる多職種チーム間の連携を可能にするためにビデオ会議を利用しています。この技術は、メイヨーの各施設と、メイヨーの専門知識や意見を必要とする病院の医師を結びつけます。^{[ 76 ]}

ビデオ会議は、遠隔地にいる個人が短時間で会議に参加できるようにし、時間と費用を節約できます。VoIPなどのテクノロジーは、デスクトップビデオ会議と組み合わせて使用​​することで、特に広範囲にオフィスを持つ企業にとって、デスクを離れることなく低コストで対面式のビジネス会議を行うことができます。このテクノロジーはリモートワークにも使用されています。1,800人の企業従業員を対象とした調査レポートによると、2010年6月時点で、ビデオ会議にアクセスできる回答者の54%が「常に」または「頻繁に」ビデオ会議を使用していることがわかりました。^{[ 77 ] [ 78 ]}

従来の会議に加えて、ビデオ会議は、人々が協力して製品やサービスを生産する共同グループセッションを可能にします。インダストリアル・ライト＆マジックは、映画業界向けの24時間体制のグローバルビデオエフェクト制作環境の一部としてビデオ会議を使用しています。^{[ 79 ]}

インテル社は、事業運営のコストと環境への影響の両方を削減するためにビデオ会議を利用してきました。^{[ 80 ]}

ビデオ会議は、企業が職場を離れることなく迅速かつ効率的に収益性の高い関係を構築できるよう、オンラインネットワーキングサイトにも導入されつつあります。銀行はこの技術を活用し、多忙な銀行員と様々な場所にいる顧客をビデオバンキング技術を使って繋いでいます。

携帯型モバイルデバイスによるビデオ会議（モバイルコラボレーション技術）は、製造業、エネルギー、医療、保険、政府、公共安全などの業界で利用されています。ライブでの視覚的なやり取りにより、従来は到達不可能だった場所、例えば数千マイル離れた製造工場の現場などでも、距離や時間の制約が取り除かれます。^{[ 81 ]}

グローバル化が進む映画業界では、ビデオ会議が、さまざまな場所にいるクリエイティブな才能が映画制作の複雑な詳細について緊密に協力できる方法として役立つようになった。たとえば、2013年に受賞したアニメーション映画『アナと雪の女王』では、バーバンクに拠点を置くウォルト・ディズニー・アニメーション・スタジオが、ニューヨーク市に拠点を置く夫婦ソングライターのロバート・ロペスとクリステン・アンダーソン＝ロペスに楽曲制作を依頼したが、そのためには、約14か月間、ほぼ毎日2時間の大陸間ビデオ会議が必要だった。^{[ 82 ] [ 83 ] [ 84 ] [ 85 ]}

低価格のエンドポイントの開発、パーソナルコンピュータやモバイルデバイスへのビデオカメラの統合、そしてFaceTime、Skype、Teams、BlueJeans、Zoomなどのソフトウェアアプリケーションの登場により、ビデオ会議は企業間取引（B2B）サービスにとどまらず、企業対消費者（B2C）（および消費者間取引）での利用も含むように変化しました。

ビデオ会議はその価値を何度も証明してきたが、研究によると、不安などのいくつかの要因から、管理職以外の従業員の中にはビデオ会議を使いたがらない人もいることが分かっている。^{[ 86 ]}管理者が通常の業務の一環としてこの技術を使用すれば、こうした不安は多くの場合回避できる。リモートワーカーも、同僚や会社とのつながりを維持するために、特定の行動やベストプラクティスを採用することができる。^{[ 87 ]}

研究者らはまた、ビジネスや医療のビデオ会議の参加者は、対面で参加する場合よりも、会議中に伝えられる情報を解釈するためにより多くの努力をしなければならないことを発見した。^{[ 88 ]}彼らは、ビデオ会議を調整する人々に、会議の手順と機器を調整することを推奨している。

報道関係者向けビデオ会議のコンセプトは、アフリカのジャーナリストが開発や良き統治に関する国際記者会見に参加できるようにするため、フランスのパリに拠点を置く非政府組織である汎アフリカ報道協会（APPA）によって2007年10月に開発された。

報道記者向けビデオ会議システムにより、インターネットを介したビデオ会議で国際記者会見を開催することが可能になります。ジャーナリストは、オフィスや国を離れることなく、どこからでも国際記者会見に参加できます。質問をするには、インターネットに接続されたコンピューターのそばに座るだけでよいのです。

2004年、国際通貨基金（IMF）は、プロのジャーナリストのみがアクセスできるパスワード保護されたサイトであるオンラインメディアブリーフィングセンターを開設しました。このサイトにより、IMFは世界に向けて記者会見を開催し、報道関係者からブリーフィング担当者への直接的な質問を受け付けることが可能になりました。このサイトは開設以来、他の国際機関にも模倣されています。現在、世界中で4,000人以上のジャーナリストがIMFに登録しています。

電気通信が手話使用者同士のコミュニケーションに役立つことを示す最初の例の一つは、1964年のニューヨーク万国博覧会でAT&Tのビデオフォン（Picturephoneとして商標登録）が一般に公開されたときで、2人の聴覚障害者が博覧会と別の都市の間で自由にコミュニケーションをとることができた。^{[ 89 ]}さまざまな大学や、ブリティッシュ・テレコムのマートルシャム施設を含むその他の組織も、ビデオ電話による手話に関する広範な研究を行ってきた。^{[ 90 ] [ 91 ] [ 92 ]}

ビデオ電話による手話の使用は、低速のアナログ銅線電話回線での使用の難しさ^{[ 91 ]}と、より高品質のISDN（データ）電話回線の高コスト^{[ 90 ]}により、長年にわたり妨げられていました。これらの要因は、1990年代に、より効率的で強力なビデオコーデックの導入と、低コストの高速ISDNデータおよびIP（インターネット）サービスの出現により、ほぼ解消されました。

21世紀の改善

聴覚障害者向けのビデオ通話サービス品質が大幅に向上したのは、2003年に米国でビデオ圧縮ソフトウェアコーディング会社であるSorenson Media Inc.（旧Sorenson Vision Inc.）が聴覚障害者コミュニティ専用のスタンドアロン型ビデオフォンVP-100モデルを開発した時でした。このビデオフォンは、購入コストを削減し、リモートコントロールと強力なビデオ圧縮コーデックを提供することで、比類のないビデオ品質とビデオ中継サービスでの使いやすさを実現するために、ユーザーのテレビにビデオを出力するように設計されていました。好意的なレビューにより、すぐに聴覚障害者向けの教育施設で広く使用されるようになり、そこから聴覚障害者コミュニティ全体に広まりました。^{[ 93 ]}

他の電子機器メーカーが導入した同様の高品質ビデオ電話、高速インターネットの利用可能性、および2002年に米国連邦通信委員会によって認可されたスポンサー付きビデオ中継サービスと相まって、聴覚障害者向けのVRSサービスは同国で急速に成長した。^{[ 93 ]}

現代では、このようなビデオ機器を使用することで、聴覚障害者、難聴者、言語障害者は、手話を使って互いに、また聴覚のある人ともコミュニケーションをとることができます。米国をはじめとするいくつかの国では、ビデオ中継サービス（VRS）を提供する企業に報酬を支払っています。通信機器は、手話通訳者を介して他の人と話すために使用できます。通訳者は同時に通常の電話を使用して、聴覚障害者の相手とコミュニケーションをとります。ビデオ機器は、ビデオ遠隔通訳（VRI）を介して現場での手話通訳を行うためにも使用されます。ビデオ通話機能を備えた3G携帯電話技術の比較的低コストと普及により、聴覚障害者や言語障害者は、他の人と同じように容易にコミュニケーションをとることができるようになりました。一部の無線通信事業者は、無料の手話ゲートウェイの提供を開始しています。

VRSまたはVRIによる手話通訳サービスは、当事者の一方が聴覚障害者、難聴者、または言語障害（無言症）である場合に、現代において有用です。このような場合、通訳の流れは通常、同じ主要言語内で行われます。例えば、フランス手話（LSF）からフランス語、スペイン手話（LSE）からスペイン語、イギリス手話（BSL）から英語、アメリカ手話（ASL）から英語（BSLとASLは完全に異なるため）、ドイツ手話（DGS）からドイツ語などです。

多言語手話通訳者も利用可能ですが、頻度は少ないです。手話通訳者は、主要言語間での翻訳もできます（例えば、ドミニカ共和国のホテルでスタッフがスペイン語しか話せないため、手話で部屋を予約しようとする聴覚障害者からの電話を通訳する多言語通訳者など。この場合、通訳者は聴覚障害者のために手話、スペイン語、英語を駆使して電話を円滑に進める必要があります）。手話は独自の構造、意味、構文を持つ独立した自然言語であり、同じ主要言語の音声版とは異なるため、このような活動には通訳者にかなりの精神的処理能力が求められます。

ビデオ通訳では、手話通訳者はライブのビデオと音声フィードを使って遠隔で作業するため、通訳者は聴覚障害者や発話障害のある当事者の姿を見ながら、聴覚のある当事者と会話することができ、その逆も可能です。電話通訳と同様に、ビデオ通訳は現場に通訳者がいない状況で使用できます。ただし、ビデオ通訳は、すべての当事者が電話だけで会話している状況では使用できません。VRSおよびVRI通訳では、すべての当事者が必要な機器を用意する必要があります。高度な機器の中には、通訳者がビデオカメラを遠隔操作してズームイン/ズームアウトしたり、手話をしている当事者にカメラを向けたりできるものもあります。