| Videotelefonia | |
|---|---|
Sistema de telepresença em 2007 | |
| Tipo | Tecnologia de telecomunicações audiovisuais |
| Função | Comunicação bidirecional de áudio e vídeo em tempo real |
| Aplicações | Videoconferência, telemedicina, educação a distância, teletrabalho e comunicação em língua de sinais |
| Tecnologias associadas | IP, codec, WebRTC, H.323, SIP |
Videotelefonia, também chamada de videofonia, videochamada, bate-papo por vídeo, videoconferência ou telepresença, é a utilização simultânea de áudio e vídeo em uma comunicação bidirecional.
Os videofones ou videotelefones eram equipamentos independentes destinados a realizar chamadas de vídeo, de maneira semelhante aos telefones. Com a incorporação da videochamada aos smartphones e computadores, desapareceu a demanda por uma categoria separada de videofones. O termo videoconferência pressupõe comunicação em grupo e é empregado na telepresença, cujo objetivo é criar a impressão de que participantes distantes estão na mesma sala.
A ideia da videotelefonia surgiu no fim do século XIX, e versões da tecnologia começaram a ser demonstradas publicamente na década de 1930. Em 9 de abril de 1930, jornalistas se reuniram na sede da AT&T, na Broadway, em Nova Iorque, para a primeira demonstração pública de comunicação telefônica bidirecional com vídeo. A transmissão conectou a sede da empresa a um edifício dos Bell Labs na West Street. Outras demonstrações iniciais ocorreram em cabines instaladas em agências dos correios e exposições internacionais. A AT&T apresentou o Picturephone na Feira Mundial de Nova Iorque de 1964 e lançou, em 1970, o primeiro sistema comercial de videotelefonia pessoal com essa marca. Também existiam aparelhos que trocavam imagens estáticas a intervalos de alguns segundos por linhas telefônicas convencionais.
O desenvolvimento de codecs de vídeo mais avançados, processadores mais potentes e conexões de Internet de alta velocidade, no início dos anos 2000, permitiu aos smartphones oferecer chamadas coloridas de boa qualidade e baixo custo entre usuários em quase qualquer parte do mundo, fazendo com que o videofone deixasse de existir como conceito de produto independente.
Entre as aplicações da videotelefonia estão a comunicação em língua de sinais entre pessoas surdas ou com dificuldades de fala, a educação a distância, a telemedicina, a superação de dificuldades de mobilidade e o trabalho jornalístico com transmissões remotas.


A ideia da videotelefonia foi concebida pela primeira vez no fim da década de 1870, tanto nos Estados Unidos quanto na Europa, embora os conhecimentos científicos necessários aos primeiros testes só fossem desenvolvidos quase meio século depois. Os fundamentos da tecnologia surgiram de pesquisas e experiências intensivas em diversos campos das telecomunicações, sobretudo telegrafia elétrica, telefonia, rádio e televisão.
A comunicação por videofone analógico simples tornou-se tecnicamente possível com a invenção da televisão. Em geral, os primeiros sistemas consistiam em dois circuitos de televisão de circuito fechado conectados por cabo coaxial ou rádio. Um exemplo foi a rede de videotelefonia dos correios alemães (Reichspostzentralamt), que ligava Berlim a várias cidades alemãs por cabos coaxiais entre 1936 e 1940.

O cientista filipino Gregorio Y. Zara desenvolveu um telefone com transmissão bidirecional de imagens, frequentemente descrito em relatos biográficos como uma invenção de 1954 e associado a uma patente de 1955 para uma rede separadora de sinais de fototelefone. Zara é reconhecido nas Filipinas por sua contribuição pioneira à tecnologia, embora demonstrações bidirecionais de videotelefonia já tivessem ocorrido anteriormente, como a dos Bell Labs em 1930.
O desenvolvimento da videotelefonia como serviço por assinatura começou na segunda metade da década de 1920, no Reino Unido e nos Estados Unidos, especialmente a partir de trabalhos de John Logie Baird e dos Bell Labs da AT&T. Pelo menos no caso da AT&T, esse desenvolvimento pretendia complementar o uso do telefone, e diversas organizações acreditavam que a videotelefonia seria superior à comunicação apenas por voz.
As tentativas de transmissão de vídeo de varredura lenta pelas redes telefônicas convencionais, como os primeiros sistemas pesquisados pela AT&T na década de 1950, fracassaram sobretudo em razão da baixa qualidade de imagem e da inexistência de técnicas eficientes de compressão de vídeo.
Durante os primeiros voos espaciais tripulados, a NASA utilizou dois enlaces de vídeo por radiofrequência (UHF ou VHF), um em cada direção. Os canais de televisão utilizam rotineiramente esse tipo de transmissão audiovisual em reportagens de lugares distantes. Os meios de comunicação passaram a empregar enlaces móveis com satélites por meio de caminhões especialmente equipados e, muito mais tarde, videofones via satélite transportados em maletas. O alto custo, entretanto, impediu que essa técnica se popularizasse em aplicações como telemedicina, educação a distância e reuniões empresariais.
Décadas de pesquisa e desenvolvimento culminaram no lançamento comercial do serviço Picturephone, da AT&T, em 1970, em determinadas cidades. O sistema, porém, fracassou comercialmente, principalmente pelo desinteresse dos consumidores, pelos altos preços das assinaturas e pela ausência de efeito de rede. Com apenas algumas centenas de aparelhos em todo o mundo, havia pouquíssimos contatos para os quais os assinantes podiam ligar; além disso, a interoperabilidade com outros sistemas de videotelefonia demoraria décadas para se tornar viável.

Na década de 1980, tornaram-se possíveis as redes de transmissão de telefonia digital, entre elas a Rede Digital de Serviços Integrados (RDSI, ou ISDN). Na mesma época, desenvolveram-se pesquisas sobre outras formas de comunicação digital por vídeo e áudio. Muitas dessas tecnologias, como os chamados media spaces (espaços de mídia), não são tão utilizadas atualmente quanto a videoconferência, mas constituíram um importante campo de investigação. Os primeiros sistemas dedicados começaram a aparecer enquanto as redes RDSI se expandiam pelo mundo. Um dos primeiros sistemas comerciais de videoconferência vendidos a empresas foi desenvolvido pela PictureTel, que fez uma oferta pública inicial de ações em novembro de 1984.
Em 1984, a empresa americana Concept Communication desenvolveu uma placa de circuito impresso para computadores pessoais comuns que duplicava a taxa de quadros dos sistemas digitais de videotelefonia da época, de 15 para 30 quadros por segundo, e reduzia o custo de 100 mil para 12 mil dólares. A empresa também obteve uma patente de codec para videoconferência com movimento contínuo, demonstrado pela primeira vez nos Bell Labs da AT&T em 1986.
Os sistemas de videoconferência, ainda muito caros, evoluíram rapidamente ao longo das décadas de 1980 e 1990. Equipamentos, softwares e redes proprietários foram cedendo espaço a tecnologias baseadas em padrões e disponíveis a preços mais acessíveis.
Embora a videoconferência tenha sido inicialmente empregada sobretudo nas redes internas de comunicação empresarial, um dos primeiros usos em serviços comunitários começou em 1992, por meio de uma parceria entre PictureTel e IBM. Na época, as empresas promoviam um produto conjunto de videoconferência em computadores de mesa, denominado PCS/1. Nos 15 anos seguintes, o Projeto DIANE (Diversified Information and Assistance Network) passou a utilizar diversas plataformas de videoconferência para criar uma rede cooperativa de serviços públicos e de educação a distância que abrangia vários estados americanos, reunindo centenas de escolas, bibliotecas, museus de ciências, zoológicos, parques e outras organizações comunitárias.
Os avanços na compressão de vídeo permitiram transmitir fluxos de vídeo digital pela Internet, o que antes era dificultado pela largura de banda excessivamente alta exigida pelo vídeo não comprimido. O algoritmo de transformada discreta do cosseno (DCT) serviu de base para o primeiro padrão prático de codificação de vídeo adequado à videoconferência pela Internet, o H.261, padronizado pelo ITU-T em 1988, e para os padrões de vídeo subsequentes da família H.26x.
Em 1992, Tim Dorcey e colaboradores desenvolveram o CU-SeeMe na Universidade Cornell. Em 1995, ocorreu a primeira videoconferência pública entre a América do Norte e a África, ligando uma feira de tecnologia em São Francisco a uma festa de música eletrônica e um espaço de cultura digital na Cidade do Cabo. Na cerimônia de abertura dos Jogos Olímpicos de Inverno de 1998, em Nagano, no Japão, o maestro Seiji Ozawa conduziu a Ode à Alegria, da Nona Sinfonia de Beethoven, quase simultaneamente em cinco continentes.

A Kyocera desenvolveu, entre 1997 e 1999, o VP-210 Visual Phone, o primeiro videofone móvel colorido comercial, que também funcionava como celular com câmera fotográfica. O aparelho tinha tamanho semelhante ao dos celulares da época, mas apresentava uma grande lente de câmera e uma tela colorida TFT de 5 cm, capaz de exibir 65 mil cores e processar dois quadros de vídeo por segundo.
A videotelefonia popularizou-se na década de 2000 por meio de serviços gratuitos de Internet, como Skype e iChat, complementos de navegadores compatíveis com os padrões de vídeo H.26x e programas de telecomunicação que levavam videoconferências de baixo custo, embora de qualidade inferior, a praticamente qualquer local com conexão à Internet.
Sua difusão foi ampliada pelos celulares com vídeo, como o iPhone 4, lançado em 2010, pelos serviços de videoconferência e pelas webcams de computadores que utilizam telefonia pela Internet. Nos níveis mais altos dos governos e das empresas, a telepresença, uma forma avançada de videoconferência, também passou a ser empregada para reduzir a necessidade de viagens.
Em maio de 2005, os primeiros sistemas de videoconferência em alta definição, fabricados pela Lifesize, foram exibidos na feira Interop, em Las Vegas, Nevada, com vídeo de 30 quadros por segundo e resolução de tela de 1.280 × 720 pixels. A Polycom lançou seu primeiro sistema de videoconferência em alta definição em 2006. Na década de 2010, a resolução em alta definição tornou-se um recurso comum, oferecido pela maioria dos principais fornecedores do setor.
Os avanços tecnológicos da década de 2010 ampliaram o uso dos sistemas de videoconferência para além das salas de reunião, permitindo aplicações em dispositivos móveis capazes de transmitir, em tempo real e por redes seguras, áudio, vídeo e desenhos realizados na tela, independentemente da localização. Sistemas de colaboração móvel passaram a permitir que trabalhadores de locais antes difíceis de alcançar, como plataformas petrolíferas no mar, examinassem e discutissem problemas com colegas a milhares de quilômetros. Fabricantes tradicionais de sistemas de videoconferência também passaram a oferecer aplicativos móveis para transmissão de imagens ao vivo e estáticas.
Em 19 de maio de 2013, o aventureiro britânico Daniel Hughes realizou uma das videochamadas terrestres de maior altitude já registradas, utilizando um smartphone e um modem via satélite BGAN para comunicar-se com a BBC do cume do monte Everest, a 8.848 m acima do nível do mar, desconsideradas chamadas realizadas a partir de aeronaves e espaçonaves.
A pandemia de COVID-19 provocou um aumento expressivo no uso de videoconferências. Segundo a Bernstein Research, o Zoom ganhou mais assinantes apenas nos dois primeiros meses de 2020 do que em todo o ano de 2019. O GoToMeeting registrou aumento de 20% na utilização, segundo a LogMeIn. A empresa britânica StarLeaf informou um crescimento de 600% no volume nacional de chamadas.
As videoconferências se tornaram tão difundidas durante a pandemia que a expressão fadiga do Zoom ganhou destaque para descrever o desgaste causado por longos períodos em videochamadas. Essa fadiga diz respeito aos efeitos psicológicos e fisiológicos associados à participação em videoconferências. Um experimento de 2021 identificou relação entre o uso da câmera durante reuniões virtuais e a fadiga percebida pelos participantes. Um artigo publicado em 2022 na revista Computers in Human Behavior também relacionou atitudes negativas ao recurso de autoexibição da própria imagem durante videoconferências.
Em 21 de setembro de 2021, o Facebook anunciou dois novos dispositivos de videochamada da linha Portal, o Portal Go e o Portal Plus. Entre as novidades estavam o primeiro modelo portátil da linha e diversas atualizações de recursos.

A videotelefonia pode ser classificada segundo suas funções e finalidades, assim como pelo método de transmissão utilizado.
Videofones foram a primeira forma de videotelefonia, remontando aos testes iniciais realizados pela AT&T em 1927. No final da década de 1930, os serviços postais de vários governos europeus estabeleceram serviços públicos de videofone para comunicação entre duas pessoas, utilizando circuitos telefônicos de transmissão por cabo duplo. Posteriormente, os videofones autônomos e os celulares com vídeo compatíveis com UMTS passaram a ser usados principalmente na comunicação entre duas pessoas.
A videoconferência começou a ser utilizada no serviço Picturephone da AT&T, no início da década de 1970. As transmissões eram analógicas em distâncias curtas, mas convertidas para o formato digital nas chamadas de longa distância, também por meio de sistemas telefônicos. Os sistemas de videoconferência empresarial migraram quase inteiramente para os modos de transmissão digital RDSI e IP, em razão do elevado volume de dados produzido por suas câmeras e microfones. Em geral, esses sistemas se destinam a reuniões entre muitas pessoas situadas em locais diferentes, permitindo que os participantes de cada local vejam os demais.
Os sistemas de telepresença constituem uma categoria mais recente e avançada de videoconferência, concebida para oferecer maior fidelidade de imagem e som. Esses equipamentos sofisticados são normalmente utilizados em ambientes empresariais.
Os sistemas de colaboração móvel são outro desenvolvimento recente, que combina vídeo, áudio e recursos de desenho na tela em aparelhos eletrônicos portáteis modernos. A transmissão por redes seguras permite conferências entre várias pessoas em tempo real, independentemente de sua localização. A conversa por proximidade é outra modalidade, voltada à flexibilidade das conversas em pequenos grupos.
Outra tecnologia que reúne essas funções é a câmera para televisão (TV cam). Ela permite fazer videochamadas por serviços como Skype diretamente pela televisão, sem conexão com um computador. Essas câmeras foram projetadas para transmitir imagens em tempo real a outra câmera de televisão ou a dispositivos compatíveis, como smartphones, tablets e computadores.
As webcams são dispositivos populares e relativamente baratos, capazes de fornecer fluxos de vídeo e áudio ao vivo por meio de computadores pessoais. Podem ser utilizadas com diversos programas clientes, tanto para chamadas individuais quanto para videoconferências.
Cada um desses sistemas apresenta vantagens e desvantagens próprias, relacionadas à qualidade de vídeo, ao custo de capital, ao grau de sofisticação, às exigências de capacidade de transmissão e aos custos indiretos de utilização.
Da categoria menos dispendiosa à mais cara, encontram-se:
Especialistas em segurança de computadores demonstraram que sistemas de videoconferência mal configurados ou supervisionados de maneira inadequada podem permitir a entrada virtual de hackers e criminosos em instalações empresariais e salas de reunião corporativas.
Há mais de um século, futuristas imaginam um futuro em que as conversas telefônicas ocorreriam em encontros virtuais frente a frente, com vídeo e áudio. Nem sempre é possível ou prático reunir presencialmente duas ou mais pessoas. Em alguns casos, uma ligação telefônica ou uma audioconferência é suficiente; em outros, uma troca de mensagens por correio eletrônico resolve a necessidade. A videoconferência oferece uma alternativa que pode ser considerada quando:
Em 2001, Bill Gates afirmou que utilizava videoconferências "três ou quatro vezes por ano", porque era difícil coordenar as agendas digitalmente e, quando o esforço necessário para organizar a comunicação se tornava muito alto, era preferível realizar um encontro presencial. Alguns observadores apontaram problemas persistentes que dificultavam a ampla adoção da videoconferência, apesar da crescente disponibilidade de sistemas compatíveis.
Por esses motivos, muitas organizações utilizam videoconferências apenas internamente, onde o risco de perder clientes é menor. Quem não dispõe de instalações específicas pode alugar salas de reunião equipadas para videoconferência, disponíveis em cidades de várias partes do mundo. Os clientes reservam uma sala e comparecem à reunião com os aspectos técnicos previamente organizados e a assistência necessária disponível. O problema do contato visual também pode ser reduzido pelos avanços tecnológicos, incluindo telefones inteligentes nos quais a tela e a câmera ficam praticamente no mesmo lugar.
Nos países desenvolvidos, a grande difusão de smartphones, tablets e computadores com equipamentos de áudio e webcams incorporados diminuiu a necessidade de equipamentos dedicados de alto custo.

A principal tecnologia empregada em um sistema de videotelefonia é a compressão digital, em tempo real, dos fluxos de áudio e vídeo. O equipamento ou software responsável pela compressão é chamado codec (codificador/decodificador). Podem ser atingidas taxas de compressão de até 1:500. O fluxo digital resultante, composto de zeros e uns, é dividido em pacotes identificados, transmitidos posteriormente por uma rede digital, geralmente uma rede RDSI ou IP.
Outros componentes necessários para um sistema de videoconferência incluem:
Existem basicamente três tipos de sistemas de videoconferência e videofone:
Sistemas de videoconferência utilizam diversos métodos para determinar qual fluxo, ou quais fluxos, de vídeo serão exibidos.
No modo de presença contínua (continuous presence), todos os participantes são mostrados ao mesmo tempo, geralmente com exceção da imagem do próprio espectador, que pode não aparecer ou ser exibida em tamanho reduzido.
Na alternância ativada pela voz (voice-activated switch), o sistema escolhe o vídeo a apresentar em cada terminal, com o objetivo de mostrar a pessoa que está falando. Para isso, seleciona o fluxo de vídeo, diferente daquele do próprio espectador, cuja entrada de áudio está mais alta, possivelmente com filtros que evitam a alternância por picos breves de volume. Quando nenhum participante remoto está falando, é comum que a imagem do último interlocutor continue na tela.
O cancelamento de eco acústico (AEC, na sigla em inglês) é um algoritmo de processamento que utiliza informações do áudio reproduzido para monitorar o sinal de entrada e filtrar sons que retornam como eco depois de um intervalo. Sem esse processamento, os ecos podem ser amplificados repetidas vezes, provocando problemas como:
O cancelamento de eco exige bastante processamento e geralmente funciona dentro de uma faixa limitada de atrasos sonoros.
Historicamente, os videofones empregaram diversas larguras de banda para enviar e receber dados, expressas como velocidades de transmissão. Quanto menor a largura de banda disponível, menor a taxa de transferência de dados, com limitação progressiva da qualidade das imagens, como resolução mais baixa ou redução da taxa de quadros. A relação entre velocidade de transferência e qualidade do vídeo ao vivo também depende de fatores como as técnicas de compressão de vídeo. Alguns dos primeiros videofones empregavam velocidades de transmissão muito baixas, resultando em imagens de qualidade reduzida.
Uma conexão de banda larga costuma ser denominada de alta velocidade por apresentar uma taxa elevada de transmissão de dados. Historicamente, conexões de 256 kbit/s (0,256 Mbit/s) ou mais já foram classificadas dessa forma. A recomendação I.113 do ITU-T definiu banda larga como capacidade de transmissão entre 1,5 e 2 Mbit/s. Em 2015, a Comissão Federal de Comunicações (FCC) dos Estados Unidos adotou uma definição de banda larga com velocidade de download de 25 Mbit/s. Em 2024, a FCC elevou seu parâmetro para 100 Mbit/s de download e 20 Mbit/s de upload.
Vídeos adequados a determinadas finalidades podem ser transmitidos a velocidades inferiores às previstas na definição de banda larga do ITU-T. Taxas de 768 kbit/s ou 384 kbit/s foram utilizadas em algumas aplicações de videoconferência, enquanto videofones que empregam compressão H.264/MPEG-4 AVC podem funcionar com velocidades de apenas 100 kbit/s. Os formatos mais recentes de compressão de vídeo e áudio MPEG-4 permitem transmitir vídeo de alta qualidade com cerca de 2 Mbit/s, valor próximo à faixa inferior de desempenho da banda larga por modem a cabo e ADSL na época em que esses sistemas se popularizaram.

A União Internacional de Telecomunicações (UIT) mantém três grandes conjuntos de normas aplicadas à videoconferência:
Em maio de 2010, foi criado o Unified Communications Interoperability Forum (UCIF), uma aliança sem fins lucrativos de fornecedores de comunicações voltada a ampliar a interoperabilidade das comunicações unificadas com base em padrões existentes. Entre os membros fundadores estavam HP, Microsoft, Polycom, Logitech/Lifesize e Juniper Networks.
No final do século XX, as videoconferências estavam amplamente limitadas ao protocolo H.323, embora houvesse exceções, como a implementação do protocolo SCCP (Skinny Client Control Protocol) da Cisco. Videofones posteriores passaram a utilizar frequentemente o Session Initiation Protocol (SIP), em geral mais fácil de configurar em redes domésticas. Trata-se de um protocolo baseado em texto que incorpora elementos do Hypertext Transfer Protocol (HTTP) e do Simple Mail Transfer Protocol (SMTP). O H.323 continua a ser utilizado, especialmente em videoconferências empresariais, enquanto o SIP é mais comum em videofones para consumidores. Diversos métodos de estabelecimento de chamadas baseados em protocolos de mensagens instantâneas, como os empregados pelo Skype, também oferecem vídeo.
Outro protocolo utilizado em videofones é o H.324, que combina o estabelecimento da chamada com a compressão de vídeo. Aparelhos que funcionam por linhas telefônicas convencionais costumam utilizá-lo, mas a largura de banda é limitada pelo modem a aproximadamente 33 kbit/s, reduzindo a qualidade e a taxa de quadros do vídeo.
Uma versão ligeiramente modificada do H.324, chamada 3G-324M e definida pelo 3GPP, também foi adotada em alguns celulares capazes de realizar chamadas de vídeo, em geral sobre redes UMTS.
O padrão H.320 estabeleceu exigências técnicas para sistemas de telefonia visual e equipamentos terminais de banda estreita, destinados sobretudo a serviços de videoconferência e videofone. Aplicou-se principalmente a conexões ponto a ponto sobre redes comutadas por circuito, com largura de banda moderada ou alta, como linhas digitais RDSI ou frações de linhas T1 de maior capacidade. Equipamentos baseados no H.320 passaram a oferecer também compatibilidade com o H.323.
O protocolo IAX2 também oferece suporte nativo a chamadas de videofone, usando seus próprios recursos para transportar fluxos de mídia alternativos.
Em 2010, alguns entusiastas compraram videofones Nortel 1535 Color SIP a baixo custo, provenientes de excedentes após a falência da Nortel, e os instalaram em sistemas Asterisk. Embora fosse necessário software adicional para combinar múltiplos fluxos de vídeo ou converter diferentes padrões em conferências, chamadas SIP entre dois aparelhos idênticos conectados à mesma central telefônica privada eram relativamente simples.
Para outros aspectos técnicos, ver também codec de vídeo.
Os componentes de um sistema de videoconferência podem ser divididos em várias camadas: interface do usuário, controle da conferência, plano de controle ou sinalização e plano de mídia.
As interfaces do usuário para videoconferência podem ser gráficas ou responder à voz. Os usuários encontram com frequência interfaces gráficas nos computadores. As interfaces de conferência são usadas para agendar, preparar e realizar videochamadas. Por meio delas, o administrador pode controlar as três outras camadas do sistema.
O controle da conferência faz a alocação, o gerenciamento e o encaminhamento dos recursos. Em conjunto com a interface do usuário, essa camada cria reuniões previamente agendadas ou não e inclui e remove participantes.
O plano de controle ou sinalização contém os componentes de software que trocam sinais entre terminais para estabelecer chamadas ou conferências. Entre os protocolos possíveis estão o H.323 e o SIP. Esses sinais controlam as conexões de entrada e de saída, assim como os parâmetros da sessão.
O plano de mídia controla a combinação e a transmissão dos fluxos de áudio e vídeo. Essa camada gerencia o Real-time Transport Protocol (RTP), os pacotes do User Datagram Protocol (UDP) e o RTP Control Protocol (RTCP). RTP e UDP normalmente transportam dados como tipo de carga útil, codec utilizado, taxa de quadros, dimensões do vídeo e outras informações. O RTCP atua no controle de qualidade, detectando erros durante a transmissão.
A videoconferência simultânea entre três ou mais pontos distantes pode ser realizada por meio de uma unidade de controle multiponto (MCU, na sigla em inglês). Trata-se de uma ponte que interliga chamadas de diversas fontes, de forma semelhante a uma audioconferência. Todos os participantes podem ligar para a MCU, ou ela pode chamar cada participante em sequência. Existem pontes para videoconferência baseadas em IP e RDSI, implementadas exclusivamente em software ou pela combinação de hardware e software.
Uma MCU é caracterizada pelo número de chamadas simultâneas que admite, pela capacidade de converter taxas de dados e protocolos e por recursos como o modo de presença contínua, que permite visualizar vários participantes de uma só vez. Pode ser um equipamento físico independente ou estar incorporada a uma unidade dedicada de videoconferência.
A MCU consiste em dois componentes lógicos:
O MC controla a conferência no plano de sinalização, no qual o sistema administra a criação da reunião, a sinalização dos terminais e os comandos durante a conferência. Ele negocia parâmetros com todos os terminais da rede e controla os recursos da conferência. Enquanto o MC gerencia os recursos e as negociações de sinalização, o MP atua no plano de mídia, recebendo os fluxos de cada terminal, gerando os fluxos de saída e encaminhando as informações aos demais participantes.
Alguns sistemas permitem conferências multiponto sem uma MCU, seja ela independente ou incorporada. Empregam uma técnica baseada no padrão H.323 chamada multiponto descentralizado, na qual cada estação troca áudio e vídeo diretamente com as demais, sem um gerenciador central ou outro possível gargalo de transmissão. A vantagem costuma ser a maior qualidade de som e imagem, pois não há retransmissão por um ponto central. Os usuários também podem iniciar reuniões multiponto improvisadas sem depender da disponibilidade ou do controle de uma MCU. Em contrapartida, há maior consumo da largura de banda da rede, já que cada estação precisa enviar seus dados diretamente para todas as outras.
Sistemas de videoconferência baseados em computação em nuvem podem funcionar sem o hardware geralmente exigido pelos equipamentos de conferência convencionais. Podem ser desenvolvidos para pequenas e médias empresas ou para grandes empresas internacionais ou multinacionais, como o Facebook. Esses sistemas podem lidar com transmissões de vídeo em duas ou três dimensões. Também podem oferecer chamadas móveis, VoIP, outros tipos de videochamada e funções de gravação, permitindo arquivar reuniões anteriores.

O acesso à Internet de alta velocidade tornou-se mais difundido e econômico, assim como os equipamentos de captura e exibição de vídeo de boa qualidade. Por isso, sistemas pessoais de videoconferência que utilizam webcams, computadores, compressão por software e a Internet ficaram progressivamente mais acessíveis. A disponibilidade de programas gratuitos, muitas vezes integrados a serviços de bate-papo, também facilitou o uso por um público amplo.
A maior difusão da videotelefonia ocorreu nos telefones celulares. Aparelhos compatíveis com UMTS podiam utilizar as câmeras internas para efetuar videochamadas sem fio a outros assinantes UMTS. No segundo trimestre de 2007, eram registrados mais de 131 milhões de usuários de UMTS, portanto potenciais usuários de videofones, distribuídos por 134 redes em 59 países. Os celulares também passaram a usar Internet de banda larga sem fio, pela rede móvel ou por uma conexão local Wi-Fi, combinada com aplicativos de videochamada para se comunicar com qualquer usuário de Internet com recursos de vídeo, em aparelho móvel ou fixo.
Pessoas surdas, com deficiência auditiva ou com limitações na fala tiveram um papel particular no desenvolvimento da videotelefonia acessível de alta qualidade, devido à possibilidade de comunicação em língua de sinais. Diferentemente do serviço de retransmissão de vídeo (VRS), destinado a intermediar a comunicação entre alguém que usa língua de sinais e outra pessoa que utiliza uma língua oral, uma videoconferência permite a comunicação direta entre dois usuários de língua de sinais.
Os videofones também passaram a ser empregados na telemedicina para pessoas idosas, pessoas com deficiência e moradores de locais remotos, permitindo obter consultas e avaliações médicas sem deslocamento. Uma experiência divulgada em 2006 descreveu uma clínica conduzida por enfermeiros em Letham, com resultados positivos em testes que permitiram avaliar 60 aposentados por vídeo, sem que precisassem ir a consultórios ou clínicas. Outro avanço foi a incorporação, em videofones específicos, de tecnologias de diagnóstico remoto, incluindo monitoramento da glicemia, da pressão arterial e de sinais vitais. Esses aparelhos podem transmitir áudio, vídeo e dados médicos por linhas telefônicas convencionais ou por conexões de banda larga.

A videotelefonia também se difundiu em teleconferências empresariais, inclusive em salas públicas equipadas para esse tipo de serviço. Um patamar mais avançado de videoconferência, com tecnologia de telecomunicações sofisticada e telas de alta resolução, recebe o nome de telepresença.
Os princípios, embora não necessariamente os mecanismos exatos, dos antigos videofones passaram a ser utilizados por pessoas de todo o mundo em chamadas por webcams conectadas a computadores pessoais, com microfones baratos e aplicativos gratuitos de videochamada. Dessa forma, um serviço que inicialmente não obteve sucesso como produto independente encontrou espaço como um recurso incluído em programas desenvolvidos para outras finalidades.
Uma pesquisa do Pew Research Center, em 2010, indicou que 7% dos americanos já haviam realizado uma videochamada pelo celular.
Nos Estados Unidos, a videoconferência permitiu colher depoimentos de pessoas que não podem ou preferem não comparecer fisicamente ao tribunal, inclusive quando a presença provocaria intenso sofrimento psicológico. Entretanto, a utilização de testemunhos transmitidos por vídeo de pessoas ausentes ou residentes no exterior gera controvérsias quanto à cláusula do direito de confrontação de testemunhas prevista na Sexta Emenda à Constituição dos Estados Unidos. As videoconferências judiciais também podem envolver riscos técnicos.
Durante uma investigação militar na Carolina do Norte, testemunhas afegãs prestaram depoimento por videoconferência. No condado de Hall, no estado da Geórgia, sistemas de vídeo são utilizados nas primeiras apresentações de acusados perante o tribunal. Os aparelhos ligam as prisões às salas de audiência, reduzindo os custos e os riscos à segurança associados ao transporte de presos.
A Administração da Seguridade Social dos Estados Unidos (SSA), responsável por um amplo sistema de julgamentos administrativos por meio de seu escritório de análise de pedidos por incapacidade, utiliza videoconferências para audiências em locais distantes. No ano fiscal de 2009, a agência realizou 86.320 audiências por videoconferência, um aumento de 55% em relação a 2008. Em agosto de 2010, foi inaugurado em St. Louis, Missouri, o quinto e maior Centro Nacional de Audiências da SSA dedicado exclusivamente a videoconferências. A medida integrou o esforço para reduzir a acumulação de processos. Desde 2007, a agência também havia instalado centros em Albuquerque, Novo México, Baltimore, Maryland, Falls Church, Virgínia e Chicago.

A videoconferência difundiu-se amplamente na educação, em particular após o início da pandemia de COVID-19, em 2020, quando boa parte do ensino passou a ocorrer pela Internet. Ela permite que os alunos aprendam por meio de comunicação bidirecional. Como ocorre ao vivo, oferece aos professores a possibilidade de atender estudantes remotos ou que, por outros motivos, estão isolados.
Estudantes de diferentes comunidades e origens podem reunir-se para conhecer uns aos outros por meio de práticas chamadas telecolaboração, especialmente no ensino de línguas estrangeiras, e intercâmbio virtual, ainda que persistam as barreiras linguísticas. Esses estudantes podem explorar, comunicar-se, analisar e compartilhar informações e ideias.
Instituições de ensino promovem a videoconferência como forma de reduzir custos e ampliar o número de alunos, oferecendo aulas expositivas e seminários pela Internet. Essa tecnologia permite atender um contingente maior de estudantes, espalhados por regiões geográficas extensas, do que seria possível apenas em um estabelecimento físico.
Por meio da videoconferência, os alunos podem visitar virtualmente outras partes do mundo, incluindo museus e locais culturais e educacionais. Essas visitas de estudo virtuais podem enriquecer as oportunidades de aprendizado, especialmente para estudantes isolados geograficamente ou em situação de desvantagem econômica. Escolas pequenas podem compartilhar recursos e oferecer disciplinas, como línguas estrangeiras, que de outra maneira não estariam disponíveis.
Outros benefícios que a videoconferência pode oferecer à educação incluem:
A videoconferência é uma tecnologia útil para aplicações em tempo real de telemedicina e telenfermagem, como diagnóstico a distância, consultas, prevenção, tratamento e transmissão de imagens médicas. Ela permite que pacientes procurem enfermeiros e médicos em situações de emergência médica ou de rotina, enquanto médicos e outros profissionais de saúde podem discutir casos apesar das grandes distâncias.
Em regiões rurais, essa tecnologia pode facilitar diagnósticos, salvar vidas e tornar mais eficiente a utilização dos recursos de saúde. Por exemplo, um centro médico rural de Ohio reduziu os deslocamentos de bebês doentes para um hospital situado a cerca de 113 km, transferências que antes custavam quase 10 mil dólares cada.
Periféricos especializados, como microscópios com câmera digital, videoendoscópios, aparelhos de ultrassonografia e otoscópios, podem ser usados com equipamentos de videoconferência para transmitir informações sobre pacientes. Os avanços da colaboração móvel em aparelhos portáteis também ampliaram o alcance da tecnologia para locais antes de difícil acesso, como comunidades remotas, instituições de cuidados prolongados e residências dos próprios pacientes.
A Clínica Mayo utiliza videoconferências para permitir a colaboração entre equipes multidisciplinares de especialistas que elaboram planos de tratamento de casos complexos. A tecnologia conecta unidades da organização e médicos de outros hospitais que precisam da experiência e da avaliação de especialistas da Mayo Clinic.
A videoconferência permite que pessoas em locais distantes participem de reuniões com pouco tempo de antecedência, economizando tempo e dinheiro. Tecnologias como voz sobre IP podem ser combinadas com sistemas de videoconferência em computadores pessoais para realizar reuniões empresariais de baixo custo sem sair da mesa de trabalho, especialmente em organizações com escritórios distribuídos geograficamente. A tecnologia também é utilizada no trabalho remoto.
Um estudo com uma amostra de 1.800 funcionários de empresas revelou que, em junho de 2010, 54% dos entrevistados com acesso a videoconferências utilizavam a ferramenta "o tempo todo" ou "frequentemente".
Além das reuniões tradicionais, a videoconferência permite sessões de colaboração em grupo nas quais várias pessoas contribuem para desenvolver produtos e serviços. A Industrial Light & Magic utiliza videoconferências como parte de um ambiente global de produção de efeitos visuais para o cinema que funciona 24 horas por dia.
A Intel utilizou videoconferências para reduzir tanto os custos quanto os impactos ambientais de suas operações empresariais.
As videoconferências também foram incorporadas a plataformas de relacionamento profissional pela Internet, a fim de permitir que empresas estabeleçam relações comerciais com rapidez e eficiência sem sair de suas instalações. Bancos passaram a utilizar essa tecnologia para conectar profissionais do setor financeiro a clientes de diferentes localidades, por meio do chamado banco por vídeo (video banking).
Em dispositivos móveis, a videoconferência é empregada em setores como indústria de transformação, energia, saúde, seguros, governo e segurança pública. A interação visual ao vivo diminui as limitações tradicionais de tempo e distância, permitindo a comunicação em lugares antes de difícil acesso, como uma fábrica localizada a milhares de quilômetros.
Na indústria cinematográfica, cada vez mais globalizada, a videoconferência tornou-se uma forma de aproximar profissionais criativos em locais diferentes para colaborar nos detalhes complexos de produções. No caso da animação premiada Frozen (2013), por exemplo, a Walt Disney Animation Studios, sediada em Burbank, contratou o casal de compositores Robert Lopez e Kristen Anderson-Lopez, residentes em Nova Iorque, para escrever as canções. A colaboração exigiu videoconferências transcontinentais de aproximadamente duas horas, quase todos os dias úteis, durante cerca de 14 meses.
Com a disponibilidade de terminais mais baratos, a incorporação de câmeras a computadores e dispositivos móveis e o surgimento de aplicativos como FaceTime, Skype, Teams, BlueJeans e Zoom, a videoconferência deixou de ser apenas um serviço entre empresas, passando a atender também às comunicações entre empresas e consumidores e entre consumidores. O Skype, um dos serviços que marcaram essa transição, foi descontinuado pela Microsoft em 5 de maio de 2025, com a oferta de migração para o Microsoft Teams gratuito.
Embora as videoconferências tenham demonstrado utilidade, pesquisas indicaram que alguns funcionários sem funções gerenciais preferiam não utilizar a tecnologia por diversos motivos, incluindo ansiedade. Parte dessas preocupações pode ser evitada quando os gestores integram o recurso à rotina normal de trabalho. Profissionais remotos também podem adotar comportamentos e práticas que favoreçam a conexão com os colegas e a organização.
Pesquisadores também constataram que participantes de videoconferências empresariais e médicas precisam se esforçar mais para interpretar as informações transmitidas do que em encontros presenciais. Eles recomendam que os organizadores ajustem os procedimentos e os equipamentos usados nas reuniões.
O conceito de videoconferência de imprensa foi desenvolvido em outubro de 2007 pela Associação Pan-Africana de Imprensa (APPA), uma organização não governamental sediada em Paris, na França. A proposta era permitir que jornalistas africanos participassem de conferências de imprensa internacionais sobre desenvolvimento e boa governança.
A videoconferência de imprensa permite realizar coletivas internacionais pela Internet. Jornalistas podem participar de qualquer lugar, sem deixar seus escritórios ou países. Basta dispor de um computador conectado à Internet para fazer perguntas.
Em 2004, o Fundo Monetário Internacional (FMI) criou o Online Media Briefing Center, um serviço protegido por senha e disponível apenas para jornalistas profissionais. O sistema permite ao FMI organizar entrevistas coletivas para a imprensa de todo o mundo e facilita perguntas diretas dos jornalistas aos porta-vozes. Outras organizações internacionais passaram a adotar soluções semelhantes. O serviço do FMI registrava mais de quatro mil jornalistas cadastrados na época descrita pelo artigo original.

Uma das primeiras demonstrações da capacidade das telecomunicações de ajudar usuários de línguas de sinais a se comunicar ocorreu quando o videofone da AT&T, comercializado sob a marca Picturephone, foi apresentado ao público na Feira Mundial de Nova Iorque de 1964. Dois usuários surdos puderam comunicar-se livremente, um deles na feira e o outro em uma cidade diferente. Diversas universidades e organizações, incluindo as instalações de pesquisa da British Telecom em Martlesham, também realizaram estudos sobre a utilização da videotelefonia para a comunicação em língua de sinais.
Durante muitos anos, o uso de línguas de sinais por videotelefonia foi dificultado pela transmissão lenta das linhas telefônicas analógicas de cobre e pelo alto custo das linhas RDSI de melhor qualidade. Essas limitações diminuíram bastante com o aparecimento de codecs de vídeo mais eficientes e potentes e de serviços RDSI e IP de alta velocidade e menor custo, na década de 1990.
Em 2003, houve melhorias importantes na qualidade dos serviços de videochamada para pessoas surdas nos Estados Unidos, quando a empresa de software de compressão de vídeo Sorenson Media, anteriormente Sorenson Vision, desenvolveu o videofone autônomo VP-100 especificamente para a comunidade surda. O aparelho foi projetado para exibir vídeo na televisão do usuário, reduzindo o custo de aquisição, e oferecia controle remoto e um codec de compressão de vídeo eficiente, buscando proporcionar qualidade de imagem e facilidade de uso nos serviços de retransmissão de vídeo. Avaliações favoráveis levaram rapidamente à adoção do equipamento em instituições educacionais para pessoas surdas e, posteriormente, na comunidade surda em geral.
A introdução de videofones de qualidade semelhante por outros fabricantes, a disponibilidade de acesso à Internet em banda larga e a autorização, em 2002, de serviços subsidiados de retransmissão de vídeo pela Comissão Federal de Comunicações dos Estados Unidos contribuíram para o rápido crescimento dos serviços de retransmissão de vídeo (VRS) para pessoas surdas naquele país.

Com esses equipamentos, pessoas surdas, com deficiência auditiva e com dificuldades de fala podem se comunicar entre si e com pessoas ouvintes utilizando línguas de sinais. Os Estados Unidos e diversos outros países remuneram empresas que fornecem serviços de retransmissão de vídeo. O equipamento de telecomunicações permite conversar com outras pessoas por meio de um intérprete de língua de sinais que, simultaneamente, utiliza um telefone convencional para transmitir a mensagem oral ao interlocutor ouvinte. Equipamentos de vídeo também são utilizados em serviços de interpretação remota por vídeo (VRI), para interpretação em língua de sinais em locais específicos.
O custo relativamente baixo e a ampla disponibilidade da tecnologia de celulares 3G, com capacidade de videochamada, deram às pessoas surdas e com dificuldades de fala maiores possibilidades de comunicação. Algumas operadoras móveis chegaram a oferecer gratuitamente serviços de intermediação em língua de sinais.
Os serviços de interpretação em língua de sinais por VRS ou VRI são úteis quando um dos participantes é surdo, tem deficiência auditiva ou apresenta dificuldade de fala. Em geral, a interpretação ocorre dentro de um mesmo idioma de referência, por exemplo, da língua de sinais francesa (LSF) para o francês oral, da língua de sinais espanhola (LSE) para o espanhol oral, da língua de sinais britânica (BSL) para o inglês oral, da língua de sinais americana (ASL) para o inglês oral, ou da língua de sinais alemã (DGS) para o alemão oral. A língua de sinais britânica e a americana são línguas diferentes, apesar de ambas terem ligação com contextos onde se fala inglês.
Há também intérpretes multilíngues de línguas de sinais que conseguem traduzir entre idiomas de referência distintos, embora sejam menos comuns. Por exemplo, uma pessoa surda que utilize ASL pode telefonar para reservar um quarto de hotel na República Dominicana cujo pessoal fale apenas espanhol. Nesse caso, o intérprete precisaria utilizar a ASL, o espanhol oral e o inglês oral para viabilizar a chamada.
Essas atividades exigem grande esforço de processamento mental do intérprete, pois as línguas de sinais são línguas naturais distintas, com estrutura, semântica e sintaxe próprias, diferentes das línguas orais que coexistem com elas.
Na interpretação por vídeo, o intérprete trabalha remotamente com fluxos de vídeo e áudio ao vivo, de modo que possa ver e conversar com a pessoa surda ou com dificuldade de fala, assim como com o interlocutor ouvinte. À semelhança da interpretação por telefone, esse recurso pode ser utilizado quando não há intérprete presencial disponível. No entanto, a interpretação por vídeo não pode funcionar quando todos os participantes estão se comunicando exclusivamente por telefone convencional. Os serviços VRS e VRI exigem que os participantes tenham os equipamentos necessários. Alguns aparelhos avançados permitem que os intérpretes controlem a câmera remotamente para aproximar ou afastar a imagem ou direcioná-la à pessoa que está sinalizando.
No Brasil, serviços públicos também passaram a disponibilizar interpretação remota em Língua Brasileira de Sinais (Libras). A Agência Nacional de Telecomunicações (Anatel) oferece um canal de atendimento em Libras, enquanto a Justiça Eleitoral anunciou, em novembro de 2026, uma central de intermediação em Libras para ampliar a acessibilidade.
A tabela a seguir reproduz, em tradução, a comparação histórica de ferramentas presente na versão inglesa do artigo. Ela descreve características atribuídas aos serviços na época em que o quadro foi elaborado, e não constitui uma relação de produtos atualmente disponíveis. Entre as mudanças posteriores, o Google Hangouts deixou de estar acessível em novembro de 2022, quando foi substituído pelo Google Chat, e o Skype foi descontinuado em maio de 2025.
| Ferramenta | Proprietário | Gratuita? | Exclusivamente baseada na web? | Funciona em computadores de mesa? | Suporte móvel? | Usa e-mail? | Equipamento necessário | Instalação | Limitações | Características especiais | Tecnologias | Criada por pessoas surdas? | Licenciamento |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Facebook Messenger | Sim | Não | Sim | Sim | Não | Qualquer dispositivo móvel | É necessário instalar o aplicativo; não exige conta no Facebook | ? | Não | 100% proprietário | |||
| FaceTime | Apple Inc. | Sim | Não | Sim | Sim | Não | Apenas equipamentos Apple, computadores de mesa ou aparelhos móveis | É necessário instalar o aplicativo; exige uma conta Apple ID | ? | Não | 100% proprietário | ||
| Glide | Glide | Sim | Não | Não | Sim | Não | Qualquer dispositivo móvel | É necessário instalar o aplicativo | ? | Não | 100% proprietário | ||
| Google Hangouts | Sim | Não | Sim | Sim | Não | Qualquer computador ou dispositivo móvel | É necessário instalar o aplicativo; exige uma conta Google | ? | Não | 100% proprietário | |||
| Skype | Microsoft | Sim | Não | Sim | Sim | Não | Qualquer computador ou dispositivo móvel | É necessário instalar o aplicativo; exige uma conta Microsoft | ? | Não | 100% proprietário | ||
| Tikatoy | Tikatoy | Sim | Não | Sim | Apenas Android | Sim | Computador ou Android | Exigia um navegador com Adobe Flash | A Apple bloqueava o Adobe Flash | C++, JavaScript, Python | Sim | 100% proprietário | |
| videomail.io | Binary Kitchen | Sim | Sim | Sim | Apenas Android | Sim | Computador ou Android; iPhone e Safari apenas para visualização | Navegador web | Gravação de no máximo três minutos; incompatível com navegadores antigos | Reutilizável, podendo ser integrada diretamente a sites ou a um complemento do WordPress, como o Ninja Forms Videomail | JavaScript | Sim | Licença mista: servidor proprietário e cliente de código aberto |
O nome inglês videophone nunca se tornou tão padronizado quanto seu antecessor, telephone, o que deu origem a diversas denominações, tanto entre países quanto dentro de uma mesma região. Entre as formas inglesas encontram-se video phone, videotelephone e video telephone, além de Picturephone, marca antiga usada no primeiro videofone comercial produzido em grande escala. O termo composto videophone difundiu-se gradualmente a partir de 1950, embora a expressão video telephone provavelmente já existisse antes, após a criação do termo inglês video em 1935.
Em português, os termos videotelefonia, videofonia, videochamada e videoconferência são empregados conforme o contexto. Videofone e videotelefone designam o aparelho de comunicação; videochamada refere-se ao ato de conversar com imagem e som; e videoconferência frequentemente designa a comunicação simultânea entre várias pessoas. No uso corrente, entretanto, a distinção não é rígida, e videoconferência também pode designar ligações entre apenas duas pessoas. As expressões ligação por vídeo e conexão de vídeo também são empregadas.
No inglês, videophone calls, videocalls e video chat e o uso do nome e de formas verbais da marca Skype costumavam referir-se a conversas individuais, em oposição à videoconferência, tradicionalmente associada a grupos. A distinção tornou-se menos clara à medida que o aumento da largura de banda e a sofisticação dos programas clientes permitiram reunir vários participantes na mesma chamada. A comunicação por videofone e a videoconferência também passaram a ser descritas como uma ligação de vídeo.
As webcams são equipamentos populares e de custo relativamente baixo que fornecem áudio e vídeo em tempo real por meio de computadores pessoais. Podem ser utilizadas com vários programas de comunicação tanto em videochamadas quanto em videoconferências.
Um sistema de videoconferência geralmente é mais caro e oferece mais recursos do que um videofone. Uma videoconferência, também denominada videoteleconferência, permite a comunicação entre dois ou mais locais por transmissões simultâneas e bidirecionais de som e imagem. Frequentemente, é realizada por uma unidade de controle multiponto, que centraliza a distribuição e a administração das chamadas, ou por recursos multiponto descentralizados, incorporados a cada aparelho de videoconferência. Os avanços tecnológicos alteraram as definições tradicionais ao permitir reuniões com várias pessoas também por aplicativos baseados na web.
Um sistema de telepresença é um serviço e equipamento de videoconferência de alto padrão, geralmente utilizado por escritórios de grandes empresas. As salas de telepresença combinam arquitetura específica, câmeras de vídeo, telas, sistemas de som e processadores sofisticados com enlaces de transmissão de capacidade alta ou muito alta.
As tecnologias descritas são usadas em chamadas de uma pessoa para outra e em conferências de uma pessoa para várias ou de muitas para muitas, com finalidades pessoais, comerciais, educacionais e assistenciais, incluindo serviços de retransmissão de vídeo para pessoas surdas, telemedicina, diagnósticos e telerreabilitação. Entre outras aplicações, encontram-se videochamadas pessoais com detentos em penitenciárias e videoconferências para resolver problemas de engenharia aeronáutica em hangares de manutenção.
Entre os outros nomes historicamente utilizados em inglês estão Viewphone, denominação de um serviço da British Telecom semelhante ao Picturephone da AT&T, e visiophone, tradução francesa que também apareceu ocasionalmente no inglês, além de mais de vinte expressões menos comuns. Termos correspondentes em outras línguas incluem vidéophone (francês), Bildtelefon (alemão), videotelefono (italiano), videófono e videoteléfono (espanhol), beeldtelefoon e videofoon (neerlandês) e videofonía (catalão).
Um robô de telepresença, também associado à telerrobótica, é um sistema de videoconferência montado sobre uma plataforma robótica motorizada e controlada a distância, que proporciona maior sensação de presença física remota em escritórios, residências, escolas e outros ambientes. O dispositivo, que representa o usuário ausente, pode deslocar-se e olhar ao redor por comando da pessoa que o controla.
Na literatura de ficção científica, os videofones receberam frequentemente nomes como telephonoscope, telephote, viewphone, vidphone, vidfone e visiphone.
Um dos primeiros exemplos provavelmente foi a ilustração satírica Edison's Telephonoscope, de George du Maurier, publicada na revista Punch em 1878. No conto In the Year 2889, publicado em 1889, o escritor francês Júlio Verne previu um mundo no qual a transmissão de fala já seria antiga e a transmissão de imagens por espelhos sensíveis conectados por fios seria uma inovação recente. Entre os primeiros exemplos da literatura em inglês que empregaram o termo videotelephone estão textos de Harl Vincent do final da década de 1920. Em numerosos filmes e programas de televisão de ficção científica ambientados no futuro, os videofones foram apresentados como a principal forma de comunicação.
Um dos primeiros filmes a apresentar um videofone foi Metrópolis, de Fritz Lang, lançado em 1927.
Outra representação conhecida aparece no filme 2001: Uma Odisseia no Espaço, de 1968, em uma sequência ambientada na Estação Espacial V. O filme foi lançado pouco antes dos esforços da AT&T para comercializar o serviço Picturephone Mod II em várias cidades e mostra uma chamada de vídeo para a Terra feita com um videofone avançado da empresa, cujo custo previsto para o ano 2001 é de 1,70 dólar por uma ligação de dois minutos, fração das tarifas que a AT&T efetivamente cobrava em 1968. O diretor Stanley Kubrick procurou obter precisão científica e baseou-se em entrevistas com cientistas e engenheiros dos Bell Labs nos Estados Unidos.
O pesquisador Lawrence Rabiner dos Bell Labs, ao comentar os estudos sobre videofones no documentário 2001: The Making of a Myth, afirmou que, na segunda metade da década de 1960, esses aparelhos atraíam a imaginação do público, de Kubrick e de sua equipe. Em uma cena do filme, o personagem Dr. Heywood Floyd liga para casa para falar com a família, em um exemplo do uso social dessa tecnologia. A partir de uma estação espacial em órbita geocêntrica, Floyd conversa com a filha e a vê na tela, perguntando que presente deveria levar para ela quando voltasse.
Entre outros exemplos antigos de videofones na cultura popular está o desenho animado Plane Daffy, da Warner Bros., no qual a espiã Hatta Mari utiliza um videofone para se comunicar com Adolf Hitler (1944). O personagem de histórias em quadrinhos Dick Tracy utilizou um equipamento de função semelhante, seu "televisor de pulso bidirecional", para comunicar-se com a sede da polícia, entre 1964 e 1977.
No início da década de 2010, a videotelefonia e os videofones já eram recursos corriqueiros em vários meios de comunicação, em parte devido à presença real e disseminada das funções de vídeo em aparelhos eletrônicos e computadores portáteis. Os programas de televisão também passaram a utilizá-los com frequência crescente para entrevistar convidados e transmitir reportagens ao vivo, pela Internet ou por enlaces via satélite.
Na televisão americana, a apresentadora Oprah Winfrey incorporou regularmente a videotelefonia ao seu programa a partir de 21 de maio de 2009, começando com o episódio Where the Skype Are You?, como parte de um acordo de divulgação comercial com a empresa de telecomunicações por Internet Skype.