该引擎主要由通信控制模块、语音处理模块、视频处理模块、引擎接口和引擎总线等模块所组成。其中，通信控制模块主要负责通话的会话/呼叫控制和编码协商；语音和视频处理模块主要负责媒体流信息的采集/播放和压缩编码；引擎总线模块主要负责将通信控制模块的控制命令传递给相应的语音或视频引擎，以实现媒体流传输的网络自适应。此架构通过引擎总线达到消除通信控制模块与音视频处理模块之间的耦合，便于灵活地扩展或修改各处理模块以兼容不同的通信系统。一般情况下，引擎总线通过定义标准的接口函数（回调函数）来实现各种模块的扩展和即插即用。
该引擎采用跨平台设计方案，支持Windows、iOS、Android和Linux操作系统。语音支持8khz、16khz和48khz采样且传输速率从5kbps~50kbps动态可调；视频支持H264和VP8两种编码格式。此外，引擎还支持基于客户端混音的语音会议和视频点播功能。
