Generell kann das Klangbild von zwei Stereokanälen dadurch erzeugt werden, dass man entweder die Laufzeitunterschiede zwischen dem linken und dem rechten Stereokanal benutzt oder aber die Schallpegelunterschiede.
Die XY-Stereofonie ist eine Intensitätsstereofonie, bei der aus den Schallpegelunterschieden die verschiedenen Mono- und Stereosignale gebildet werden.
Die Aufnahmetechnik ist dadurch gekennzeichnet, dass zwei Mikrofone mit Nierencharakteristik dicht bei einander aufgestellt werden. Da der Abstand zwischen den beiden Mikrofonen bei hohen Frequenzen zu Phasenverschiebungen führen kann, sollten die beiden Mikrofonkapseln in einem Gehäuse untergebracht sein. Die Richtcharakteristiken der Mikrofone sind gegeneinander gewinkelt und zeigen in verschiedene Richtungen. Der Winkel zwischen den beiden Richtcharakteristiken kann zwischen 0 Grad und 135 Grad liegen wobei bei 0 Grad ein Monosignal erzeugt wird, da beide Mikrofonkapseln das gleiche Schallsignal empfangen und umsetzen. Über die Schallpegeldifferenz beider Mikrofonsignale werden das Mitten- und die beiden Seitensignale bestimmt.