人们对声源的记录和重放最早都以单声道形式进行。单声道拾音的重放是用一只扬声器聆听录音节目源，听音人感受不到在自然听音状态下由于人双耳对声源方位具有判断能力而带来的愉悦。为了弥补这一缺憾，追求更自然的声音重放，人们开始了探索立体声的漫长历史。

立体声的理论基础是双耳效应。由于人的双耳位于头的两侧，假设一点声源位于听音人正前方中轴线上，声音到达双耳的时间和强度是一样的；若这一点声源偏离中轴线，双耳的距离便使到达双耳的声音出现了时间差、强度差、相位差和音色差。听音人就是根据这些“差”判断出声源的方位，从而确立了相应的立体声拾音技术。

双声道立体声拾音技术的应用使录音技术和艺术前进了一大步。就音响而言，双声道立体声携带了声音在发生和传播过程中几乎所有的空间信息，最为突出的是声像在左右的定位。双声道立体声基本符合人双耳在听音时的自然状态，也大大增强了音响空间表现力的感情因素。它的出现使人们对音响的审美升华到平衡、对称、变化、和谐、统一等诸原则。

但人耳对声音的感受是全方位的。人们并没有满足于双声道立体声近乎完美的音响。技术的进步和审美的要求使环绕立体声应运而生。在电影电视中环绕立体声的引入，使影视音响声音的创作进入更高境界。环绕立体声使音响在表达声音空间信息上似乎发展到空前的高度，环绕立体声拾音技术也随即出现。

拾音制式大多是根据人耳的双耳效应，并结合人们各自的美学观点和不同类型音乐的音响要求，经过反复实践逐步形成的。立体声拾音技术都是根据人耳对声源定位声级差、时间差等因素创立起来的。在各种拾音技术中，传声器或者拾取具有声级差的声源信号，或者拾取具有时间差的声源信号，或者拾取既有声级差又有时间差的声源信号，来获得立体声效果。因此，立体声拾音技术也常以这三种工作原理来分类，各有优缺点，不存在一种十全十美的拾音制式，每种拾音制式都有其最适合的场合，即不同的录音场地，不同的音乐节目形式都有其最适合的拾音制式。为了录制好不同形式的音乐节目，录音师应当全面了解和熟悉这些拾音制式，在大量的实践中加以总结，才能在复杂的录音工作中，选择正确的拾音制式，设计最佳的录音方案，获得最好的录音效果。

声级差定位的拾音技术是由两只传声器组成的，两只传声器分别面向声源，一只传声器置于另一只传声器上，使两只传声器的膜片在垂直的轴线上尽量重合，传声的轴向夹角彼此张开一定的角度。声源到达两传声器没有时间差，只有两传声器主轴指向和传声器指向性而产生的声级差立体声信息，这种方式称为声级差定位的拾音技术，主要有XY和MS两种拾音制式。

时间差定位的拾音技术是以时间差为主的拾音方式。通常采用两只全指向性传声器，彼此间隔几十厘米，平行设置于声源的前方，声源到传声器的距离要远远大于传声器间的距离。这样可使由于两传声器间的距离而造成的声级差忽略不记。这种方式包括AB、DECCA TREE、FAULKNER、STRAUS、ABCDE等拾音制式。

时间差拾音方法是利用立体声传声器系统拾取的声道间时间差完成立体声重放声像定位的。强度差拾音方法是利用立体声传声器系统拾取的声道间强度差完成立体声重放声像定位的。混合拾音方法是利用声道间的时间差和强度差共同完成立体声重放声像定位的，声像定位百分数是两个物理量的和。人在自然听音情况下，当某一声源偏离听音人中轴线时，听音人就会判断出声源的方位。从理论上讲，时间差拾音方法和强度差拾音方法是利用声道间的一种物理量差完成立体声重放声像定位的。混合拾音方法是既利用了时间差又利用了强度差来完成立体声重放的声像定位。混合拾音方法拾取的声音更接近人自然听音状态下的声音。这种方式包括ORTF、NOS、EBS、DIN、RAI等拾音制式，另外还包括OSS、仿真头、真人头、球面、SASS、CLARA等拾音制式，用来拾取声道间的音色差。