Microsoft Kinect è dotato di telecamera RGB, doppio sensore di profondità a raggi infrarossi composto da un proiettore a infrarossi e da una telecamera sensibile alla stessa banda. La telecamera RGB ha una risoluzione di 640 x 480 pixel, mentre quella a infrarossi usa una matrice di 320 x 240 pixel. Kinect dispone anche di quattro microfoni che sono orientati in direzioni diverse e vengono utilizzati dal sistema per la calibrazione dell'ambiente in cui ci si trova, tenendo conto del modo in cui il suono rimbalza sulle pareti e sui mobili. In tal modo il rumore di fondo e i suoni del gioco vengono eliminati ed è possibile riconoscere correttamente i comandi vocali (in Italia, il controllo vocale sarà attivo solo dalla primavera 2011).
