Dalam presentasinya, Infinix mengklaim XE02 memiliki suara 'Hifi'. Tentu ini harus dibuktikan. Mode Hifi diaktifkan berbarengan dengan mode Noise Cancellation. Dengan menggeser tombol di mesin mini. Tanpa mengaktifkan model suara ini, maka XE02 akan menyajikan lagu dengan tonal flat dan kasar.
Infinix mendesain mode 'hifi' IEM XE02 agar memiliki karakter suara warm (hangat), bukan bright (cerah). Dalam karakter suara warm, maka vokal penyanyi dan musik di bagian tengah (middle) XE02 akan terasa lebih tebal atau berisi. Dan ini memang yang terjadi. Sebagai perbandingan, kita bedakan misalnya, antara XE02 dengan earbud Apple atau earpod Apple yang di-tuning ke arah bright. Di earphone Apple kita akan merasa bagian vokal dan mid musiknya lebih ‘kurus’ atau ‘tipis’.
Bas di XE02 juga terasa berbobot. Infinix tampaknya sengaja mengincar pasar pencinta suara bas lewat produk ini. Bas yang disajikan bukan bas yang tipis. Suara bas yang keluar dari IEM akan tebal,'boomy' bukannya 'beg..beg..beg'. Namun tuning bas ini tampaknya sedikit berlebih (roll off), sehingga menutupi sektor high atau treble dari suara yang keluar.
Sektor bas juga terasa akan sedikit keteteran bila mendapatkan musik dengan gebukan bas yang cepat atau double pedal di musik metal. Sebaliknya, bila tuning-an ini bertemu dengan musik jenis electronic/ dance (EDM) maka kesan suara basnya adalah sebuah duet maut.
Desain suara yang lebih basshead membuat sektor treble XE02 tertekan. Treblenya menjadi kurang lepas terutama untuk lagu jenis jazz, klasik, akustik dan vokal. Seolah ada tirai tebal yang menutupi treblenya. Ini
akan terdengar pada suara simbal drum yang terdesak ke dalam. Juga bisa terdengar pada vokal (perempuan maupun pria) dan presentasi musik mid-nya menjadi agak keruh.
Secara keseluruhan, presentasi suara XE02 memiliki bentuk 'v', yang artinya, suara yang keluar akan mengesankan penyanyi ada lebih di depan musiknya. Ekor-ekor alat musik akan terasa agak jauh di belakang kiri dan kanan vokal. Soundstage yang didapat masih agak sempit dengan kedalaman suaranya yang dangkal.
Kita bisa menduga penyanyi berada dekat dengan alat musiknya. Detail yang disajikan menjadi kurang terdengar karena tertekan sektor bas. Sementara separasi vokal dengan alat musik, dan separasi alat musik dengan alat musik tidak terasa. Vokal, musik, dan alat musik terasa 'lengket'.
