Motivul acestei diferenţe este cât se poate de simplu. Atunci când ne ascultăm vocea pe o înregistrare, undele sonore pornesc din difuzor şi merg prin aer până în urechea noastră. În acest moment, ne auzim vocea exact aşa cum o percep şi ceilalţi.
Totuşi, noi ne auzim vocea în două moduri: extern şi intern.
În primul caz, auzim sunetul pe care îl aud şi ceilalţi, în timp ce, în a doua situaţie, auzim sunetul care vine din vibraţiile corzilor noastre vocale şi care circulă intern, prin capul nostru.
Vibraţiile respective rezonează în contact cu cutia craniană şi, de aceea, se schimbă percepţia asupra propriei voci.