Khi ta nói, âm thanh truyền tới tai mình theo hai đường cùng lúc: một phần qua không khí như âm thanh bình thường mà người khác nghe được, phần còn lại truyền trực tiếp qua xương sọ từ thanh quản đến tai trong. Đường truyền qua xương này có xu hướng khuếch đại các tần số thấp, khiến ta luôn nghe giọng mình trầm và đầy đặn hơn so với âm thanh thực tế phát ra ngoài không khí.

Khi nghe một bản ghi âm, chỉ có phần âm thanh truyền qua không khí được thiết bị thu lại, đúng là âm thanh mà người khác vẫn nghe ta nói hằng ngày, nhưng lại khác hẳn với giọng nói nội tâm mà não ta đã quen thuộc suốt cả đời nhờ có thêm phần truyền qua xương. Sự chênh lệch bất ngờ giữa kỳ vọng quen thuộc và âm thanh thực tế thu được khiến ta cảm thấy xa lạ, thậm chí có phần khó chịu, vì não không dự đoán trước được sự khác biệt tần số này.

Nhiều người lần đầu nghe giọng mình qua video hay tin nhắn thoại điện thoại thường thốt lên rằng đây không phải giọng của mình, trong khi bạn bè xung quanh lại khẳng định chắc chắn đó chính là giọng họ vẫn nghe thấy hằng ngày. Sự khác biệt này xảy ra vì bạn bè chỉ nghe giọng ta qua đường không khí, giống hệt như bản ghi âm, còn ta lại có thêm phần âm truyền qua xương mà chỉ riêng mình nghe được.

Nhiều người nghĩ rằng thiết bị ghi âm đã làm biến dạng hoặc bóp méo giọng nói của họ, nhưng thực ra bản ghi âm mới chính là âm thanh trung thực mà người khác vẫn luôn nghe thấy từ ta. Chính giọng nói trong đầu mà ta quen nghe hằng ngày mới là phiên bản đã bị pha trộn thêm âm truyền qua xương, không hoàn toàn giống với âm thanh thực sự phát ra bên ngoài.