У этих голосов разные источники. Сами себя мы начинаем слышать раньше, чем голос, формируемый связками. В записи нашего голоса мы не слышим этой опережающей звук информации.
Вторая причина связана с отношением между живым голосом и текущим настоящим. Когда мы слушаем запись голоса, то это отношение формирует слух.
И вот тут возникает серьезная проблема. Живой голос является носителем смыслов. Сохранить их в записи можно, но эта работа профессиональная, то есть далеко не тривиальная. Просто так не запишешь.