Окружающие (и диктофон также) воспринимают наш голос через звуковые вибрации, колебания воздуха, тогда как мы сами воспринимаем не только звуковые колебания, но и вибрации собственного черепа и мягких тканей головы, что несколько смягчает звучанее собственного голоса, тогда как в действительности он звучит несколько резче. Ну и не стоит забывать про то, что в электронный вид звук записывается с некоторой погрешностью.