دانشمندان می‌گویند ترکیبی از عوامل فیزیولوژیکی و فشارهای اجتماعی و روانی موجب می شوند افراد از صدای ضبط‌شده خودشان تنفر داشته باشند.
به گزارش کاویان گلد و براساس گزارش زومیت، بسیاری از افراد از شنیدن صدای ضبط‌شده‌ی خود تنفر دارند. دلایل فیزیولوژیکی این امر نسبتاً ساده است: تولید صدا در دیافراگم وقتی آغاز می‌شود که هوا از ریه‌ها بیرون رانده می‌شود. هوا با سرعت زیادی از کنار تارهای صوتی عبور می‌کند و موجب می‌شود آن‌ها صدها بار در ثانیه ارتعاش کنند. این فرآیند فرکانس‌های صوتی ایجاد می‌کند که از گلو عبور می‌کنند و سپس توسط زبان و دهان شکل می‌گیرند تا صدا ایجاد شود. نحوه دریافت این صدا به دو دسته تقسیم می‌شود: انتقال ازطریق هوا و انتقال ازطریق استخوان.