简单层面像你说的，摄影与镜像都不是真实的自己长相。自己听的自己声音一部分是骨传导，一部分是空气传导，所以自己听到的和别人听到的永远不一样，录音什么的更不能完全反应你的声音。复杂一点的说，人不可能无障碍地接近客观世界，即使借助仪器。也就是说人只能认识人所能认识的。不但不能看到自己真实的长相，听不到自己真实的声音，你认识的其它事物也是你所能认识的。直到拍毕业设计我才知道我的真实长相一段视频，镜头不近不远。我看完真的惊呆了，原来同学们说我地包天不严重真的可能是看习惯了或者说安慰我，以及我眼睛真的很丑，畸形的丑。这一刻，我觉得我活在世界上真的很抱歉，污染了视线，我觉得自己很恶心，很可恶，我觉得怎么会有人愿意和我待在一起。平时看到镜子会觉得自己长得不怎么好，但没有这种令人作呕的丑陋，所以也不自拍，但是我现在脑子里只有一个想法，要么试着整容看看有没有希望，要么就别活了。安慰一点的是，人可以定义真实的标准，那样的话还是可以实现你的目标的。美不美主要是主观感知，而不是客观形状，所以影响因素是认知，心理学上有曝光效应，即便第一次觉得难看，见多了，就会习惯，觉得舒服，我的理解这个现象一定程度上也是大脑的保护机制，防止同一个没有威胁的东西反复出现。
侦查工作中，时有利用照片、视频去查找嫌疑人的需要，如果漂亮程度相差40%，侦查员上哪儿找那么丑的人去。语音的同一认定依据的特征，分为低级和高级声纹特征。低级声纹特征包括共振峰、基频、音强等，这些特征目前可以进行自动识别但反而非专业人士不懂。高级声纹特征包括习惯用语、方言口音、言语缺陷、韵律特征等，这些特征非专业人士都懂，比如你也会说，那人说话就是有哪些口头禅，就是大舌头、就是老把某个音发为另外个音、就是慢条斯理等等。但这些特征目前无法进行自动识别，需要专家鉴定人来利用。大家觉得听到的录音和自己的声音不一样，只是在听辨一些低级声纹特征上，广义上信道的变化以及感受器耳朵的不习惯。
