Просто есть два варианта аудиокниги Г. Данилевского "Сожжённая Москва", в одном варианте чтец произносит "ж" мягкую (сожж̍ённая), а в другом варианте другой чтец произносит "ж" твёрдую. Как правильно?

В русском языке есть всего двадцать один согласных букв.
Из них пятнадцать
образуют пары по твёрдости-мягкости (значит, получается тридцать звуков). А три из них
не имеют пары по мягкости, они всегда твёрдые. Еще три
не имеют пары по твёрдости, они всегда мягкие. Вот и получается, двадцать одна согласная буква образуют тридцать шесть  звуков. А как гласит правило, звуки мы произносим и слышим (а буквы пишем и читаем). Исходя из вышесказанного,  можно сделать вывод: звук «Ж», вне зависимости от своего местоположения в слове, остаётся твёрдым. Смотрите, как это выглядит в транскрипции: