In sostanza, sono in dubbio sul significato di "voce del verbo".
Su Treccani leggo
Sinon. più generico e com. del termine tecn. grammaticale forma, per indicare sia ogni diverso aspetto che assume nella flessione il verbo:
Allora cosa è la flessione? Sempre Treccani identifica flessione verbale con coniugazione dei verbi.
Allora cosa è la coniugazione? Ancora Treccani dice che è
il complesso delle forme che il verbo può assumere per esprimere il tempo, il modo, il numero, la persona e la diatesi.
Ora, l'esempio nel titolo esprime qualcosa di più che solo tempo, modo, numero, e persona che connotano l'"azione". In effetti, è facile individuare la persona (egli), il numero (singolare), e il modo (condizionale), ma già per il tempo, la questione è più complessa: la frase esprime un dubbio che esiste al tempo presente, in quanto non si sà se l'azione si è svolta già o meno nel passato. E la diatesi? Mi risulta difficile individuarla... Potrebbe mi sembra piuttosto attivo, ma esser stato mangiato? È... il participio passato passivo?¹ Penso di star dando i numeri, ma almeno dovrei aiutare a capire il mio dubbio.
(¹) D'altronde posso dire "La differenza tra mangiare ed esser mangiato", il che mi porta a pensare che esser mangiato si comporta come un infinito passivo, anche se io non ne ho mai sentito parlare.