Звучит круто реально, только речь как буд то очень быстро идёт. 
Да, так и есть.
Дело в том, что в среднем фразы на русском языке звучат на 30% длиннее, чем на английском, в данном же случае ресемплер подгоняет сгенерированные аудиозаписи к длине оригинальных записей.
Если не делать подгонку, то либо фразы будут накладываться друг на друга, либо между ними будут большие паузы.
Можно пойти другим путем и править тайминг в файлах сцен и в скриптах карт, но это дольше, сложнее и часть работы все равно придется делать в ручном режиме. Так что наиболее простым решением было ускорять или замедлять аудиозаписи, чтобы их длина соответствовала оригинальным аудиозаписям.