一応ボイトレやっている人間からの意見。
音程を合わせるのは長い間隔での変化よりも短い間隔での変化の方が、
5〜8度ぐらいの大きな変化よりも2〜3度の小さな変化が連続する方が難しい。
まぁあくまで「正確に」ピッチをあわせようとするならの話で、
後者の方がごまかしが効くけど。

音感云々の問題は、ぶっちゃけ聴き手が「ずれている」と感じるかどうか。
本来の音と違うとしても、フェイクはわかりやすいし、
3度も4度も違うとなるとまずアレンジだろうし。
逆に半々音フラットしているとか微妙な変化なら意図していないと見ていいと思う。
まぁちゃんと音感鍛えた人がその気になってピッチ合わせようとしたなら
難しい曲だろうがかなりの割合で合わせることはできる。

リズムの難易度は、テンポも勿論あるけれど伴奏でリズムのとりやすさが大分変わる。
ドラムが目立っていなかったり、単調な伴奏が続くだけだったりすると難しくなる。