日本語の音素は24種類ぐらいでひらがなの表記とほぼ対応してるのに対して
英語の音素は48ぐらいあってさらに不味いのは単語の綴りと対応していないので
"この単語は一般的にはこういう発音"と組み込んである変換で発声させたベタ打ちから
さらに実際の発音に調教し直さなきゃいけないので…
日本語でもあるように実はネイティブはその言語に慣れすぎて
文を純粋に"音"として捉えにくくなってるので
非英語圏の人が原曲を音どおりになるようになぞってカバーした方が
らしくなるという現象がですね。