人間て過去の経験から無意識の期待(もしくは予想)というのがあって、それから大きくずれると違和感覚えるんですよね。
（言語に訛りを感じるのもそれ）
だから、非ボカロ耳の普通の人が聞いたときに、ある程度人間が発音するような発音をしないと、まずは「変だな？」と、どうしても思ってしまうわけで。