Там не то чтобы сложно людям которые не сведущи. Больше проблема в том, что нужно время, очень много времени.
Из той программы я так и не смог сообразить как в ней построены модели разговорника, но есть и бесплатные нейросети на РУСЯЗ в интернете, которые делают тоже самое, что и GameTTS, и гемор в озвучке будет идти точно такой же. Т.е. на одну фразу у тебя уйдет секунд 50-300. Это если не подбирать интонацию, нужный голос, и прочие моменты в озвучке…
В общем не напрягайся за тему озвучки. Как всегда, если СноуСтидия или Орден Хранителей захотят озвучить — озвучат, и это будет на много лучше, чем озвучка от машины...