アタシはVCはよく使っていたからその便利さや楽しさを考えたらスレ主さんの意見に賛成したいところだけど・・・
慣れてる人にとっては良くても、使ったことない人やあえて避けていた人も多いでしょう。
その中でいきなり公式ボイチャ実装を！っていうのは抵抗感とか不安視する声が多くなるのも致し方ないことだわね。

だったらSEを鳴らせるマクロを応用して、まずは数種類の音声SEを要望してみるとか？
SEだけでは種類が足りなすぎるってなったら、今ある定型文を各国語で読み上げてくれるマクロが作れるように要望してみるとか・・・
そのへんだったらVCが不安って方でもちょっとは受け入れやすくなるかしら？
それでも煩わしいって人もいるでしょうから、聞く側で音量設定ができるというのは必要になるわね。