大概有這麼幾個原因：

1.日語聲庫和中文聲庫取樣時長，發音間隔時長有所不同。所以感覺上不太一樣。（佐佐木 涉先生給的例子：“日本語DBの一つの発音の最大區間長は150ms程度、中國語DBは80ms程度”（日語庫一個發音的最大區間長度是150ms左右，中文庫的大概是80ms）拋開大佬們的例子。我們最直觀的感受就是日語發音比中文順暢些，中文發音總感覺慢吞吞的。

2.Tuner的技術問題，以及對聲庫特點的把握程度。可以舉個例子：cillia，Ciel，Mitchie M的調聲相對比更接近人聲。中V的顧令Dec大佬調聲也是神仙級別的。他們都摸準了自己所用庫的調整方式，使其更像人聲（雖然有些方法差異，比如cillia的部分拆音）

3.個人感覺，聽日V曲，尤其是じん這些人的曲子的時候，是不是感覺中二氣質滿滿呢？但是換到中文總感覺有點不太合適。反而在抒情曲目上，中文曲也佔有相當大的優勢，感覺很舒服？大概就是這樣吧。和1一樣，這是語種直接對比的差異。而2包含語種差異和Tuner技術的差異。

另一種解釋：

1、你對中文更熟悉，有哪些不對勁的地方更容易聽出來。

2、中文發音更加複雜，聲庫製作難度更高。中文聲庫的檔案遠大於日文聲庫。從最近初音v4c和洛天依日語對比一下也可以聽出來區別。禾唸的聲庫製作者人形兎也說過感覺製作日文聲庫感覺更輕鬆。

3、洛天依是第一個中文v家聲庫，製作時缺少經驗。後來的言和、樂正綾效能就好的多。