Ich denke hier sollte man zweierlei unterscheiden:
- Sprachausgabe im Sinne von vorgelesenen Dialogtexten
- Sprachausgabe im Sinne von allgemeinen Sprachsamples wie zB im Kampf

Zu ersterem, also dem wirklichen Synchronisieren der Dialoge würde ich sagen, rechtfertigt der Nutzen in keinem Verhältnis den Aufwand. Damit ist nicht nur die Arbeit der eigentlich Synchronisation und das Suchen wirklich guter Synchronsprecher gemeint, sondern auch der Mehraufwand der durch die zusätzliche Dateigröße entsteht. RPGs sind üblicherweise sehr textlastige Spiele und wenn nur bestimmte Teile synchronisiert werden wirkt das ganze ziemlich inkonsistent und die Wirkung der Synchronisation schwächt sich ab. Alles zu synchronisieren ist nur machbar wenn man eine CD oder eher DVD an Platz hat.

Einzelne Sprachsamples wiederrum können, wenn sie passend eingesetzt werden ein zusätzliches Detail sein. Hier muss man aber natürlich abwägen wieviele Samples und wo man diese benutzt. Niemand wird 100MB extra ziehen nur um ein par nette Samples mehr zu hören.
Die Sprachsamples sollten mMn in derselben Sprache gehalten sein wie auch das Spiel. Sprachsamples nur wegen des Klanges, in irgend einer Sprache, die man selber und der Spieler nicht versteht, zu nehmen halte ich für falsch, denn das geht am eigentlich Sinn der Samples vorbei. Die Sprachsamples sollen in den Situationen für das bischen extra-Leben sorgen. Die Tatsache, daß der Charakter ein echtes, verständliches Wort, oder gar einen ganzen Satz tatsächlich ausspricht läßt diesen viel lebendiger wirken, als es statischer Text tuen würde. Ist das Sprachsample nicht verständlich, da in einer fremden Sprache gehalten, ist es eher nur ein zusätzlicher Soundeffekt und verliert mMn einiges von seiner Wirkung. Davon abgesehen, daß man die Gefahr läuft Wörter im Sample zu verwenden und diese im Text vollkommen falsch zu übersetzen.
Ich glaube im übrigen nicht, daß die deutsche Sprache nicht "klingt" oder daß die japanische generell besser ist. Sprache ist ein Kommunikationsmittel und wie ein Wort klingt hängt nicht zuletzt auch vom Sprecher und dessen mentaler Verfassung ab. Der richtige Klang kann also auch sehr viel aussagen, ohne dabei irgendwie toll klingen zu müssen.
Wie gut ein Sprachsample passt hängt nicht von der Sprache, sondern vom Talent der Sprecher ab, und japanische Synchronsprecher sind aufgrund der Anime-Kultur in Japan sehr gut bezahlte und demzufolge auch sehr fähige Leute. Aber auch in Deutschland gibt es sehr gute Synchronsprecher, nur ist es hier wie bei allen anderen besonderen Fähigkeiten die man sucht. Wenn man Qualität will, muss man zahlen.
Wer das Glück hat einen fähigen Sprecher zu kennen, der aushilft kann sich freuen. Wer das nicht hat muss sich fragen ob er das Risiko eines mittelmäßigen oder gar schlechten Sprechers in Kauf nimmt. Keine Sprachausgabe ist deutlich besser als eine mittelmäßige bis schlechte Sprachausgabe. Wer hier nicht sicher ist wirklich Qualität liefern zu können, sollte lieber darauf verzichten.