別にコストのかかるボイスに拘らなくてもエモートやターゲット指定することで吹き出し表示したり
今、会話中の内容を見られるように機能追加すれば解決するんちゃう

Unityのせいで難読化されてて難しいけどそれがなけりゃ
MODかメモリ解析アプリでもできそうな機能だから開発コストはそうかからんはずだが