Seria uma feature massa mesmo, mas acho que o problema seria porque ao permitir você carregar seu próprio texto, ele não identifica o idioma, então a pronúncia não sairia correta. Fora que conforme vai avançando nas fases, o fluxo de palavras aumenta bastante, então poderia gerar confusão ^^"
Faz sentido, uma pessoa que digita muito rápido iria começar a ouvir duas ou três palavras ao mesmo tempo.
💡 Talvez um boa ideia seria uma opção "Ouvir palavras ao terminar o nível" dessa forma, sempre que o nível acabasse apareceria as palavras digitadas do lado da tela e ao clicar nelas daria para ouvir a pronúncia. Um usuário que tem interesse em aprender a pronúncia poderia ativar essa opção e quem não tivesse bastava deixar essa opção desativada, assim não quebraria a dinâmica do jogo.