時々英語が混じるのは、日本語ボイスの収録が間に合ってないからじゃないのかね
声優さんを拘束するのも金かかるから、ある程度の量のボイスが溜まってから収録したい
とかもあるのかもしれん。出発点は英語ボイスで、それをローカライズする手間もあるだろうし