Por que a preservação do pitch na reprodução de áudio (supostamente) é menos eficiente?

No VLC para Android, descobri uma opção para preservar o tom durante a reprodução mais rápida do que o normal:

O "requer um dispositivo rápido", obviamente, implica que reprodução mais rápida é mais eficiente quando o tom é alterado também. Por que?

O que eu tentei: Antes de postar essa pergunta, fiz uma pesquisa superficial no Google. De acordo com a Wikipedia, existem vários métodos para reprodução mais rápida de áudio, o "mais simples" (Resampling) muda o tom.

Quando o PC "toca" um único dado de som, o resultado final do processo digital para analógico é que um alto-falante é acionado por um determinado valor. Se esse processo acontecer mais rápido para uma determinada quantidade de dados, e nada mais é feito , a frequência será então maior. Vibração mais rápida = maior frequência.

Para manter a frequência igual para uma determinada velocidade, a forma de onda de saída deve ser modificada (acho que o processo é chamado de FFT) em vez de ser reproduzido diretamente, e isso é computacionalmente caro.