アイドル曲、テンポ120なら、
1分間に4分音符が120ある。
つまり、1つの4分音符が0.5秒

「めめしくて」なんて、16分音符だから、
4分音符の中に、「めめしく」と4つあるから、
1つの音は、0.5 / 4 = 0.125秒

そのタイミングで、何十もの音源を合わせるのだから、
0.01秒以下のタイミングの精密さが必要