Pues usar el V-BLANK es la única opción, salvo que te quieras complicar mucho la vida y hacer código síncrono y poder así usar hasta 6 canales en un PSG normal más 1 canal adicional a través del click de teclado 

Dicho en plata: es suicida hacer cualquier cosa que tenga que ver con música sin usar el V-BLANK, que es la principal herramienta de temporalización del MSX.

Lo que sí tienes que tener en cuenta es que, salvo que programes un reproductor que corrija este efecto, el sonido que diseñes a 50 Hz te irá un 20% más rápido en un ordenador a 60 Hz. Por lo tanto, tu programa debería determinar la frecuencia y, según eso, realizar los ajustes necesarios: para un sonido cada décima de segundo, a 50 Hz esperarías 5 frames y a 60 Hz esperarías 6 frames.

Lo que sucede con esto, es que es bastante más complejo si estás empleando envolventes por hardware, cuya frecuencia no es tan fácil de convertir (necesitas dividir / multiplicar números de 16 bits).