Also für mich und auf meiner Stereoanlage hört sich das so an:
Intern: eigentlich recht ausgewogen, allerdings übersteuert und dadurch verzerrt bei Pegelspitzen
EM10 wide: Mitten viel zu stark betont, klingt wie durch einen Telefonhörer
EM10 zoom: besser als wide
Der Live-Switch klingt für mich subjektiv besser als ohne. Würde daher entweder intern oder das EM10 mit zoom und live switch nehmen.
Wenn du Klassik aufnehmen willst, wäre es sinnvoll, den Test mal mit klassischer Musik zu machen.
Wenn der Ton wichtig ist, dann würde ich allerdings eher gar nicht mit so einem Mikro auf der Cam aufnehmen, sondern mit einem externen Rekorder, der zwei eingebaute Mikrofone für AB oder XY-Mikrofonierung bietet. Von Zoom oder Tascam gibt es da zum Beispiel entsprechende Rekorder. Den stellst du dann fest aufs Stativ und kannst dann mit der Cam frei filmen und hast auch keine Probleme mit AF-Geräuschen.
Falls die Instrumente eh per Mikro abgenommen werden (du schreibst ja was von Musikboxen), dann könnte man das Tonsignal eventuell auch direkt vom Mischpult als Stereomix abgreifen oder sogar auf nem Laptop mehrspurig mitschneiden. Das wäre der Königsweg.
Vermeide aber auf jeden Fall eine Übersteuerung des Tons. Das gibt hässliche Verzerrungen, die man auch nicht mehr korrigieren kann. Lieber etwas leiser aufnehmen und hinterher notfalls etwas verstärken.