Dla plików stereo są dwie mozliwości:
- prosta - odwracasz fazę jednego z kanałów i miksujesz go zdrugim. Jesli w piosence wokal był wmiksowany w środek sceny a instrumenty nie, wtedy w teorii zostają Ci instrumenty (w mono) a wokal nie. W praktyce, poniwaz pewne instrumenty są wmntowane też w środek, zaś wokal nie calkiekm w środek lub ma przestrzenny pogłos, wyniki są od słabych po paskudne. Dla filmu bedą jeszcze paskudniejsze, bo dialog rzadko bedzie w srodek.
- Adobe Audition od v.1.5 ma Center Channel Extractor który podobno robi to lepiej, nikt nie wie jak. Ale też może być wymaganie głosu w środku (nie wiem, mam 1.0)
Możesz też próbować odfiltrować częstotliwości głosu od muzyki, ale to nie wyjdzie, bo się na pewno bedą nakładać.