Hi,

das gestaltet sich schwierig, ähnlich schwer, wie aus einem Song eine Karaoke-Version zu machen.
Du könntest bei der Tonspur versuchen die Stimmfrequenzen rauszufiltern - nur wird dir das u.U. auch den restlichen Ton zerhäckseln. Alternativ kannst du ganz plakativ da, wo nur gesprochener Text und kein sonstiger/wichtiger Ton ist, einfach die Audiospur beschneiden.