C'est donc de l'audio... quasi impossible, désolé.
Ce qu'il faut comprendre c'est qu'il y a des fréquences communes à la voix et aux instruments qui se retrouvent donc fusionnées. Dans un morceau enregistré en stéréo, on peut parfois espérer enlever la voix pour ne garder que la partie instrumentale à condition que celle-ci soit placée au centre, mais ça ne donne qu'exceptionnellement des résultats acceptables à cause des fréquences communes.