emmm Songoku no deberias hablar de lo que no sabes; si se puede quitar la voz de una grabacion, esto se hace aplicando un filtro paso-banda (por ejemplo) que elimine frecuencias superiores a X hz. En el caso de la voz deberias probar por que es mas impreciso que otros sonidos pero por ejemplo de 10kz a 30... depende...
otra de las formas es utilizar un emulador como dolby surround, que en los canales traseros elimina unas frecuencias proximas a las que te digo, consiguiendo que soo suenen instrumentos en la parte trasera, a demas esto se hace en tiempo real, no tiene que estar previamente grabado.
hay muchas formas y mucha informacion, si quieres hacerlo enterate de como hacerlo.