人声一般在混音的时候放在正中，双声道立体声的概念里中间声像意味着左右扬声器拥有相同的信号，那么把一侧反向叠加另一侧就出现了波峰对波谷彻底抵消的结果

先进行频率阶段的滤波，在某些频率上再使用相位抵消，原理上比如说要提取人声就先做MS编码，M声部滤掉低频去除同样在中间声部的BASS。

现在的工具可以根据声音的特殊属性进行拆分，但如果不同乐器之间有高度接近的部分基本就拆不出来了，比如键盘模拟的打击乐和现场的打击

但如果单音轨的话很难，原来试过一些声称能自动扒某乐器音轨的效果都很差，无非就是些模式识别和过滤的技术。

用两个距离不同的麦克风拾取两个扬声器的声音，可以从算法角度分离出两个声音，但是现实中的乐器通常远大于录音的轨道数，而且乐器声学的各向异性比扬声器大而复杂得多，所以从商业作品里分离出指定的声音，可以做到。

可以咨询专业人士。