Das obige Verfahren dürfte nur funktionieren, wenn die Stimme streng in der Mitte liegt und links und rechts die Musik - alles streng getrennt. Oder Links die Stimmt und rechts dazu die Begleitung, auch ohne Überschneidungen. Eine andere, rein theoretische Möglichkeit wäre gegeben, wenn sich Gesang-Tonfrequenzen und die Tonfrequenzen der Begleitung nicht überlappen, dann könnte man mit einem Filter ab xyz Hz die Sachen trennen. Kommt aber in der Praxis nie vor.
Da sich aber immer die Tonfrequenzen der menschlichen Stimme mit denen der Begleitinstrumente weitestgehend überlappen werden, ist eine Trennung nach Frequenzen sinnlos. Auch den Gesang bzw. die Musik "scharfkantig auszuschneiden", dürfte sich dennoch was überlappen.
Das wird wohl nichts werden. Aus Rührei wieder das Ei zurückzugewinnen, wird ja auch so mal eben nichts.