Hallo,
du hast schon richtig vermutet, bei der Aufnahme von Musik wird die Stimme in der Regel separat von der Musik aufgenommen. Aber für die Produktion der Musik wieder zusammengemischt. Musik besteht aus einer Überlagerung von Frequenzen. Insgesamt ergibt dich ein ein Frequenzgemisch im Bereich von 20 bis 20000 Hertz. Der Gesang ist ein Teil davon. Tatsächlich ist jeder Klang eine Addition von harmonischen Schwingungen, verschiedener Frequenz und Amplitude. Mit der Fourie Analyse können diese Sinusschwingungen wieder in Frequenz und Amplitude zerlegt werden. Kennt ihr sicher von den zappelnden Balkendiagrammen verschiedener Player.
Wer mehr wissen will schaut hier: http://de.wikipedia.org/wiki/Fourier-Analyse
Da sich bei der Musik alle Klänge überlagern, ist es daher nicht möglich ein einzelnes Instrument oder die menschliche Stimme zu entfernen. Man kann lediglich geziehlt Frequenzen ausfiltern. Da aber auch Musikinstrumente Klänge im Frequenzband der Stimme erzeugen, kann man diesen Bereich nicht einfach herausnehmen.
Es gibt aber einige Tricks die Gesangsstimme stark zu unterdrücken. Ein Trick kann angewendet werden, wenn der Gesang im Zentrum liegt. In diesem Fall wird er von beiden Lautsprechern gleichlaut wiedergegeben. Man invertiert in diesem Fall einen Stereokanal und addiert dann die Kanäle. Damit wird das Zentrum gelöscht, allerdings ist dann auch der Stereoeffekt praktisch verschwunden.
Es gibt noch mehr Tricks, aber insgesamt kann gesagt werden, dass du die Stimme nicht aus der Musik entfernen kannst, ohne das es zu hörbaren Beeinträchtigungen des instrumentalen Anteils kommt.