Pour la voix, on peut appliquer un low-pass filter avec cut-off a 3000 Hz. S'il y a encore trop de musique, on reduit progressivement le seuil a 2000 Hz, et meme moins. Plus on reduit le seuil, plus on elimine la musique, mais plus le son de la voix devient aussi "etouffe". C'est comme si on l'entend via un telephone. A partir d'une certaine limite, un filtre a basse frequence ne suffit plus et il faut appliquer des algorithmes plus sophistiques (effets reverb par ex., je suggere l'outil sox). Mais pour un simple low-pass, Audacity est en effet une excellente suggestion.