Как вырезать музыку из видео, а голос героев оставить?

На сайте x-minus, например, есть функция из любой аудио дорожки вырезается музыка и оставляется только голос исполнителя или наоборот. И делает алгоритм это очень неплохо. Интересует такой-же механизм для, допустим, фрагментов фильмов, где, например, сцена драки и музыка какая-то, а ты чувствуешь, что ну вот другая песня сюда бы идеально подошла бы. Недоэволюционировали ли нынешние нейросети до подобного?