Also Melodyne mit DNA wird´s definitiv nicht richten können, das kann nur Tonhöhenereignisse erkennen und würde deshalb nicht die Stimme selbst sondern ein Ereignis erkennen lassen und sämtliche Instrumente, die gleichzeitig den selben Ton spielen, da mit führen. Passt also nicht.
Manchmal kann man die Tatsache ausnutzen, daß Gesang ganz mittig im Stereo Panorama angeordet ist. D.h. Du kannst die Mitte entfernen und findest dann an den Rändern des Stereo- Bildes, abgesehen davon daß es da vielleicht noch Rest einer Stereo- Hallfahne des Gesanges oder ähnliches gibt, vielleicht die Samples, die Du haben wolltest.
Das läßt sich mit einer MS- Matrix lösen, wenn man die Mitte einfach ausblendet.
Es gibt auch Vocal- Remover oder Karaoke Tools, die das so ähnlich machen, teilweise sogar Frequenzabhängig, wo dann evtl. nicht so viele Instrumente mit betroffen werden.
Tip : dieser Effekt ist auch in Audacity (Freeware Audio Editor) eingebaut und nennt sich dort auch Vocal Remover.