Zwei Vorschläge ins Blaue hinein:
1. Stimmwichtige Frequenzen bei anderen, gleichzeitig spielenden Melos absenken. Stimmwichtige Frequenzen sogar noch einwenig betonen. Das vergrößert den Abstand.
Was du für "stimmwichtig" hältst, entscheidet dein Geschmack. Die Frequenzen, die du von der Stimme haben und sogar hervorheben willst (entscheide dich für kleine, viele oder wenige große Bereiche oder beides, aber lasse Luft zum Atmen für die anderen Instrumente; die sollen sich schließlich um den Stimmensound herumschmiegen. Damit brauchst du die Stimme als Ganzes nicht arg laut machen oder mit dem Grob-Hammer alles andere dumpf)
2. Ducking. Am elegantesten finde ich das frequenzselektive Ducking. Ist ein bisschen komplizierter, als einfach nur ein Signal das andere ducken zu lassen. Aber auf die Schnelle und der Bequemlichkeit halber kannst du es bei der einfachen Variante belassen. Dann ist Fingerspitzengefühl gefragt, schließlich möchtest du ja nicht hörbare Pump-Effekte bei den geduckten Spuren. Um den Negativ-Effekt gering zu halten, nimm`wirklich nur die Instrumente in den Ducking-Vorgang mit rein, die auch wirklich zeitgleich spielen und sich auch eher in den Mitten und Präsenzen entfalten.
Seit neuestem empfehle ich dazu den SidekickV3. Ist easy in der Handhabung.
Wenn du noch ein bisschen pannst, Stereobreiten veränderst (am ehesten wohl bei den anderen Instrumenten, Stimme hat meistens Priorität, was Stereobasis betrifft), dann klappt das schon.
Hallräume ist auch noch so ein Thema; da kommt schon einiges zusammen.
Aber eigentlich ist es gar nicht so unüblich, den Gesang extra laut zu machen. Im Radio hört man doch praktisch nur solche Mucke, wo man den Eindruck hat, der Gesang/Rap wurde einfach nur noch drübergelegt.