音声の消し方を教えてください

お仕事ということですので、後々トラブルにならないためにもまずは依頼主との相談が必要かと思います。

私も仕事で、日本国内の番組を海外販売したりコンテストに出すといったことに携わることがありますが、そういった場合には完成版の音声から「音楽・SEを抜いたミックス」と「音楽・SEのみのミックス」を別々でもらいます（もっと細かく分かれていたり、ProToolsという音編集ソフトのプロジェクトデータで受け取ることもあります）。

そういった素材が無い場合は、日本語を部分を完全に消すのではなくうっすら聞こえる状態で英語をかぶせる（狭義の）「ボイスオーバー」を用いています。BGMやSEも一緒に小さくなってしまいますが、それは諦めるしかない部分でもあります。

BGMとSEがステレオ音声で日本語の声がモノラルでしたらカラオケ生成の原理で抜き出したり、もしかすると最新のAI技術で声だけ消すものがあるかもしれませんが、私はそういった手法を使ったことがありませんため、他の方々から良い案が寄せられることを期待いたします。