Programme können nicht hexen, es kommt dabei sehr auf das Ausgangsmaterial an.

"Gesang" (eines Solo-Sängers) ist bei Stereo-Aufnahmen ja meistens "In der Mitte" während die Instrumente etwas links/rechts sind. D.h. Programme können versuchen, einen Kanal zu invertieren und das dann Mono zusammenzumischen. ( Wobei dabei auch Istrumente gedämpft werden, je mehr sie "in der Mitte" liegen. )

(so wie es hier für Audacity erklärt ist, und an den KOmmentaren, die von "Hat super funktioniert" bis "Alles Dreck, geht nicht" kann man sehen dass es eben darauf ankommt, wie das Ausgangsmaterial aussieht)

[www.instructables.com]

Bei Chor-Gesang z.B., wo auch der Gesang räumlich verteilt ist, ist ein Automatismus so gut wie unmöglich, wenn das Ausgangs-Material schon Mono ist, ist es auch sinnlos es so zu versuchen.

Audacity ist meiner meinung nach immernoch die aussichtsreichste Option.

Hier gibt es eine Anleitung für drei verschiedene Möglicheiten:

[manual.audacityteam.org]

(Möglichkeit 1 hast Du vermutlich probiert, Möglichkeit 2 ist relativ unwahrscheinlich, also blieben Möglichkeit 3 Vocal Isoation, die versucht den Gesang anhand des Frequenzbereichs zu filtern)

Wobei, wie gesagt, welche Methode am besten funktioniert hängt von Ausgansmaterial ab. Ein "Bestes Programm für alle Fälle" in dem Sinn gibt es also nicht, man kann nur möglichst viele Programme/Methoden ausprobieren, bis man (vielleicht) eins findet, das funktioniert.