Se houvesse um vídeo original com uma faixa de áudio e mais tarde alguém adicionasse música a ele, misturando-o ao áudio original, seria impossível "descompactar" esses dois sinais novamente. Seu arquivo tem apenas uma faixa de áudio, então não há nada para separar.
PS: A única exceção é sinais onde o layout estéreo permitiria que você extraísse certos componentes. Um exemplo típico é um “efeito de karaokê”, em que você extraiu os vocais da música pop, uma vez que eles são tipicamente misturados em um centro morto e estão dentro de uma faixa de freqüência conhecida e, portanto, são mais fáceis de separar de outros instrumentos. Existem ferramentas para isso que são vendidas comercialmente, mas há algumas outras ferramentas livres também. E a perspectiva do engenheiro de som sobre isso é descrita aqui .