一般来说可以使用声音识别技术或者分离声道的方法来分离视频里两个人的声音。声音识别技术是通过深度学习、机器学习这样的技术将声音信号分类，从而实现对声音信号的混合输出中分离出指定声音。另外，分离声道的方法是通过开放音频框架，从视频的原始数据中提取出音频信号，并将其分成单一的左声道和右声道的声音信号，从而将混合的声音分成两个单一的声音信号。拓展在分离完毕后，可以对分离的声音信号进行后期的加工处理，比如压缩信号的大小，调整信号的混响等，使声音信号更加通顺流畅。