Mit welchem Programm kann ich eine Stimme von einer Aufnahme extrahieren und dann von ihr Text vorlesen lassen?

Stimme extrahieren sollte mit dem Audio Editor von Nero gehen.
https://www.computerbild.de/download/Nero-WaveEditor-2019-7785189.html
Der zweite Teil wird wohl nichts. Text to speech mit eigenen Stimmen ?
Kannst Du aber vielleicht hier kaufen.
https://www.readspeaker.com/de/tts-stimmen/

Von ihr Text vorlesen lassen wird ein wenig schwieriger. Da sind wir dann bei entsprechenden KI Algorithmen, wie sie für Deepfakes genutzt werden. Dafür gibt es soweit ich weiß Gott sei dank keine unkomplizierten Fertigtools. Da müsstest du dich schon mit der Programmierung auseinander setzen und entsprechenden Algorithmen und könntest dann ggf. mittels einer Library wie TensorFlow und viel, viel Ausgangsmaterial so etwas realisieren.

es ist noch nicht so lange her, dass bei einer Konferenz akustisches Editing einer Sprechstimme als Prototyp demonstriert wurde. Wenn es das auf dem Markt gibt, kann man keiner Aufnahme mehr glauben, dann sagt Hitler "nutze die Macht", dann sagt der Papst "ich machs mir selbst", und jeder Redner kann hinterher behaupten "das habe ich nie gesagt".

Wenn das kommt, werden Originalaufnahmen nur noch PK-verschlüsselt kommen und müssen beim Abspielen entschlüsselt werden. Das Leben wird wieder gefährlicher und komplizierter.

Indem Du Dir das Mehrspurband besorgst und die Gesangsspur stumm schaltest.