Не смог выполнить задание, потому что первоначально не слышал аудиозапись и не подозревал, что там формат не "интервью", а скорее "интершум". Вытащить диалоги не удалось, речь в диалогах смешивается с музыкой и записана вдали от источника.
К сожалению, на записи настолько много шумов, что разобрать о чем говорят люди, без предварительной обработке записи, невозможно.