複数の人がいるところで録音した音声から自分の声だけ消したい

複数人の声のなかから、特定の人の声だけを削除するのはかなり難しいと思います。

音というのは、周波数と振幅と波の形の3要素で定まってきます。

環境音やノイズがある音声データの中から人の声だけを抽出するのは、人の声の周波数帯以外の部分をカットすることで実現できます。
ですので、音楽データからボーカル音源だけを抜き取ったり、逆にボーカル音源だけカットしてカラオケ音源を作成するようなツールはいくつかあると思います。

ただ、複数人の声の中から特定の人の声を特定するとなると、上記音の3つの要素がかなり限られてくるので特定することがかなり難しくなります。
（4人のうち、1人だけ男性もしくは1人だけ女性で、話し声の周波数帯が異なればその周波数帯をカットすることである程度実現できると思います。）

最近では、ある1人の人物の声を事前に10秒ほど録音してAIに学習させ、複数人の声のなかからその人の声だけ抽出するような技術の研究もあるようですが、まだ一般的に利用できるツールとして開発が進められていないのか、少し探した限りではそういったツールは見つかりませんでした。

声が重なっていないのであれば、人の耳で聞きながら、人力で特定の人が話している部分だけ削除するのが手っ取り早いような気がします。

音楽編集ソフトに頼るしかない気がします。
studio Oneなどで該当の音声が流れている部分をミュートするとか。
動画音声編集はqiitaで聞いてもあまり真っ当な答えがない気がします。