На фоне этой музыке не будет ни какой возможности говорить. Диапазон голоса заполнен ярко звучащими инструментами и, что бы услышать речь, нужно будет очень сильно глушить музыку. Это плохо для видео и такой трек не купят. Но, мелодия очень хороша. Можно сделать сведение заново, что бы середина (диапазон средних частот) были мягкими и комфортными, что бы голос (как, например, голос диктора в документальном кино) мог звучать понятно и разборчиво, и музыка его не маскировала.