Наверное, никак. Просто полагаться на ушки
Это то, что касаемо
именно громкости вокала и музыки. А если вообще, то о сведении целые книги написаны (то же "Искусство сведения" Дэвида Гибсона, к примеру). Но там эта тема куда шире рассмотрена, нежели просто "выставление" громкости. А если вокал в некоторых местах глушится фонограммой, а в других, наоборот, "торчит" из неё, то, может быть, динамическая обработка вокала сделана неправильно?