消除一首歌的电吉他部分得到伴奏是音频分离技术的一种应用，也是一项比较复杂的任务。下面我将为您详细介绍这个过程。

首先，我们需要了解音频信号的特性。音频信号是由多个频率组成的，每个频率对应着不同的声音。对于一首歌曲来说，其中包含了各种声音，如人声、吉他、鼓、贝斯等等。如果我们想要消除电吉他部分，就需要找到这个部分在频谱中的特征，然后对这个部分进行消除。

接下来，我们可以使用一些音频分离技术来实现这个目标。其中，深度学习是一种常用的方法。深度学习可以通过训练神经网络来学习不同声音的特征，然后将这些特征应用于音频分离任务中。常用的深度学习模型包括卷积神经网络（CNN）和循环神经网络（RNN）等。

在训练模型之前，我们需要准备数据集。数据集应该包含有吉他和伴奏两个音轨。接着，我们需要对这些音轨进行预处理。预处理的过程包括去噪、均衡化、降噪等。这些步骤可以提高模型的准确性。

接下来，我们可以使用训练好的模型来对音频进行分离。具体方法是将音频输入到模型中，然后模型会自动识别出吉他和伴奏两个部分。最后，我们可以将伴奏部分提取出来，得到我们想要的结果。

需要注意的是，音频分离技术并不是一种完美的技术。在实际应用中，我们可能会得到一些噪声或者失真的音频。因此，在使用音频分离技术时，我们需要对结果进行一定的修复和后处理，以提高其质量。

总之，消除一首歌的电吉他部分得到伴奏是一项比较复杂的任务，需要使用一些高级的音频分离技术。通过深度学习等方法，我们可以实现这个目标，并得到高质量的伴奏。