一般的には、DAWソフトでデータをやり取りします。
昔はマルチトラックレコーダーで伴奏トラックをいれてから、ボーカルに送るなどしてました。ボーカル先でも、タイミングを取るためのトラックに音をいれておけば、伴奏があとでもできます。
声も伴奏もいれても、その伴奏の代わりに演奏して、もとの伴奏を消すなんてのも普通です。
今でも、それは可能で、機械もずっと安くなってます。
でもDAWソフトにその機能があり、さらにいろいろいじくれるので、DAWフトが普通でしょう。
でも、インスタライブではそれはむりです。
オンライン動画対話ソフトをつかえばいいのです。
その場合、AとBが居る場合、Aが配信するなら、Bはモニター分割するか動画の中に入れてやります。Bの音が来るまでに時間がかかりますから。
実際には、Bがほんの少し先に演奏してAが合わせるわけです。
Aの画面のなかのBの演奏風景に合わせるわけです。