Das willst Du nicht. Du möchtest beide Tonspuren einzeln (multitrack). In der Nachbearbeitung werden die dann - wie Du erkannt hast - in deiner Bearbeitungssoftware „übereinander gelegt“, bearbeitet, geschnitten…
Die Szene entfernt sich gerade bewusst von Skype. Wenn ihr einen sog. Double-Ender (jeder nimmt nur sich selber auf) macht, geht das zur reinen Kommunikation in Ordnung. Ansonsten ist die Qualität leider schlecht. Alternativen wären aktuell Studio Link (vieles dazu hier im Sendegate) oder vielleicht noch Zencastr.
Wenn Du nicht mischen willst/musst, würde ich zu einem sog. Audio Interface greifen. Hier gibt’s einige Empfehlungen. Für den mobilen Einsatz glänzen nach wie vor die Geräte von ZOOM (H5 / H6). Stationär scheint aktuell das Behringer UMC404HD bzgl. Preis/Leistung fast unschlagbar. Aus der Serie gibt’s auch welche mit nur zwei Mikrofoneingängen, die sind noch etwas günstiger. Ich nutze - für zwei Eingänge - zufrieden ein Steinber UR22 mkII. Das ist aber teurer und kann weniger.
Da hat @john_dillinger schon einen guten Beitrag hier aus dem Sendegate empfohlen. Mikrofone gibt’s viele. Hier gibt’s auch Vergleiche und Empfehlungen. Je nach Anwendungsfall werden dir hier von (fast) jedem wieder andere empfohlen. Da ich mich nicht auf die China-Qualität der HMC660 verlassen möchte, empfehle ich im günstigen Segment das Sennheiser e835.