Zunächst einmal "Respekt, wer`s selber macht !"
Habe ja von deinem Cutter/Mentor ProTools-Desaster gelesen... aber finde auch, dass du es allein ganz gut gelöst hast

.
In der Tat braucht alles noch seinen Feinschliff, aber das sind alles kleine-feine Dinge, für die nun kein Studium absolvieren werden müsste. Im wesentlichen hast du es da selbst erfasst... es geht um Panning und Lautstärkeverhältnisse.
Ich schließe ich mich da weitestgehend Meinhards konstruktiven Senf mit an.

Folgendes auch nur unter der Prämisse "alles kann, nichts muss".
S1:
- Es kommt (zu) viel aus der Mitte.
Das ist zwar für `ne Monokompatibilität im technischen Sinne ganz toll, aber das Problem das in Hörspielen entstehen kann, ist "Reizüberflutung", wenn sehr viel an sich überlagernder Information aus Geräuschen und Dialogen usw. aus nur einer Richtung kommt.
Ich verfahre in meinen Produktion zumeist in der klassischen Positionierung, dass einzig dem Erzähler die goldene Mitte gehört, während alle anderen handelnden Personen, ganz ganz leicht neben das Zentrum, bzw. um das Zentrum verteilt sind. Das schafft eine ganz natürliche Räumlichkeit.
Von den Akteuren getriggerte Events (handelnde Geräusche, wie z.B. sich ein Streichholz anzünden, Schrittgeräusch etc.) sind an den spezifischen Positionen der Auslösenden verortet, wohingegen Atmo, Background und SFX "irgendwo" und "losgelöst" auf der Bühne passieren können.
Sehr überraschend kommend, bzw. zunächst gewöhnungsbedürftig, ist der für deutsche Ohren spanische Akzent der (muttersprachlichen?) Erzählerin.
Ich hatte zunächst meine Schwierigkeiten zu entziffern, welche Sprache dies sei und tippte in den ersten fünf Sekunden auf Switzerdeutsch

, denn ich habe es zunächst weder phonetisch noch akustisch verstanden, weil eben viel aus der sich überlagernden Mitte kommt und die sehr ruhige Erzählerdame sich auch nicht (nicht nur lautstärketechnisch) vom restlichen Geschehen abhebt.
Bei "Fremdsprachen/Akzente/Dialekte" sollte man etwas 8 gebend aufpassen, da
dir natürlich der textliche Inhalt bekannt ist, aber Ersthörer mitunter (Einstiegs)Schwierigkeiten hinsichtlich akustischer Sprachverständlichkeit haben können, weswegen sich derlei Dinge natürlich bestmöglichst akustisch verständlich durchsetzen sollten.
Ich würde die Dame in der Lautstärke, bzw. generell Erzähler, immer auch lautstärkedeutlicher über den Rest des Geschehens setzen.
Musikalische Untermalung direkt im Hörspiel ist natürlich Geschmackssache... aber was wäre ein Western ohne entsprechende Westernmusik ?... Winnetou ohne Martin Böttcher ?
Musik ist auch in meinen Produktionen ein ganz wesentlicher Bestandteil, nicht nur als Untermalung, sondern auch als eigenständiger Akteur.
Daher ist es aber auch um so essentieller, eine im Stereobild gut ausgewogene Stage an Dialogen und Soundkulisse zu haben, damit sich die Dinge sich nicht gegenseitig zu sehr maskieren (überlagern) und die Musik im Kontrast agieren kann.
Üblicherweise werden musikalische Lead-Instrumente zumeist mittig platziert, was aber dann zum Problem führen kann, wenn eben auch (fast) alles andere mittig platziert ist.
Wenn du das Glück hast, dir Kompositionen spezifisch anfertigen zu lassen, wäre es absolut nicht verkehrt, Lead-Instrumente nicht mittig, sondern ebenfalls entweder ein klein wenig- oder explizit stark Links/Rechts zu verteilen, damit diese die "sprachliche Mitte" eines Hörspiels nicht zu sehr zukleistern. (ggfls. kann auch ein Stereo-Imager, bzw. Mid/Side (MS)-EQ etwas mehr Transparenz reinbringen).
In deinem Fall aus Sze1 sollte es aber schon genügen, wenn du deine Akteure im Stereopan etwas ausgewogener verteilst.
Das klingt zwar alles nach recht viel, sind aber nur schnelle kurze Eingriffe, hier und dort mal etwas nach n bissl Links/Rechts verschieben und die Lautstärke (Erzähler) etwas anzuheben... also keine Notwendigkeit für das Belegen eines Studiums.
Zu S2 ... siehe S1.
Zu S3 hat Meinard ebenfalls für mein Dafürhalten bereits alles gesagt

Ich kann an dieser Stelle nur noch einbringen, dass Geräusche die hart links/rechts verteilt sind (wie z.B. Hufgetrappel) nicht lauter sein sollten, als das gesprochene Geschehen der Akteure im Zentrum, wenn man z.B. landschaftlich räumliche Weite und Tiefe suggerieren möchte.
Wünsche dir weiterhin viel Erfolg mit der Produktion und wie gesagt... alles kann- nichts muss.

Und du bist schon soweit gekommen und eigentlich auch doch angesichts des ganzen Sounddesigns relativ fit mit deinem Arranger, dass du das Feintuning auch relativ "mühelos" bewerkstelligen können wirst.
Beste Grüße
Markus