使用 Modal 上的 Sidon 清除影片中的雜音
Sidon v0.1（Hugging Face 上的 sarulab-speech/sidon-v0.1）是一個音訊到音訊的語音修復模型，能以 48 kHz 重新合成語音。它需要 GPU，因此模型運行在 Modal 上；其餘處理（擷取、響度、重新封裝）則在本機使用 ffmpeg 完成。影片串流絕不會被重新編碼。
Modal 任務是本外掛中的 scripts/sidon_enhance.py（${CLAUDE_PLUGIN_ROOT}/scripts/sidon_enhance.py）。
模型選擇（為何選用 Sidon）
| 模型 | 結論 |
|---|---|
| Sidon v0.1 | 預設。輕量；一份 11 分鐘的檔案在 L4 等級 GPU 上只需一個任務，花費幾美分。輸出乾淨、全頻段、48 kHz。 |
| NVIDIA RE-USE | 保留較多說話者自身的頻譜細節，但長時間檔案會耗盡 GPU 記憶體（在 11 分鐘檔案的第二個 30 秒區塊失敗）。僅適用於短片。 |
| DeepFilterNet | 排除：人聲出現可聽失真。 |
Sidon 會重建 8 kHz 以上的所有內容，因此結果是沒有任何空間或背景雜音的人聲。音軌中的音樂和其他非語音聲音會遺失。如果影片有背景音樂，請先清理人聲再加入音樂。
偏好設定
讀取第一個存在的資料根目錄下的 remote-video-editing/preferences.json：$CLAUDE_USER_DATA、~/.claude-user-data、${XDG_DATA_HOME:-~/.local/share}/claude-plugins。鍵值說明：
| 鍵 | 預設值 | 說明 |
|---|---|---|
modal_command | modal | 執行 Modal 應用程式的命令（可為用來選擇設定檔或工作空間的包裝命令） |
run_notes | 無 | 關於在「何處」執行 Modal（例如持有驗證資訊的其他主機）以及檔案如何到達該處的自由文字說明。請遵循這些說明。 |
loudness_lufs | -14 | 整合響度目標（YouTube 風格） |
true_peak_db | -1.5 | 真峰上限 |
如果沒有此檔案且 modal token 尚未設定（modal profile current 失敗），請停止並告知使用者先執行 modal setup。
操作流程
在原始影片旁的資料夾中進行操作。IN=<影片>，MODAL=<modal_command, 預設 modal>。
- 擷取音訊為單聲道 48 kHz FLAC：
ffmpeg -v error -y -i "$IN" -vn -ac 1 -ar 48000 -c:a flac -sample_fmt s16 audio.flac - 先測試 30 秒。從有語音的段落（不是開頭幾秒）剪一段：
ffmpeg -v error -y -ss 60 -t 30 -i audio.flac -c:a flac test30.flac $MODAL run "${CLAUDE_PLUGIN_ROOT}/scripts/sidon_enhance.py" --src test30.flac --out test30_sidon.flac - 執行完整音軌：
$MODAL run "${CLAUDE_PLUGIN_ROOT}/scripts/sidon_enhance.py" --src audio.flac --out audio_sidon.flac - 測量響度（兩階段
loudnorm的第一階段）：ffmpeg -hide_banner -nostats -i audio_sidon.flac \ -af loudnorm=I=-14:TP=-1.5:LRA=11:print_format=json -f null - 2>&1 | grep -A12 '^{' - 重新封裝並帶入測量值。影片以串流複製方式處理：
ffmpeg -v error -y -i "$IN" -i audio_sidon.flac -map 0:v -map 1:a -c:v copy \ -af "loudnorm=I=-14:TP=-1.5:LRA=11:measured_I=<input_i>:measured_TP=<input_tp>:measured_LRA=<input_lra>:measured_thresh=<input_thresh>:offset=<target_offset>:linear=true,aresample=48000" \ -c:a aac -b:a 192k -movflags +faststart "<name>_clean.mp4"-tag:v hvc1。 - 驗證： 使用
ffprobe比對來源影片的時長（應在一個影格內相符），並在同一偏移處剪出一組 30 秒的前後對照片段（-vn -c:a copy）供使用者比較。
腳本庫
如果使用者有腳本庫（find-script、save-script），請在修改 Modal 任務前檢查，並在修改後儲存任何變更版本。
成本與限制
- 腳本中的 GPU 列表：L4、A10G、L40S（Modal 有空的皆可）。逾時 1 小時。
- 整個檔案以位元組形式傳送給函式。對於長達一到兩小時的單聲道 FLAC 音軌沒問題；更長的素材請分割音訊、分別執行各部分，再使用 ffmpeg
concat合併。 - 權重每次冷啟動時從 Hugging Face 下載（公開，無需 token）。
相關資源
若需本機編輯、渲染和音訊處理（Kdenlive、melt、ffmpeg 預設值、靜音剪輯），請參閱此外掛中的 complementary-plugins 技能。