作者：程序员小榆
当下环境，我们会发现拥有一门技术已经不足以支撑自己活得体面了，一旦出现意外，难免会陷入自闭和焦虑，甚至慌不择路寻找不到方向。
很多伙伴，包括我自己，有一个潜意识就是多投资自己，打造自己的中心圈。这样不仅能够剥离出工作的焦虑感，还能够应付突发变故从而无缝切换。
最直白的事，当“裁员”的大刀落到自己头上时，你不至于被动无力。职业、事业、副业，我们总要花些时间和精力去想一想，做一做，才一直能有自己人生的话语权和选择权<顺便吆喝一句，职业上的内推机会，技术大厂，前后端测试捞人 ，感兴趣试试>。
了解自媒体，打造自身的一个 IP不失为一个低门槛的很好的方式（没广，放心看）。但是进入自媒体之后你会发现，你极其需要一个充满信息量的圈子和为你节约很多时间精力的神器，如我们程序员这一行一样。
所以，我这里分享几款自媒体玩家或者个人生活中常用到的神器，即可省下很多不必要的时间和精力，还能够为你省下不必要的消耗。
SpleeterGui
这是一款基于 Windows 系统的音轨分离工具，它是第三方制作的 Spleeter 桌面应用，不仅支持中文还支持多国语言，可以将音乐里的人声和伴奏分离。
目前的短视频平台虽然都有提供背景音乐选择，但是选择的音乐或者伴奏总是有限，我们可通过这款工具，将我们喜欢的音乐的伴奏提取出来，满足我们自己视频的需要，是非常合适的。
该工具非常简约，操作功能也简单明了，比如使用周杰伦的《兰亭序》歌曲拖进去，选择人声和伴奏分离，单听伴奏都是非常优美的。
Bringing-Old-Photos-Back-to-Life
这是一款微软开源的深度学习项目，通过深度学习修复老照片的工具，可用于修复破损的老照片，修复效果显著。
我们有时候翻阅一些老照片时，经过各大平台反复周转几次之后，往往会失真，模糊不堪，我们很难找到原高清的图片。同时，我们手上总会保存着年轻或者小时候的一些照片，由于拍摄机器或者年代的问题导致我们的照片已经非常模糊。
如果我们使用这款工具，通过深度学习的方式来修复，可以说是一款非常好的神器了。简直是让老照片起死回生了。
进入 github 地址，下载源码之后打开到当前位置，输入安装命令。
`github 地址：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life?tab=readme-ov-file
运行环境需求：运行代码需要 Python>=3.6。
安装：cmd命令窗口进入项目位置，输入命令：
pip install -r requirements.txt`
使用命令，对于没有划痕的图像：
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0
对于有划痕的图像：
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0 \
--with_scratch
对于有划痕的高分辨率图像：
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0 \
--with_scratch \
--HR
optimizer
这款工具，它是 Windows 系统最好的性能优化器之一，也是一款开源程序**，它有诸多的功能特性，发挥你Windows 系统本该有的性能。
作为程序员，入手电脑时往往会关闭系统更新，删除一些不必要的自带应用，以及反复安装程序或管道服务时候，会想办法删除干净，清理注册表等，不单单是简单的删除应用程序，保持电脑最大程度上的干净和性能。
拥有它，不管你是新手，还是电脑常用玩家，都能够很好帮到你，净化你的电脑。可视化的操作让你电脑怎么干净怎么来，怎么速度怎么来，不需要翻来覆去的找准设置的位置。**
4K Video Downloader
如果是视频类的自媒体玩家，那么视频素材显得格外重要，我们一般会想要下载网络上的视频素材，进行加工和发布，市面上已有的且比较好用的，基本上是需要付费了。
那么，这款神器对我来说是非常好用，且功能非常强大和稳定。它不仅支持现有的媒体网站，例如：Youtube，Vuneo，Tiktok，Blibli** 等等，主要还是永久免费。
操作也非常简单，下载之后打开直接粘贴资源链接或者选择平台进入进行下载。不仅如此，它还能够保持高清不限码地保持视频原有的最高清晰度。
upscayl
这款神器，跟 Bringing-Old-Photos-Back-to-Life 这款神器目的一样，都是为了修复照片使得更加清晰，不过这款是利用 AI 算法的方式进行自动修复，而上一款则是通过深度学习的方式，各有千秋。
它操作非常简单，分为四步：选择照片、选择模型、选择输出地址、照片修复，可以说是非常简易的操作了。
最后
感谢各位看到这里，希望给大家更多帮助，欢迎一起学习和进步~
