wiliwili:颠覆游戏主机观影体验的跨平台B站客户端
wiliwili是一款专为手柄操作优化的第三方B站客户端,让你在Switch、PSVita、PS4等游戏主机上也能享受流畅的B站视频体验。它突破了官方客户端的平台限制,提供统一的操作逻辑和内容服务,重新定义了游戏设备上的视频娱乐方式。
核心价值:跨设备无缝体验
对于游戏主机用户而言,在电视大屏上舒适观看B站内容一直是痛点。wiliwili通过深度优化的手柄控制方案,让用户可以像操作游戏一样轻松浏览视频、发送弹幕。无论是在Switch的掌机模式还是连接电视的主机模式,都能获得一致的操作体验,真正实现"拿起手柄就能看"的便捷性。
功能解析:完整B站生态体验
全内容覆盖的视频服务
wiliwili支持B站全部内容类型,包括番剧、电影、纪录片、综艺和直播等。用户可以通过直观的分类导航快速找到感兴趣的内容,收藏夹和历史记录功能让追剧变得更加轻松。
互动性弹幕系统
作为B站的核心特色,弹幕功能在wiliwili中得到了完整保留。用户不仅可以观看实时弹幕,还能通过手柄快捷发送评论,参与视频互动。弹幕速度和透明度等参数可根据个人喜好调整,打造个性化观看体验。
多语言界面支持
软件内置简体中文、繁体中文、日语、韩语和英语等多种语言,满足不同地区用户的使用需求。界面设计简洁直观,即使是初次使用的用户也能快速上手。
全平台安装方案
Nintendo Switch安装指南
- 确保你的Switch已破解并运行最新大气层系统
- 下载Switch版本的wiliwili安装包
- 将
wiliwili.nro文件复制到内存卡的switch目录 - 按住R键打开任意游戏进入hbmenu,选择wiliwili启动
PSVita安装步骤
- 下载
wiliwili-PSVita.vpk安装包 - 通过VitaShell等工具安装到PSVita
- 开启硬解功能以获得更流畅的720P视频播放体验
PS4平台使用方法
- 下载
wiliwili-PS4.pkg安装包 - 通过包安装器安装到PS4系统
- 在设置中调整解码模式,推荐开启低画质解码以支持4K视频
PC客户端安装
- Windows:下载exe安装包直接运行,支持硬件解码加速
- macOS:支持10.11及以上版本,可通过Homebrew安装
- Linux:可通过软件商店或Flatpak、AUR等包管理器安装
设备兼容性对比
| 平台 | 视频分辨率 | 特色功能 | 操作方式 |
|---|---|---|---|
| Nintendo Switch | 4K@30/60fps | 双渲染模式切换 | 手柄/触屏 |
| PSVita | 720P | 掌机优化界面 | 手柄/触屏 |
| PS4 | 4K@60fps | 低画质解码模式 | 手柄 |
| Windows/macOS/Linux | 自适应 | 多输入支持 | 鼠标/键盘/手柄 |
实用技巧:提升使用体验
手柄操作快捷键
- 重压摇杆:临时快进功能
- 组合按键:自定义常用操作
- 肩键:快速切换画质和音量
画质优化建议
- 根据设备性能选择合适的渲染模式
- 开启Anime4K提升动画画质
- Wi-Fi环境下建议选择自动画质模式
个性化设置
- 调整主题颜色,支持深浅色模式自动切换
- 自定义界面布局,突出常用功能
- 设置弹幕显示规则,避免遮挡画面
参与贡献:共建开源生态
wiliwili是一个开源项目,欢迎所有感兴趣的开发者参与贡献:
代码开发
项目代码托管在https://gitcode.com/GitHub_Trending/wi/wiliwili,开发者可以提交Pull Request到dev分支参与功能开发。
多语言翻译
帮助完善各语言版本的界面和内容,让更多地区的用户能够便捷使用。
设备移植
如果你有新的游戏主机平台移植经验,欢迎为wiliwili拓展更多支持设备。
项目采用nanovg绘制界面,使用FFMPEG+MPV进行视频播放,具有良好的可移植性。无论是功能改进还是bug修复,所有贡献都将帮助wiliwili变得更加完善。
通过wiliwili,游戏主机不再局限于游戏功能,而是成为全方位的娱乐中心。无论你是在电视前、掌机上还是电脑前,都能享受到一致的B站内容体验,让精彩视频随时随地触手可及。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08


