SameBoy模拟器v1.0版本发布:全面提升GB/GBC模拟体验
项目简介
SameBoy是一款高精度的Game Boy和Game Boy Color模拟器,以其出色的兼容性和准确性在模拟器领域享有盛誉。该项目采用C语言编写,支持多种平台,包括macOS、iOS、Windows等。SameBoy不仅注重游戏兼容性,还在模拟精度上精益求精,致力于还原原版硬件的每一个细节。
v1.0版本重大更新
跨平台支持扩展
本次1.0版本最引人注目的新特性是新增了对watchOS的支持。watchOS版本不仅支持ROM和存档在iOS设备间的传输,还针对小屏幕优化了两套可自定义的控制方案。用户可以通过快速前进和回退功能更灵活地控制游戏进度,所有设置都能与配对的iPhone同步。
用户体验全面升级
在iOS前端方面,v1.0版本带来了多项改进:支持使用控制器时的全屏模式、新增iCloud支持、改进了带刘海屏iPhone的横向布局,并增加了3种新的界面主题。特别值得一提的是,iOS版本现在可以完整支持Game Boy Printer模拟和作弊码功能。
Cocoa前端(主要面向macOS)现在已进行数字签名和公证,提升了安全性。调试器和其他开发窗口现在可以使用等宽字体,提高了代码可读性。此外,作弊搜索功能已添加到作弊菜单中,作弊窗口的用户界面也经过了重新设计。
音频与视频质量提升
v1.0版本在音频处理上做出了重大改进,用带限合成技术取代了原有的盒式滤波器进行音频下采样,显著提高了所有前端的音频质量。视频方面,改进了PPU(图像处理单元)的时序模拟,特别是针对CGB(彩色Game Boy)0到C版本的模拟更加精确。
模拟精度突破
本次更新在模拟精度方面有多项突破性进展:
- 改进了OAM(对象属性存储器)的可访问性时序
- 更准确地模拟了SCX(水平滚动寄存器)写入冲突
- 改进了PPU取数器时序,修复了《Mr. Chin's Gourmet Paradise》和《Turrican》等游戏中的视觉故障
- 更精确地模拟了窗口边缘情况,包括新发现的CGB窗口故障
- 改进了双倍速模式下LYC(LY比较)边缘情况的模拟精度
技术细节解析
核心架构改进
SameBoy核心现在支持输出2MHz原始音频(无需下采样),为专业用户提供了更高保真度的音频选项。在macOS平台上,Quick Look插件和主应用程序现在共享相同的磁盘代码,减少了应用体积。
值得注意的是,v1.0版本改进了线程和上下文安全断言,增强了多线程环境下的稳定性。同时,构建系统现在支持将SameBoy编译为动态库(包括Windows平台),而之前仅支持静态库。
API稳定性与文档
v1.0版本标志着SameBoy核心API的稳定化。开发团队不仅修复了某些API错误返回成功值的问题,还提供了完整的API文档。这对于希望将SameBoy集成到其他项目中的开发者来说是个重大利好。
兼容性说明
v1.0版本保持了对SameBoy 0.14.3及更新版本存档状态的向后兼容性,同时也兼容任何符合BESS标准的模拟器生成的存档状态。这意味着用户可以无缝迁移他们的游戏进度。
总结
SameBoy v1.0版本是一个重要的里程碑,不仅在功能上有了显著扩展,在模拟精度和用户体验上也达到了新的高度。从新增的watchOS支持到核心模拟精度的各项改进,再到API的稳定化,这个版本展现了SameBoy项目对完美模拟体验的不懈追求。对于Game Boy和Game Boy Color的爱好者来说,v1.0版本无疑是最佳的选择之一。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00