如何快速上手vJoy虚拟摇杆:从安装到使用的完整指南
2026-02-05 04:56:50作者:龚格成
vJoy是一款功能强大的虚拟摇杆工具,能够帮助用户在Windows系统中创建多个虚拟控制器,完美适配游戏开发、模拟器操作等多种场景。本文将带你一步步完成vJoy的下载、安装与基础配置,让你轻松解锁虚拟输入设备的无限可能。
📋 1. vJoy项目核心功能介绍
vJoy虚拟摇杆是一款开源项目,主要功能包括:
- 创建最多16个虚拟游戏控制器
- 支持多轴、按钮和POV控制
- 提供C++/C#开发接口(SDK/inc/vjoyinterface.h)
- 兼容Windows 7至Windows 10系统
项目核心组件路径:
- 驱动程序:driver/sys/vjoy.inx
- 配置工具:apps/vJoyConf/vJoyConf.cpp
- 编译脚本:BuildAll.bat
🔧 2. 一键安装vJoy的详细步骤
2.1 获取项目源码
git clone https://gitcode.com/gh_mirrors/vj/vJoy
cd vJoy
2.2 自动编译项目组件
双击运行根目录下的 BuildAll.bat,脚本将自动完成:
- 应用程序编译(apps/目录)
- 驱动程序构建(driver/sys/目录)
- SDK库文件生成(SDK/lib/目录)
⚠️ 注意:编译前需安装Visual Studio 2015+及Windows SDK
2.3 安装vJoy驱动
- 进入编译后的驱动目录:
driver/Package - 右键以管理员身份运行安装程序
- 按照向导完成驱动签名验证(测试环境可使用install/SeTestCert.cer)
⚙️ 3. 最快配置虚拟摇杆的方法
3.1 启动vJoy配置工具
运行 vJoyConf.exe(位于apps/vJoyConf/目录),界面包含:
- 设备数量设置(最多16个虚拟摇杆)
- 轴类型配置(X/Y/Z轴、滑块等)
- 按钮数量调整(1-128个按钮)
3.2 基础配置示例
- 勾选"Enable vJoy Device"激活设备
- 设置轴数量为4(X/Y/Z/Rz)
- 配置32个按钮和2个POV控制器
- 点击"Apply"保存设置
🎮 4. 测试虚拟摇杆功能
4.1 使用监控工具验证
打开apps/Monitor/目录下的监控程序,可实时查看:
- 轴位置变化
- 按钮按下状态
- POV方向指示
4.2 运行演示程序
启动apps/vJoyDemo/目录下的演示程序,测试虚拟摇杆的:
- 基本输入响应
- 力反馈效果(若支持)
- 多设备切换功能
📚 5. 开发资源与进阶指南
5.1 SDK使用文档
官方开发文档位于docs/OverView.odt,包含:
- API函数说明
- 数据结构定义
- 错误码参考
5.2 示例代码路径
- C#示例:SDK/c#/FeederDemoCS
- C++客户端:apps/vJoyClient/
- 力反馈测试:apps/FfbMon/
❓ 常见问题解决
驱动安装失败
- 确保以管理员身份运行安装程序
- 临时关闭Windows安全中心实时保护
- 手动信任测试证书:install/SeTestCert.cer
设备无响应
- 检查服务状态:
services.msc中确认"vJoy Device Provider"已启动 - 重新编译驱动:运行BuildAll.bat清理并重建
- 验证设备冲突:在设备管理器中禁用其他虚拟输入设备
通过以上步骤,你已成功搭建vJoy虚拟摇杆系统。无论是游戏开发、模拟器控制还是自动化测试,vJoy都能提供稳定可靠的虚拟输入解决方案。更多高级功能可参考官方文档或查看源码实现。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0382
openPangu-2.0-Flash昇腾原生的openPangu-2.0-Flash语言模型Python00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0269
LongCat-2.0LongCat-2.0,这是一款大规模混合专家(MoE)语言模型,总参数量达1.6万亿,每token激活参数量约480亿。LongCat-2.0深度集成Claude Code、OpenClaw、Hermes等主流评测框架,在代码理解、仓库级编辑、自动化任务执行及智能体工作流等场景均表现优异——为开发者提供更稳定高效的协作体验。00
项目优选
收起
暂无描述
Markdown
814
5.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
930
2.18 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
750
1.49 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
780
1.06 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
484
493
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.16 K
1.19 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
294
269
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
840
360
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.73 K
712