Goemon64Recomp项目构建指南:从ROM解压到可执行文件生成
2025-06-09 20:36:36作者:吴年前Myrtle
项目概述
Goemon64Recomp是一个针对N64游戏《神秘的忍者:Goemon》的重编译项目,它通过现代编译技术将原版游戏代码转换为可在现代系统上运行的版本。本文将详细介绍如何从零开始构建这个项目,包括环境准备、ROM处理、代码生成和最终编译的全过程。
环境准备
系统要求
项目支持Windows和Linux两大平台,以下是各平台的具体要求:
Windows平台
- Visual Studio 2022:需包含以下组件:
- 桌面开发C++工作负载
- C++ Clang编译器
- C++ CMake工具
- Make工具:可通过包管理器安装
Linux平台(Ubuntu示例)
需要安装以下基础开发工具:
sudo apt-get install cmake ninja-build libsdl2-dev libgtk-3-dev lld llvm clang
其他Linux发行版需安装对应的等效软件包。
获取项目代码
项目使用了多个子模块,因此克隆时需要特殊处理:
git clone --recurse-submodules [仓库地址]
如果克隆时忘记添加参数,可在项目目录下执行:
git submodule update --init --recursive
ROM处理流程
获取原始ROM
需要准备NTSC-U版《神秘的忍者:Goemon》ROM文件,其SHA1校验值应为:
df8083a54296b8c151917c5333e1c85f014a2a66
ROM解压
- 使用专门的解压工具处理原始ROM
- 将解压后的ROM重命名为
mnsg.us.decompressed.z64 - 放置于项目根目录下
代码生成阶段
构建N64Recomp工具
- 先构建N64Recomp和RSPRecomp两个核心工具
- 将生成的可执行文件复制到项目根目录
执行代码转换
在项目根目录下运行:
./N64Recomp mnsg.us.toml
./RSPRecomp aspMain.us.toml
此步骤会将N64原生代码转换为现代C代码。
补丁应用
项目依赖的两个核心库需要应用特定补丁:
- N64ModernRuntime补丁:
cp N64ModernRuntime.patch lib/N64ModernRuntime
cd lib/N64ModernRuntime
git apply N64ModernRuntime.patch
- rt64补丁:
cp rt64.patch lib/rt64
cd lib/rt64
git apply rt64.patch
项目编译
Windows平台编译
- 使用Visual Studio打开项目文件夹
- 直接使用IDE的构建功能进行编译
命令行编译(跨平台)
cmake -S . -B build-cmake -DCMAKE_CXX_COMPILER=clang++ -DCMAKE_C_COMPILER=clang -G Ninja -DCMAKE_BUILD_TYPE=Release
cmake --build build-cmake --target Goemon64Recompiled -j$(nproc) --config Release
调试版本只需将Release替换为Debug。
运行注意事项
-
生成的可执行文件位于:
- Visual Studio:
out/build/x64-[Configuration] - CMake:
build-cmake
- Visual Studio:
-
运行时需确保:
- 从项目根目录执行
- 或复制assets文件夹到构建目录
-
重要提示:实际游戏运行时需要使用标准ROM,而非解压后的版本。
常见问题排查
- 子模块问题:确保所有子模块正确初始化
- ROM校验失败:检查文件SHA1值是否匹配
- 编译错误:确认所有依赖项已安装
- 运行时崩溃:检查assets文件夹是否就位
通过以上步骤,您应该能够成功构建Goemon64Recomp项目,在现代硬件上体验这款经典的N64游戏。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
暂无简介
Dart
633
143
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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++
650
271
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
627
React Native鸿蒙化仓库
JavaScript
243
316
Ascend Extension for PyTorch
Python
194
212