NonSteamLaunchers项目v4.0.1版本发布:新增三大游戏平台支持
项目概述
NonSteamLaunchers是一个旨在帮助Steam Deck用户整合非Steam游戏平台的工具项目。通过这个项目,玩家可以在Steam Deck上方便地安装和管理多个第三方游戏平台,并将这些平台的游戏整合到Steam界面中,实现统一的游戏库管理体验。
v4.0.1版本主要更新内容
新增三大游戏平台支持
本次4.0.1版本更新为NonSteamLaunchers带来了三个新的游戏平台支持:
-
Game Jolt Client:一个专注于独立游戏的数字发行平台,为玩家提供了大量优秀的独立游戏作品。开发团队表示未来还将为该平台添加游戏扫描功能。
-
Artix Game Launcher:虽然体积小巧,但功能完善,运行稳定。这是一个轻量级的游戏启动器,适合那些追求简洁体验的用户。
-
ARC Launcher:目前需要用户手动输入进行安装配置,开发团队正在优化这一流程,未来版本可能会实现自动化安装。
桌面版与插件版功能区分
项目现在提供了两种不同的.desktop文件,以满足不同用户的需求:
-
桌面版本(NonSteamLaunchers.desktop):包含完整的安装功能,可选择安装最新版本的NSL Decky Loader插件。
-
插件版本(NSLPlugin.desktop):专为已安装Decky Loader的用户设计,可直接在桌面模式下进行插件安装和更新,无需进入游戏模式。
Windows平台支持优化
对于Windows用户,项目提供了专门的安装流程:
-
首先运行NSLPluginWindows.exe,该程序会创建Decky Loader所需的cef调试文件。
-
然后可选择运行No_console.exe或Plugin Loader.exe来启动插件。
-
进入游戏模式或大屏幕模式后,即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows版本目前仅支持游戏扫描功能,其他功能暂不可用。用户可以选择自动扫描或手动扫描游戏库。
技术实现亮点
-
跨平台兼容性:项目同时支持Linux和Windows系统,特别是对Steam Deck的深度优化。
-
自动化整合:能够自动为非Steam游戏添加精美的封面艺术,并正确格式化游戏信息。
-
模块化设计:通过插件系统实现功能扩展,方便添加新的游戏平台支持。
使用建议
对于Steam Deck用户,建议根据是否已安装Decky Loader选择合适的.desktop文件。如果追求完整功能体验,推荐使用桌面版本;如果只需要插件更新,插件版本更为便捷。
对于Windows用户,虽然功能有限,但游戏扫描和整合功能已经可以大大提升游戏库管理效率。期待未来版本能带来更完整的Windows支持。
未来展望
从更新日志可以看出,开发团队正在积极扩展支持的游戏平台数量,同时优化现有功能的用户体验。特别是对ARC Launcher手动安装流程的改进承诺,显示了团队对用户体验的重视。随着项目的持续发展,NonSteamLaunchers有望成为Steam Deck玩家不可或缺的游戏管理工具。
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