在MMRecompModTemplate中调用原版游戏函数的技术解析
背景介绍
在MMRecompModTemplate项目开发过程中,开发者经常需要修改游戏函数的同时保留对原版游戏函数的调用。本文将以EnItem00_Draw函数为例,详细讲解如何在修改函数的同时正确调用原版游戏中的其他函数和变量。
函数调用问题分析
当开发者使用MMRecompModTemplate修改EnItem00_Draw函数时,会遇到一个常见问题:该函数内部调用的EnItem00_DrawRupee、EnItem00_DrawHeartPiece和EnItem00_DrawHeartContainer等函数无法被正确识别。这是因为这些函数属于原版游戏代码,而模组编译环境默认不会自动包含这些声明。
解决方案
1. 函数声明处理
正确的做法是在模组代码中添加这些函数的声明,而不是尝试导入它们。这与标准C语言开发中的函数前向声明原理相同。例如:
void EnItem00_DrawRupee(Actor* this, PlayState* play);
void EnItem00_DrawHeartPiece(Actor* this, PlayState* play);
void EnItem00_DrawHeartContainer(Actor* this, PlayState* play);
这些声明可以直接从游戏反编译的源代码中获取,确保参数类型和返回类型完全匹配。
2. 变量引用处理
对于游戏中的全局变量(如gMagicMeterEndTex),处理方式类似:
extern u8 gMagicMeterEndTex[];
这些变量声明可以从反编译生成的parameter_static.h等头文件中找到。需要注意的是,这些变量通常定义在游戏的静态资源文件中,正确声明后即可在模组代码中使用。
开发注意事项
-
离线重新编译:修改完成后必须执行完整的离线模组重新编译流程,将生成的DLL文件放入正确位置。
-
调试与发布版本:确保在切换分支后重新构建发布版本,有时调试版本能运行而发布版本不能的问题源于构建不完整。
-
性能考量:相比原版N64游戏,MMRecomp拥有更强大的硬件支持,可以轻松处理原版无法实现的3D物品掉落等效果。
未来展望
随着MMRecomp 1.2版本的发布,离线模组重新编译的步骤可能会被简化,开发者体验将进一步提升。当前解决方案虽然需要一些手动操作,但已经能够满足大多数模组开发需求。
通过正确处理函数和变量声明,开发者可以充分利用原版游戏的功能,同时实现自定义修改,为游戏模组开发提供了更大的灵活性。
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