如何让旧游戏手柄焕发新生?XOutput终极指南:将DirectInput设备完美模拟为Xbox手柄
如果你拥有一个不被支持的老式游戏控制器(比如游戏板、赛车方向盘或摇杆),但又想在Windows系统中享受类似Xbox 360手柄的游戏体验,那么XOutput这款开源软件就是你的理想选择。XOutput能够将系统的DirectInput输入转换为XInput标准,让那些不再兼容通用Windows平台的DirectInput设备,也能像真正的Xbox 360手柄一样工作。
🚀 XOutput核心功能:让旧手柄秒变Xbox控制器
XOutput的核心在于模拟DirectInput与XInput之间的数据交互。它采用ViGEmBus(首选)或SCPToolkit作为外部驱动,来实现对旧设备的控制并模拟成Xbox 360手柄。同时,项目还提供了一个名为XOutput.App的桌面客户端,它可以检测到你的DirectInput设备,并将其映射到虚拟的XInput设备上。
XOutput模拟Xbox手柄示意图 XOutput将DirectInput设备信号转换为Xbox手柄信号的工作原理示意图
💡 三大实用场景,旧手柄不再吃灰
- 经典游戏复活:使用旧版或不支持的控制器玩新游戏,让你的珍藏手柄重获新生。
- 外设兼容升级:在现代游戏中完美兼容旧款赛车方向盘和摇杆,无需额外购买新设备。
- 无线自由连接:轻松将蓝牙或无线控制器连接到没有原生支持的电脑,打破设备限制。
✨ 五大核心优势,打造极致游戏体验
1️⃣ 跨设备兼容:支持多种游戏外设
XOutput支持各种DirectInput控制器,包括游戏板、摇杆和赛车方向盘,让你的所有旧设备都能发挥余热。相关设备类型定义可查看XOutput.Api/Common/DeviceTypes.cs。
2️⃣ 虚拟化技术:完美模拟Xbox手柄
利用ViGEmBus或SCPToolkit将DirectInput设备模拟为XInput设备,底层实现可见XOutput.Emulation/ViGEm/和XOutput.Emulation/SCPToolkit/模块。
3️⃣ 简单安装:三步快速上手
直接下载并解压,无需复杂的配置步骤,新手也能轻松搞定。详细安装指南可参考docs/desktop-client.md。
4️⃣ 在线升级:无缝更新最新版本
软件支持在线升级到最新版本,无需重新设置,确保你始终使用最稳定的功能。版本检查逻辑位于XOutput.Core/Versioning/UpdateChecker.cs。
5️⃣ 独占模式:避免设备冲突
提供HidHide或HidGuardian工具隐藏原始输入设备,避免冲突。相关实现可见XOutput.App/Devices/HidGuardianManager.cs。
📚 官方文档与资源
- 用户手册:docs/
- API文档:XOutput.Api/
- 桌面客户端源码:XOutput.App/
🌟 结语
对于热衷于经典游戏和想要充分利用手中旧控制器的玩家来说,XOutput无疑是一个不可多得的解决方案。不仅如此,其开源特性也鼓励开发者们参与改进和扩展,共同打造更完善的游戏体验。快来加入XOutput的社区,一起探索更多可能吧!
要获取XOutput,你可以通过以下命令克隆仓库:
git clone https://gitcode.com/gh_mirrors/xo/XOutput
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00