NonSteamLaunchers项目v4.2.0版本发布:新增Humble Games支持与多平台优化
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,它能够将这些平台中的游戏无缝集成到Steam的游戏模式中。最新发布的v4.2.0版本带来了多项重要更新,特别是对Humble Games Collection的支持以及跨平台功能的优化。
核心功能更新
Humble Games Collection扫描支持
本次更新的亮点是新增了对Humble Games Collection的扫描功能。这意味着用户现在可以直接将Humble平台上的游戏、合集和捆绑包中的内容扫描并添加到Steam的游戏模式中。这项功能的加入进一步扩展了NonSteamLaunchers的兼容性范围,为拥有Humble平台游戏的用户提供了更完整的整合体验。
艺术作品质量提升
开发团队持续优化了游戏艺术作品的生成质量。在v4.2.0版本中,艺术作品系统变得更加稳定,生成的封面和背景图质量也有显著提升。这对于追求完美游戏库展示效果的用户来说是一个重要的改进。
多平台版本优化
桌面版与插件版分离
v4.2.0版本对安装方式进行了重构,现在提供了两个独立的.desktop文件:
- 桌面版(Desktop Version):包含完整的NonSteamLaunchers功能,同时提供了安装最新版NSL Decky Loader插件的选项
- 插件版(Plugin Version):专为已安装Decky Loader的用户设计,可以单独更新插件而无需使用桌面模式
这种分离设计让不同使用场景的用户都能获得最合适的安装体验。
Windows平台支持改进
对于Windows用户,v4.2.0版本提供了更清晰的安装指南:
- 首先运行NSLPluginWindows.exe,这会创建必要的cef调试文件
- 然后选择运行No_console.exe或Plugin Loader.exe
- 进入游戏模式或大屏幕模式即可使用Decky Loader插件
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。但扫描过程会自动为所有非Steam游戏添加适当格式的艺术作品,确保在Windows环境下的完美展示。
技术实现亮点
从技术角度看,v4.2.0版本的改进主要体现在以下几个方面:
- 扫描引擎增强:新增的Humble Games支持表明扫描引擎具有很好的扩展性,可以相对容易地加入对新平台的支持
- 跨平台兼容性:通过分离桌面版和插件版,项目更好地适应了不同用户的使用习惯和环境
- 艺术作品生成优化:持续改进的艺术作品系统展示了项目对用户体验细节的关注
使用建议
对于不同用户群体,我们建议:
- 新用户:直接从桌面版开始体验完整功能
- 已有Decky Loader的用户:使用插件版进行快速更新
- Windows用户:按照专门的Windows安装指南操作,特别注意运行顺序
这个版本的发布标志着NonSteamLaunchers项目在多平台支持和功能完善方面又迈出了重要一步,特别是对Humble Games用户来说是一个值得升级的版本。艺术作品系统的持续优化也体现了开发团队对细节的关注,相信会为用户带来更好的整体体验。
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