如何用xnbcli轻松搞定《星露谷物语》XNB文件:新手必备的免费解包工具
xnbcli是一款专为《星露谷物语》玩家设计的免费命令行工具,能够快速实现XNB文件的打包与解包操作。无论是修改游戏资源还是制作个性化MOD,这款轻量级工具都能帮你轻松搞定文件格式转换,让游戏定制变得简单高效。
📌 为什么选择xnbcli?三大核心优势
✅ 专为《星露谷物语》优化
作为针对该游戏开发的专用工具,xnbcli完美支持所有LZX压缩格式的XNB文件,包括纹理、音频和字体资源。无需担心兼容性问题,让MOD制作过程更顺畅。
✅ 极简操作流程
告别复杂的命令参数,通过预设脚本实现"一键操作":
- 解包:将文件放入
packed文件夹 → 运行对应脚本 - 打包:编辑后文件放入
unpacked文件夹 → 运行对应脚本 全平台支持Windows(.bat)、macOS(.command)和Linux(.sh)系统。
✅ 开源免费无广告
遵循GNU LGPL v3.0开源协议,代码完全透明可审计。无任何隐藏收费项,开发者和普通玩家都能自由使用和二次开发。
🚀 3分钟快速上手:从安装到使用
1️⃣ 环境准备(新手必看)
- 安装Node.js:访问官网下载对应系统版本,这是运行工具的基础环境
- Python依赖(Windows用户):
打开命令提示符输入:npm i --g --production windows-build-tools - 获取工具:
git clone https://gitcode.com/gh_mirrors/xn/xnbcli
或直接下载项目压缩包解压
2️⃣ 核心操作演示
📦 解包XNB文件步骤
- 将游戏原文件(如
Content/Characters目录下的XNB文件)复制到项目的packed文件夹 - 根据系统双击运行:
- Windows:
unpack.bat - macOS:
unpack.command - Linux:终端执行
sh unpack.sh
- Windows:
- 解压后的文件会自动生成到
unpacked目录,可直接用记事本或专业工具编辑
📤 打包修改后的文件
- 将编辑好的文件(保持原目录结构)放入
unpacked文件夹 - 运行对应打包脚本:
pack.bat/pack.command/pack.sh - 生成的XNB文件会保存在
packed目录,可直接替换游戏原文件使用
3️⃣ 高级终端命令(进阶玩家)
在项目根目录打开终端,使用以下命令实现自定义路径操作:
node xnbcli.js unpack [输入路径] [输出路径]
node xnbcli.js pack [输入路径] [输出路径]
例如:node xnbcli.js unpack ./myfiles ./output
🔍 常见问题解决指南
❓ 运行脚本无反应?
检查Node.js是否正确安装:终端输入node -v能显示版本号即正常。若提示"命令不存在",需重新安装并勾选"添加到环境变量"选项。
❓ 解压后出现乱码文件?
这通常是因为处理非《星露谷物语》的XNB文件导致。目前工具仅完美支持游戏原版资源,第三方MOD文件可能需要额外处理。
❓ 打包后游戏加载失败?
- 确保修改后的文件格式与原文件一致(如图片尺寸、音频编码)
- 检查
unpacked文件夹内是否保持原始目录结构
🛠️ 开发者资源
项目采用模块化架构设计,核心功能实现位于以下目录:
- XNB文件处理:
app/Xnb/ - 压缩算法实现:
app/Presser/ - 音频处理模块:
app/Xact/
开发文档可通过npm run doc生成,更多技术细节参见项目README.md。
📝 写在最后
xnbcli虽然是命令行工具,但通过预设脚本极大降低了使用门槛。无论是想简单修改游戏字体,还是制作复杂的角色外观MOD,这款工具都能成为你的得力助手。目前项目仍在持续更新,欢迎通过提交issue或PR参与贡献!
提示:修改游戏文件前建议做好备份,避免影响原始游戏体验。所有MOD制作请遵守游戏开发者的使用条款。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07