【亲测免费】 解锁VMWare的利器:Auto-Unlocker
Auto-Unlocker是一个专为VMWare Player和Workstation设计的一键解锁工具,基于C++重写了DrDonk的Python Unlocker,为您提供在Windows上无需额外安装Python环境即可直接使用的解决方案。
工具概览
这个项目旨在提供一个原生的、适用于Windows的解锁工具。由于原始项目依赖Python,而Windows系统默认并未预装Python,因此本工具通过编译成独立的可执行文件,避免了对额外库的依赖。它利用libcurl处理网络请求和文件下载,利用libzip进行解压缩操作。对于tar文件的提取,我们从零开始编写代码,以确保简洁高效。在Windows版本中,我们还采用Win32 API实现了图形用户界面,使得程序更小巧且兼容性更强。而对于Linux平台,为了方便熟悉命令行的用户,我们保留了基于shell的交互方式。
关于DrDonk Unlocker
Auto-Unlocker 3适用于VMWare Workstation 11-15以及Player 7-15。它的修补代码会根据所选择的产品执行以下修改:
- 修复vmware-vmx及其衍生进程,允许启动macOS虚拟机
- 修改vmwarebase .dll或.so,使在创建虚拟机时可以选择Apple操作系统
- 下载最新版的VMware Tools for macOS
请注意,并非所有产品都能通过安装工具菜单识别darwin.iso,对于Workstation 11和Player 7等版本,您可能需要手动挂载darwin.iso。务必确保在运行此工具前已关闭VMWare及其后台虚拟机。
使用方法
Windows(GUI): 在"发布"部分下载并解压到任意文件夹,保存以便后续卸载,然后运行可执行文件。
Linux(shell): 您需要先编译程序。编译完成后,如果需要,使用chmod +x更改权限,然后运行sudo ./auto-unlocker。有关编译工具的更多信息,请参见下文。
命令行选项(Linux):
--install(无参数时的默认行为)安装补丁--uninstall卸载补丁。只有在之前已经安装过补丁并且备份文件夹完整的情况下才能工作--download-tools在tools目录下载工具--help显示可用选项列表
编译
程序可以在Windows上使用CMake进行编译,前提是你已经获取或编译了必要的库。在源代码目录运行CMake,它将生成可供构建的项目文件。
程序依赖以下库:
- libcurl
- libzip
tar提取功能由内部代码实现,而zip解压缩则需要libzip库。libcurl用于下载工具。
Windows: 在源文件夹运行CMake以生成Visual Studio项目。CMakeLists.txt配置为静态链接库,如果你有动态库,可以更改UNLOCKER_STATIC_LIBS_WIN变量。当CMake提示你输入库头文件和库文件路径时,或者你可以在PATH环境中添加它们。
Linux:
使用嵌入式的Makefile。首先安装所需的库(或自行编译并安装),然后运行make。在Ubuntu上,你可以使用以下命令:
sudo apt-get install libcurl4-openssl-dev libzip-dev
git clone https://github.com/paolo-projects/auto-unlocker
cd auto-unlocker
make
chmod +x ./auto-unlocker
sudo ./auto-unlocker
项目亮点
- 无需Python环境: 在Windows上,您可以直接运行该工具,无需预先安装Python或其他依赖项,简化了用户的使用步骤。
- 静态链接库: Windows版本使用静态库链接,这意味着最终的可执行文件小巧且自包含,不需要额外的库文件。
- Win32 API GUI: 为Windows用户提供直观的图形界面,保证良好的兼容性和用户体验。
- Linux shell支持: 对于Linux用户,提供了基于shell的命令行工具,适合熟悉命令行操作的开发者。
无论是个人开发测试还是企业级应用,Auto-Unlocker都是一个值得信赖的选择,让您轻松地在VMWare平台上部署和管理macOS虚拟机。立即尝试,释放你的VMWare潜力吧!
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00