Proton项目:Puzzle Bobble系列游戏在Steam Deck上的多控制器兼容性分析
概述
本文主要探讨了Puzzle Bobble系列游戏(包括BUST-A-MOVE系列)在Steam Deck平台上的多控制器兼容性问题。通过分析用户反馈和测试结果,我们发现该系列游戏在Steam Deck连接多个外部控制器时存在一些兼容性挑战,但这些问题在最新系统更新后已得到改善。
问题背景
Puzzle Bobble(泡泡龙)系列作为经典的街机风格益智游戏,其多人本地合作模式对控制器支持有着较高要求。当用户在Steam Deck上通过扩展坞连接多个外部控制器时,部分用户报告了控制器无法被正确识别的问题。
具体表现
根据用户报告,在Steam Deck连接扩展坞并使用两个外部控制器的情况下,游戏存在以下现象:
- 第二个控制器无法被游戏检测到
- 控制器顺序调整界面显示异常图标
- 部分控制器仅能识别按键而无法识别摇杆输入
这些问题影响了游戏的本地多人游戏体验,使得玩家无法正常进行双人合作游戏。
技术分析
经过深入测试和分析,我们发现:
-
系统版本影响:在SteamOS 3.6.20版本上,这些问题已得到显著改善。测试表明,使用DualShock 4、DualSense和8bitdo Pro 2等多种控制器组合都能被正确识别。
-
控制器类型差异:Xbox 360控制器可能存在特殊的兼容性问题,而其他主流控制器(如索尼和8bitdo系列)表现良好。
-
游戏内表现:虽然游戏菜单可能仅响应第一个控制器的输入,但在实际游戏开始后,所有连接的控制器都能正常工作。
解决方案与建议
对于遇到类似问题的用户,我们建议:
-
更新系统:确保Steam Deck系统更新至最新版本,许多控制器兼容性问题已通过系统更新得到解决。
-
尝试不同控制器组合:如果特定控制器无法工作,可尝试更换其他型号的控制器进行测试。
-
直接进入游戏测试:即使菜单显示异常,也应尝试直接开始游戏,因为部分游戏的实际控制器支持可能优于菜单显示。
结论
Puzzle Bobble系列游戏在Steam Deck上的多控制器支持已得到显著改善。通过系统更新和适当的控制器选择,用户现在可以顺利享受本地多人游戏体验。这一案例也展示了Proton兼容层在不断进化中对游戏外设支持的持续优化。
对于游戏开发者而言,这一案例也提示了在移植经典街机游戏时,需要特别注意多控制器支持在不同硬件平台上的表现,确保为玩家提供完整的多人游戏体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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