NonSteamLaunchers-On-Steam-Deck项目v4.0.4版本发布:增强游戏兼容性与云游戏支持
NonSteamLaunchers-On-Steam-Deck是一个旨在扩展Steam Deck游戏兼容性的开源项目,它通过集成多个非Steam游戏平台启动器,让玩家能够在Steam Deck上畅玩更多游戏。该项目特别针对Steam Deck的硬件特性进行了优化,同时提供了桌面版和Decky插件版两种使用方式,满足不同用户的使用习惯。
核心功能改进
最新发布的v4.0.4版本在多个方面进行了重要改进:
-
Battle.net扫描器修复:解决了之前版本中Battle.net游戏扫描器的一些错误问题,提高了游戏识别的准确性和稳定性。这意味着玩家现在可以更可靠地在Steam Deck上管理和启动Battle.net平台的游戏。
-
Antstream Arcade原生支持:新增了对Antstream Arcade平台的原生Windows版本支持。Antstream Arcade是一个专注于复古游戏的流媒体平台,此次集成让怀旧游戏爱好者能够在Steam Deck上获得更好的体验。
云游戏服务扩展
v4.0.4版本显著增强了云游戏服务的支持,新增了多个流行的云游戏平台:
- Afterplay.io:一个专注于复古游戏的云游戏平台
- Oneplay:提供高性能云游戏体验的服务
- AirGPU:基于GPU云服务的游戏流媒体平台
- CloudDeck:专为移动设备优化的云游戏解决方案
- JioGamesCloud:印度主要的云游戏服务平台之一
这些新增的云游戏服务大大扩展了Steam Deck用户可玩的游戏库,特别是对于那些硬件要求较高的现代游戏,通过云游戏方式可以在Steam Deck上流畅运行。
版本选择与安装优化
项目现在提供了两个不同的.desktop文件,满足不同用户的需求:
- 桌面版本:包含完整的非Steam启动器功能,同时提供Decky Loader插件的最新版本安装选项。
- 插件版本:专为已安装Decky Loader的用户设计,提供更轻量级的安装和更新方式。
对于Windows用户,安装流程也进行了优化:
- 首先运行NSLPluginWindows.exe,它会自动创建必要的cef调试文件
- 然后根据需要选择运行No_console.exe或Plugin Loader.exe
- 最后进入游戏模式或大屏幕模式即可使用
这种分阶段的安装方式确保了系统兼容性和稳定性,同时简化了用户的操作步骤。
技术实现特点
从技术角度看,这个版本体现了几个值得注意的实现特点:
-
跨平台兼容性:同时支持Linux和Windows环境,特别是针对Steam Deck的Arch Linux系统进行了专门优化。
-
自动化游戏管理:通过扫描功能自动识别和添加游戏,并自动获取正确的游戏封面艺术资源,大大简化了用户的配置工作。
-
模块化设计:将核心功能与插件功能分离,用户可以根据自己的需求选择安装方式,既保证了功能的完整性,又提供了灵活性。
-
云游戏集成:通过标准化的接口整合多个云游戏平台,为用户提供统一的访问入口,而不需要为每个平台单独配置。
使用建议
对于Steam Deck用户,建议根据使用场景选择合适的版本:
- 主要使用桌面模式的用户可以选择完整的桌面版本
- 偏好游戏模式操作的用户更适合插件版本
- Windows用户应特别注意按照推荐的安装顺序操作
对于云游戏爱好者,新版本提供了更多选择,可以根据网络条件和游戏偏好选择最适合的服务。Antstream Arcade的原生支持特别适合喜欢复古游戏的玩家。
这个版本的发布进一步巩固了NonSteamLaunchers-On-Steam-Deck作为Steam Deck多功能游戏平台解决方案的地位,通过不断扩展兼容性和优化用户体验,让Steam Deck真正成为"全能"的游戏设备。
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