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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00