手柄用户的B站新选择:wiliwili跨平台客户端深度体验
2026-04-04 09:14:58作者:江焘钦
核心价值:为什么手柄控制视频APP总是不顺畅?
当你躺在沙发上用游戏掌机想刷会儿B站,却发现传统APP的触摸界面在手柄操作下变得卡顿又繁琐——这正是wiliwili要解决的核心问题。作为专为手柄优化的第三方B站客户端,它重新定义了大屏设备上的视频交互逻辑,让方向键和肩键成为比触屏更高效的操作方式。无论是Nintendo Switch的Joy-Con,还是PS系列的 DualShock手柄,都能获得原生级的操作体验。
wiliwili主界面展示
场景痛点:告别在掌机上打字的尴尬
想象这样的场景:在Switch上想搜索"塞尔达传说"视频,传统APP需要用虚拟键盘逐个字母点击,而wiliwili通过手柄快捷键呼出九宫格输入法,配合方向键选择字母,输入速度提升3倍以上。更重要的是,它解决了三大核心痛点:
- 🎮 操作适配:将常用功能映射到手柄按键,如L/R键切换标签页,A键确认,B键返回
- 📱 界面重构:专为6-10英寸屏幕优化的卡片布局,信息密度恰到好处
- 🔋 续航优化:比官方APP降低20%的功耗,Switch掌机模式下多支持1.5小时视频播放
技术突破:如何让一个APP跑遍所有设备?
开发跨平台手柄应用面临的最大挑战,是不同硬件的性能差异和输入机制。wiliwili的解决方案堪称教科书级:
- 🛠️ 图形渲染引擎:采用可切换的渲染后端,在Switch上使用deko3d,在PSV上使用OpenGL ES,在PC上则支持DirectX
- 📊 硬件资源优化方案:动态调整视频解码策略,在性能有限的PSV上自动降低分辨率,在Switch上开启硬件解码
- 🔄 输入抽象层:将PS4、Switch、PC手柄的按键事件统一映射为标准化指令,开发者只需处理一套逻辑
多场景界面展示
使用指南:三步上手手柄操作
1️⃣ 安装部署
git clone https://gitcode.com/GitHub_Trending/wi/wiliwili
cd wiliwili/scripts
# 根据设备选择对应脚本,如Switch运行build_switch.sh
2️⃣ 手柄键位设置
首次启动会进入键位向导,默认布局:
- 左摇杆:光标移动
- A键:确认/播放
- B键:返回
- X键:搜索
- Y键:菜单
- 肩键:音量调节
3️⃣ 个性化配置
在设置界面可调整:
- 主题颜色(支持7种预设)
- 字体大小(4级调节)
- 视频默认画质(自动/720P/1080P)
社区生态:从代码贡献到场景分享
wiliwili的活跃社区已经形成完整生态:
- 🌍 多语言支持:社区贡献了简繁中文、日、韩、英等12种语言包
- 🛠️ 插件系统:支持自定义主题和功能扩展,已有20+第三方插件
- 📝 设备适配库:玩家自发维护的设备兼容性列表,覆盖20+手柄型号
常见问题解答
Q:支持哪些设备?
A:目前已稳定支持PC(Windows/macOS/Linux)、Nintendo Switch、PSVita和PS4,Android版本正在测试中。
Q:是否需要破解主机?
A:Switch需要大气层破解环境,PSV需要HENkaku,PS4需要HEN环境,PC版无需特殊设置。
Q:如何更新客户端?
A:官方提供OTA更新功能,也可通过GitHub仓库获取最新源码自行编译。
立即体验这款重新定义手柄交互的B站客户端,让你的游戏设备变身全能娱乐中心。无论是在Switch上躺着看番,还是用PSV在通勤途中刷视频,wiliwili都能带来超越传统APP的操作快感。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220