【亲测免费】 统一Linux Wine游戏启动器(UMU-Launcher)教程
1、项目介绍
统一Linux Wine游戏启动器(UMU-Launcher),是专为在Linux系统上运行Windows游戏设计的一款工具。本项目基于Steam的Linux运行时环境和运行时工具,经过定制,允许用户无需依赖Steam即可运行Windows游戏。它通过模仿Steam对Proton游戏的启动流程,实现了游戏的独立运行,支持自定义wine前缀、Proton版本以及游戏参数,极大地扩展了Linux用户的游戏选择范围,无需将游戏添加到Steam库中。
2、项目快速启动
要快速开始使用UMU-Launcher,首先需要安装必要的软件包,并下载项目源码。
安装前提条件
确保您的系统已安装bash, make, 以及Python相关的构建工具(build, hatchling, installer)。
下载并构建项目
-
克隆项目源码:
git clone https://github.com/Open-Wine-Components/ULWGL.git -
进入项目目录并配置安装路径(可选):
cd ULWGL ./configure.sh --prefix=/usr 或者适用于个人用户的安装路径 -
构建项目:
make -
安装(需sudo权限,或按上述步骤进行用户级安装):
sudo make install 或 ./configure.sh --user-install && make install -
添加可执行文件至PATH(如果进行了用户级安装): 编辑您的shell配置文件,例如
.bashrc或.bash_profile,添加以下行:export PATH="$HOME/local/bin:$PATH"确保之后运行
source ~/.bashrc或相应的配置文件来使更改生效。
使用示例
假设您想运行一个位于$HOME/Games/epic-games-store中的Windows游戏,可以这样做:
WINEPREFIX=$HOME/Games/epic-games-store \
GAMEID=umu-your-game-id \
PROTONPATH="$HOME/steam/steam/compatibilitytools/d/GE-Proton8-28" \
umu-run "$HOME/Games/epic-games-store/drive_c/path_to_your_game/game.exe"
替换相应路径和Proton版本以适应您的环境。
3、应用案例和最佳实践
- 跨平台游戏运行:对于从Epic Games Store、GOG等非Steam平台下载的游戏,UMU-Launcher提供了一个统一的方法来利用Proton技术在Linux上运行,无需额外的配置脚本。
- 自定义游戏修复:结合protonfixes,可以通过UMU-Launcher指定特定的游戏修复方案,提升游戏兼容性和性能。
- 环境变量管理:灵活设置
WINEPREFIX和PROTONPATH,优化每个游戏的运行环境,达到最佳性能。
4、典型生态项目
UMU-Launcher与protonfixes社区紧密合作,后者提供了大量的游戏修正脚本来增强游戏体验。此外,虽然不直接相关,但项目如Lutris、Bottles等也致力于提升Linux上的Windows游戏体验,虽然它们不是直接由UMU-Launcher团队维护,但用户可以在这些平台中借鉴或者集成UMU-Launcher的理念和技术,创建更个性化的游戏运行环境。
通过以上步骤,您可以顺利地在Linux环境中利用UMU-Launcher享受到丰富的Windows游戏资源,体验到无缝跨平台游戏的乐趣。记得关注项目更新,以便获取最新的功能和改进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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