NonSteamLaunchers项目v4.1.7版本发布:为Steam Deck带来更多便利功能
NonSteamLaunchers是一个专为Steam Deck设计的开源工具,它能够让用户在SteamOS上方便地安装和使用各种非Steam平台的游戏启动器。通过这个项目,玩家可以轻松地将Epic Games、GOG、Origin等平台的游戏整合到Steam Deck的游戏库中,享受统一的游戏体验。最新发布的v4.1.7版本带来了多项实用功能更新和改进,进一步提升了用户体验。
启动视频自动匹配功能
v4.1.7版本引入了一项颇具创意的功能——为每个游戏快捷方式自动匹配启动视频。当用户添加一个新的游戏快捷方式时,系统会尝试自动查找并下载对应的启动视频。这些视频将在游戏模式或重启Steam Deck时自动播放,为游戏启动过程增添更多沉浸感。
需要注意的是,并非所有游戏都能找到对应的启动视频,但系统会尽可能匹配可用的资源。用户只需确保在游戏模式中启用了"随机播放启动视频"选项即可享受这一功能。目前该功能在《原神》和《ZZZ》等游戏中表现良好,能够自动获取到高质量的启动视频。
桌面版本功能增强
本次更新对桌面版本进行了多项改进:
-
笔记系统路径修复:修复了NonSteamLaunchers中笔记系统路径的问题。现在用户可以通过在笔记开头添加
#nsl标记来创建包含游戏描述、Proton GE和UMU相关信息的笔记。这一功能将随着后续版本更新变得更加完善和易用。 -
分辨率问题修复:解决了在某些非SteamOS发行版上出现的分辨率问题,确保工具在不同Linux发行版上都能正常显示。
-
多显示器支持:增加了对多显示器配置的支持,当使用zenity界面时能够更好地适应不同的显示环境。
-
兼容性增强:添加了对zenity的检测和回退机制,确保在其他Linux发行版上即使zenity出现问题时也能正常显示界面。
Decky插件版本更新
Decky Loader插件版本同样获得了上述所有功能的更新,并特别针对非SteamOS发行版进行了优化。经过测试,新版本插件在AYANEO等设备上运行良好,扩展了工具的适用范围。
安装与使用说明
新版本提供了两种不同的.desktop文件以适应不同使用场景:
- 桌面版本:NonSteamLaunchers.desktop文件,包含安装最新版NSL Decky Loader插件的选项。
- 插件版本:NSLPlugin.desktop文件,专为已安装Decky Loader的用户设计,可直接在桌面模式下安装或更新插件。
对于Windows用户,安装过程略有不同:
- 首先运行NSLPluginWindows.exe,这将创建必要的cef调试文件。
- 然后根据个人偏好选择运行No_console.exe或Plugin Loader.exe。
- 进入游戏模式或大屏幕模式即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows版本目前仅支持游戏扫描功能,可以自动或手动扫描游戏库并正确添加所有非Steam游戏及其封面艺术。
技术细节与优化
v4.1.7版本在底层也进行了多项优化:
- 改进了路径处理逻辑,确保在不同环境下都能正确访问所需资源。
- 增强了错误处理机制,提供更稳定的运行体验。
- 优化了资源加载策略,减少不必要的网络请求和磁盘操作。
这些改进使得NonSteamLaunchers在各种使用场景下都更加可靠和高效,无论是原生SteamOS还是其他Linux发行版,甚至是Windows平台,都能提供一致的良好体验。
随着v4.1.7版本的发布,NonSteamLaunchers继续巩固其作为Steam Deck多平台游戏管理首选工具的地位。自动启动视频匹配、跨平台兼容性增强等新功能,加上已有的强大游戏库整合能力,使其成为追求完美游戏体验的Steam Deck用户不可或缺的工具。
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