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。
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