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。
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 StartedRust0202
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07