解锁Switch娱乐新体验:wiliwili手柄控制B站客户端实用指南
wiliwili是一款专为手柄操作优化的跨平台B站客户端,支持Nintendo Switch、PSVita等多种设备。其核心优势在于完美适配手柄控制逻辑,提供原生游戏级操作体验,让你在电视大屏上舒适追番、看直播。无论是主机玩家还是多媒体爱好者,都能通过它将Switch打造成全能娱乐中心。
定位项目价值:重新定义主机观影体验 🎮
传统手机端B站应用在电视端体验不佳,而wiliwili通过深度优化的手柄交互和大屏界面,解决了这一痛点。它支持Joy-Con震动反馈、陀螺仪控制等主机专属功能,同时保持B站核心体验——从番剧追更到直播互动,所有操作都能通过手柄完成,带来无缝的客厅娱乐体验。
准备构建环境:搭建编译基础 🛠️
在开始构建前,确保系统已安装devkitPro工具链和Switch开发环境。这一步的关键是为交叉编译提供必要的工具链支持,确保生成的NRO文件能在Switch系统正常运行。
- 克隆项目源码:
git clone https://gitcode.com/GitHub_Trending/wi/wiliwili
cd wiliwili
- 安装依赖项: Switch平台需要特定的库文件,构建脚本会自动处理这些依赖,但建议提前确保系统已安装基础编译工具。
实现核心功能:编译NRO可执行文件 ⚙️
编译过程会针对Switch硬件特性进行优化,包括手柄输入映射、性能调校等关键配置。这一步生成的NRO文件是直接运行在Switch自制系统上的可执行程序。
执行构建命令:
./scripts/build_switch.sh
为什么这样做?该脚本位于scripts/目录,通过xmake构建系统自动应用Switch平台配置,启用硬件加速和手柄支持,最终在build目录生成wiliwili.nro文件。
个性化定制:打造专属应用标识 ✨
通过修改NSP打包配置,可以让wiliwili在系统菜单中呈现独特风格。配置文件位置:scripts/switch-forwarder/wiliwili.json,你可以在这里调整应用名称、版本号等元数据。
替换图标文件:将自定义图标替换到scripts/switch-forwarder/source/目录,打包时会自动集成到NSP文件中,让你的应用在系统菜单中脱颖而出。
部署应用方案:两种安装路径 🚀
方案1:NRO文件部署
- 将编译生成的wiliwili.nro复制到SD卡的switch/目录
- 通过大气层的HBMenu启动应用
方案2:NSP系统安装
- 进入转发器目录打包NSP:
cd scripts/switch-forwarder
./pack.sh
- 使用Goldleaf等工具安装生成的NSP文件
- 应用将出现在Switch主菜单,支持图标、描述和版本信息显示
优化使用技巧:提升体验效率 ⚡
网络配置优化:加速视频加载
在应用设置中修改DNS为公共DNS(如114.114.114.114),减少解析延迟,尤其在观看高清视频时效果显著。
手柄按键自定义:适应个人习惯
进入设置-控制选项,可调整各功能的按键映射,例如将"点赞"功能绑定到肩键,提升操作效率。
性能模式切换:平衡画质与流畅度
在播放设置中提供性能/画质模式选择,低性能设备建议使用性能模式,减少卡顿。
排查常见问题:解决部署障碍 🔍
- 启动失败:检查大气层版本是否≥1.5.0,确保已安装最新签名补丁
- 手柄无响应:重新插拔Joy-Con,或在系统设置中校准手柄
- 视频无法播放:确认网络连接正常,尝试切换清晰度或重启应用
探索扩展功能:解锁更多可能性 🔭
wiliwili不仅是视频播放器,还提供丰富扩展功能:
- 弹幕互动:支持发送和显示实时弹幕,参与视频讨论
- 直播观看:流畅播放B站直播,支持画质切换和弹幕屏蔽
- 收藏同步:登录B站账号后可同步收藏夹和观看历史
- DLNA投屏:将视频投射到支持DLNA的设备,扩展观影场景
通过这些功能,wiliwili将Switch从游戏主机转变为全能的多媒体娱乐中心,让你随时随地享受B站内容。
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 StartedRust0190
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 Notebook0113
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08



