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。
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



