NintendoSpy 技术文档
本文档将详细介绍如何安装、使用以及项目API的使用,帮助用户更好地理解和运用NintendoSpy项目。
1. 安装指南
首先,您可以从以下链接下载最新的NintendoSpy版本(适用于x64和实验性x86 Windows二进制文件):
下载最新版本的NintendoSpy。
硬件连接
项目的通用设计涉及剪断控制器线缆,并将适当的信号线连接到Arduino。然后,您需要安装包含在NintendoSpy发行版中的Arduino固件,并运行查看器软件。
固件安装
- 将Arduino连接到计算机。
- 打开Arduino IDE。
- 选择正确的Arduino板型和端口。
- 上传NintendoSpy发行版中包含的固件。
软件安装
解压缩下载的NintendoSpy发行版,并运行NintendoSpy.exe以打开控制器查看器。
2. 项目使用说明
输入源配置
启动程序后,您会看到输入源配置屏幕。首先选择您的NintendoSpy硬件设置为查看的控制系统,例如“PC 360”或“通用PC游戏手柄”。如果是后两者,由于设备通过标准USB接口连接,所以COM端口不相关。但如果选择Nintendo控制台,则需要选择Arduino通信的COM端口。
皮肤选择
选择输入源后,您需要选择一个皮肤。每个皮肤都包含多个背景,通常用于为控制器提供不同的颜色。选择皮肤后,点击“Go!”,您应该可以看到查看器屏幕。
创建自定义皮肤
每个皮肤都在“skins”目录下的一个子文件夹中,该文件夹包含一个名为skin.xml的文件以及所有必要的PNG图像资源。您可以复制默认皮肤并根据自己的需求进行修改。
3. 项目API使用文档
NintendoSpy支持通过XML文件绑定控制器输入到键盘按键。这通过在keybindings.xml文件中放置<binding>定义来实现。output-key属性指定当按下游戏手柄按钮时应该按下的键盘键。每个绑定至少包含一个子<input>元素,用于指定必须按下的控制器按钮。
以下是一个示例keybindings.xml文件,它将L和R按钮同时按下时触发键盘上的“home”键:
<?xml version="1.0" encoding="UTF-8"?>
<keybindings>
<binding output-key="home">
<input button="r" />
<input button="l" />
</binding>
</keybindings>
4. 项目安装方式
硬件安装
- 剪断控制器线缆。
- 连接适当的信号线到Arduino。
- 上传固件到Arduino。
软件安装
- 解压缩NintendoSpy发行版。
- 运行
NintendoSpy.exe。
通过以上步骤,您应该能够成功安装并使用NintendoSpy项目。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00