SuperMarioOdysseyOnline 项目下载及安装教程
1. 项目介绍
SuperMarioOdysseyOnline 是一个为任天堂 Switch 游戏《超级马里奥奥德赛》开发的在线多人游戏模组。该模组允许玩家与朋友一起探索游戏中的各个王国,进行多人游戏模式,或者一起挑战游戏的最高难度。目前,该项目仍处于早期开发阶段,因此可能会遇到一些 bug 和不完善的地方,开发团队正在努力改进和完善这个模组。
2. 项目下载位置
要下载 SuperMarioOdysseyOnline 项目,请访问项目的 GitHub 仓库。你可以通过以下步骤进行下载:
-
打开终端或命令行工具。
-
使用
git clone命令下载项目:git clone https://github.com/CraftyBoss/SuperMarioOdysseyOnline.git这将把项目文件下载到你的本地计算机上。
3. 项目安装环境配置
在安装 SuperMarioOdysseyOnline 之前,你需要配置一些开发环境。以下是所需的软件和工具:
- devkitPro: 用于编译 Switch 游戏的开发工具链。
- Python 3: 用于运行一些脚本。
- Keystone-Engine Python 模块: 用于反汇编和汇编代码。
3.1 安装 devkitPro
首先,你需要安装 devkitPro。你可以通过以下命令在 Ubuntu 系统上安装 devkitPro:
sudo apt-get install devkitpro-pacman
sudo dkp-pacman -S switch-dev
3.2 安装 Python 3 和 Keystone-Engine
确保你已经安装了 Python 3,然后安装 Keystone-Engine 模块:
pip install keystone-engine
3.3 环境配置示例
以下是一个简单的环境配置示例:

4. 项目安装方式
在配置好开发环境后,你可以按照以下步骤安装 SuperMarioOdysseyOnline:
-
进入项目目录:
cd SuperMarioOdysseyOnline -
使用
make命令编译项目:DEVKITPRO=[path_to_devkitpro] make在 Ubuntu 系统上,
devkitPro通常安装在/opt/devkitpro/目录下,因此你可以使用以下命令:DEVKITPRO=/opt/devkitpro/ make -
编译完成后,将生成的
atmosphere文件夹复制到你的 Switch 的 SD 卡根目录中。
5. 项目处理脚本
SuperMarioOdysseyOnline 项目包含一些处理脚本,用于自动化一些任务。以下是一些常用的脚本:
- docker-build.sh: 用于在 Docker 环境中构建项目。
- Makefile: 用于编译项目的 Makefile 脚本。
你可以通过以下命令运行这些脚本:
./docker-build.sh
或者直接使用 make 命令编译项目。
通过以上步骤,你应该能够成功下载、配置和安装 SuperMarioOdysseyOnline 项目。如果在安装过程中遇到任何问题,可以参考项目的官方文档或访问项目的 Discord 服务器寻求帮助。
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
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
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