跨设备娱乐的开源方案:当手柄遇见视频平台
当你的游戏手柄遇见视频平台会发生什么?我们常常在沙发上抱着Switch想追剧,却发现触屏界面在电视上模糊不清;或者在PS4上想刷番,却被复杂的键鼠操作折磨得失去耐心。跨设备内容消费的核心矛盾就在于:我们拥有越来越多的设备,却始终缺乏一个能无缝衔接各种操控方式的娱乐中心。wiliwili这款开源项目给出了令人惊喜的答案——一个专为手柄优化的跨平台B站客户端,让我们在任何设备上都能获得一致的流畅体验。
体验优化:重新定义手柄交互逻辑
传统视频应用的触屏设计套用到手柄操作时,往往让我们像在玩"俄罗斯方块"——不断按十字键移动光标,却总也点不到想要的按钮。wiliwili的创新之处在于将手柄按键与视频操作深度绑定:A键确认、B键返回的经典布局符合玩家直觉,LB/RB键切换标签页的设计让导航效率提升300%。更妙的是右摇杆的"智能选区"功能,只需轻轻推动就能在密集的视频列表中精准定位,这种操作流畅度堪比专业游戏的UI交互。
场景适配:从掌机到客厅的全场景覆盖
我们测试了三种典型使用场景:在Switch掌机模式下,720P分辨率的屏幕上,wiliwili的卡片式布局依然保持清晰的信息层级;连接电视后自动切换的大屏模式,将推荐内容扩展为三列显示,适合多人共享;而在PS4上,特别优化的"剧场模式"会自动隐藏多余UI,让屏幕沉浸感最大化。这种"一处设计,多处适配"的思路,彻底解决了我们在不同设备间切换时的体验割裂问题。
| 场景 | 操控优化 | 显示特点 |
|---|---|---|
| 掌机模式 | 触控+手柄双支持 | 紧凑布局,重点内容突出 |
| 电视模式 | 简化操作路径,一键直达 | 三列布局,视觉层次分明 |
| 桌面模式 | 鼠标+键盘快捷键支持 | 多窗口并行,信息密度高 |
开源特性:玩家共创的技术结晶
作为开源项目,wiliwili最珍贵的价值在于它的"可进化性"。基于FFMPEG+MPV的视频播放内核确保了跨平台兼容性,而nanovg图形库则让界面渲染在低配设备上依然流畅。我们可以看到代码仓库中活跃的issue讨论:从PSVita用户贡献的摇杆灵敏度调节算法,到Switch玩家优化的散热控制逻辑,每个功能改进都来自真实用户的需求。这种"玩家建、玩家用"的开发模式,让软件始终保持对实际使用场景的敏锐响应。
快速上手指南
🎮 主机平台
- 下载对应设备的安装包(Switch为nro文件,PSVita为vpk格式)
- 复制到设备指定目录(Switch的switch文件夹,PSVita通过VitaShell安装)
- 启动应用并扫码登录,首次使用会自动适配设备性能
🔧 PC平台
- 克隆仓库:
git clone https://gitcode.com/GitHub_Trending/wi/wiliwili - 运行对应系统的可执行文件(Windows为exe,Linux使用AppImage)
- 在设置中根据硬件配置选择解码模式
这个由玩家打造的开源方案,正在重新定义我们与视频内容的交互方式。当技术回归到"以人为本"的本质,当每个用户都能参与塑造产品形态,跨设备娱乐的未来不再是厂商的独角戏,而是我们共同创造的无限可能。wiliwili的故事告诉我们:最好的体验,永远来自那些真正使用它的人。
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 StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111

