BlueRetro项目v25.04版本发布:多款8bitdo控制器支持与关键问题修复
BlueRetro是一个开源的蓝牙控制器适配器项目,它能让现代蓝牙游戏手柄兼容各种经典游戏主机。通过这个项目,玩家可以使用最新的无线手柄来游玩任天堂64、GameCube、PlayStation等经典游戏设备,极大提升了怀旧游戏的便利性和体验。
新增功能亮点
本次v25.04版本最值得关注的是对8bitdo系列控制器的扩展支持。8bitdo作为复古游戏控制器领域的知名品牌,其产品以高质量和复古设计著称。新版本增加了对8bitdo Ultimate系列多款控制器的原生支持,这意味着玩家现在可以更完美地将这些现代控制器用于经典游戏系统。
特别值得一提的是对8bitdo M30改装套件的支持。M30是8bitdo推出的Sega Mega Drive/Genesis风格控制器,其改装套件允许将原装Sega手柄转换为蓝牙版本。BlueRetro现在能够完美识别和使用这些改装后的控制器,为Sega复古游戏玩家提供了更多选择。
关键问题修复
本次更新解决了多个影响用户体验的重要问题:
-
PS1记忆卡功能修复:v25.01版本引入的回归性问题导致PlayStation 1的记忆卡功能无法正常工作,这一问题在v25.04中得到了彻底解决,确保了游戏存档功能的完整性。
-
GameCube控制器触发修复:针对《Wario World》和《Pokemon》等特定游戏中GameCube控制器的触发问题进行了修复,提升了这些游戏的操控体验。
-
Switch控制器多人游戏优化:修复了长期存在的Switch控制器在多人游戏模式下的延迟和连接问题,多人游戏体验更加流畅稳定。
-
多控制器兼容性改进:解决了同时使用多个PS4和Xbox控制器时可能导致的崩溃问题,增强了系统的稳定性。
-
Stadia手柄震动功能恢复:v25.01版本中引入的Stadia手柄震动功能回归问题已修复,确保震动反馈正常运作。
架构调整与构建优化
本次更新对项目构建方式进行了重要调整:CDI(Commodore Dynamic Intelligence)支持不再包含在通用构建中。这意味着需要使用CDI特定构建的用户现在需要单独获取对应的版本。这一变化有助于优化通用构建的体积和性能,同时为特定平台提供更专注的支持。
硬件版本区分说明
BlueRetro项目目前维护两种硬件版本的固件:
-
HW1标准固件:适用于大多数外部适配器解决方案,包括PSUnoRetro、各种BT适配器、N64/GC/DC专用适配器等,以及基于原始BlueRetro规范的DIY项目。
-
HW2增强固件:支持电源管理和端口检测功能,专为内部安装设计,如GameCube BlueRetro内部适配器等嵌入式解决方案。
项目提供了完善的OTA(空中下载)固件更新机制,并设置了保护措施防止HW1和HW2固件之间的错误刷写,确保升级过程的安全可靠。
技术意义与用户价值
BlueRetro v25.04版本的发布不仅扩展了硬件兼容性范围,更重要的是解决了一系列影响核心游戏体验的关键问题。特别是对8bitdo控制器的深度支持,让复古游戏爱好者能够使用更多高品质的现代控制器来重温经典游戏。
多控制器连接稳定性的提升和特定游戏操控问题的修复,进一步增强了项目的实用价值。而固件架构的优化调整则体现了项目团队对系统性能和可维护性的持续关注。
对于复古游戏社区而言,BlueRetro项目不断完善的兼容性和稳定性,使得在现代设备上体验经典游戏变得更加便捷和愉悦。v25.04版本的这些改进,无疑将进一步巩固BlueRetro作为经典游戏系统无线解决方案的领先地位。
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 StartedRust0191
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 Notebook0114
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