新闻详情

新闻详情

首页 / 资讯中心 / 详情

Lighthouse 1.1.0 版本更新速览:Hatteras Zulu 带来哪些新特性

发布时间:2026/11/4 22:12:48来源:尧图网络
Lighthouse 1.1.0 版本更新速览:Hatteras Zulu 带来哪些新特性
Lighthouse 1.1.0 版本更新速览Hatteras Zulu 带来哪些新特性【免费下载链接】Lighthouse项目地址: https://gitcode.com/GitHub_Trending/lighthouse26/LighthouseLighthouse 1.1.0是经典 N64 游戏《Banjo-Kazooie》班卓猪大冒险的现代反编译移植引擎的最新版本本次更新代号Hatteras Zulu。它为 PC、Linux、macOS 乃至 Nintendo Switch / Wii U 带来了随机生成器Rando、金果保留、快速游泳等一大批玩家最爱的增强特性是复古游戏爱好者不容错过的开源重制引擎。 Hatteras Zulu 是什么版本代号从何而来打开构建文件 CMakeLists.txt 你会发现一段很有意思的逻辑项目版本号是1.1.0而补丁号0会通过 NATO 音标字母表自动映射为代号词——因此这个版本的完整构建名是Hatteras Zulu。简单说“Hatteras” 是 Lighthouse 系列的固定船名后半部分随小版本号变化是官方用来区分构建版本的趣味命名。版本定义CMakeLists.txt 中project(Lighthouse VERSION 1.1.0 ...)地区/版本兼容性宏include/version.h美版 v1.0 / 美版 v1.1 / 欧版 / 日版 新特性一内置随机生成器Rando本次更新最值得新手关注的就是内置的随机游玩模式。无需额外工具即可生成随机物品分布的关卡并实时跟踪收集进度| 功能 | 说明 | 源码位置 | | - | - | - | | 世界逻辑 | 按区域划分全 10 大关卡生成无逻辑Glitchless路线 | Logic/Regions/ | | 物品池 | 收集物、开关、Jinjo 等全部可被随机替换 | Rando/Logic/GeneratePools.cpp | | 存档支持 | 随机存档的读写与状态刷新 | Rando/Logic/GenerateSaveData.cpp | | 剧透文件 | 自动生成 Spoiler 文件与检查点追踪 | Rando/Spoiler/Generate.cpp | | 菜单入口 | 游戏内 Rando 菜单 | Rando/LighthouseMenuRando.cpp |配套的CheckTracker与世界追踪器还能在屏幕上显示你当前关卡的收集状态让盲跑不再迷路。⚡ 新特性二玩家增强特性全家桶src/port/Enhancements/ 目录下汇聚了 1.1.0 的全部增强功能几乎所有都能在游戏设置菜单中一键开关自由视角相机Camera/FreeLookCamera.cpp快速游泳 / 快速移动Backports/FastSwim.cpp蛋瞄准辅助Backports/EggAim.cpp蜂蜜快速回归Backports/Honeyback.cpp金果与音符永久保留Retention/JinjoRetention.cpp自定义角色配色Cosmetics/PlayerColors.cpp⏩过场动画跳过 / 片头标志跳过Cutscenes/CutsceneSkips.cpp 新特性三帧节奏与性能修复1.1.0 还在底层加入了一系列补丁让老游戏在现代显示器上运行更稳帧节奏补丁Patches/FramePacingPatches.cpp几何剔除优化Patches/GeoCull.cpp性能与图形补丁Patches/PerfPatches.cpp、Patches/GraphicsPatches.cpp️ 跨平台与手柄映射一次下载处处可玩得益于 libultraship 框架Lighthouse 1.1.0 支持WindowsDirectX 11、LinuxAppImage / OpenGL、macOSMetal、iOS、Nintendo Switch、Wii U三种渲染后端可切换手柄内置多套标准映射不识别的手柄可在设置菜单里用自带映射器自定义。支持的 ROM 版本美版 v1.0/v1.1、欧版、日版及对应校验值可在 config.yml 中查对各地区 ROM 还能作为语言包互相提取详见 docs/modding/LANGUAGE PACKS.md。 新手快速上手3 步开始游戏校验 ROM准备受支持的零售版 .z64 文件校验方式见 README.md Quick Start 章节获取 Lighthouse下载对应平台的发布包解压到任意文件夹运行Windows 运行lighthouse.exe、Linux 运行lighthouse.appimage、macOS 双击lighthouse选中 ROM 即可开始 提示按ESC呼出菜单栏F11全屏Tab切换备用资源——完整快捷键见 README.md。 小结Lighthouse 1.1.0Hatteras Zulu用随机生成器 增强特性全家桶 全平台支持三板斧把 1998 年的《Banjo-Kazooie》完整搬进了现代。对新手来说你不需要任何编程基础只要有一份合法的 ROM 备份就能立刻体验这个持续进化中的开源重制引擎 核心资料速查项目说明与快速开始README.md编译指南docs/BUILDING.md版本定义CMakeLists.txt增强特性总目录src/port/Enhancements/【免费下载链接】Lighthouse项目地址: https://gitcode.com/GitHub_Trending/lighthouse26/Lighthouse创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉