dlssg-to-fsr3
dlssg-to-fsr3 是一款专为游戏玩家设计的开源模组,旨在让非 RTX 40 系列显卡的用户也能体验到流畅的帧生成技术。它通过替换游戏中原有的 Nvidia DLSS 帧生成组件,巧妙地将 AMD FSR 3 帧生成技术“移植”过来。这一方案主要解决了 RTX 1600、2000 和 3000 系列显卡用户无法原生使用 DLSS 3 帧生成功能的痛点,让这些老款显卡在支持 DLSS-G 的游戏中也能获得显著的性能提升。
该工具特别适合喜欢折腾游戏设置、希望挖掘硬件潜力的普通玩家使用。其核心亮点在于“即插即用”的灵活性:无需修改游戏核心文件,只需将特定的 DLL 文件复制到游戏目录即可生效。此外,它提供了多种加载方式(如通用 DLL 替换或 NVNGX 方法),并内置日志功能方便排查问题。不过需要注意的是,由于涉及底层图形接口替换,在多人联机游戏中使用可能存在封号风险,建议仅在单机模式下体验。对于想要研究图形技术替换方案的开发者而言,其开放的构建流程也提供了不错的参考样本。
使用场景
一位拥有 RTX 3070 显卡的玩家想在《霍格沃茨之遗》中体验高帧率流畅画面,但受限于硬件无法原生支持 NVIDIA DLSS 3 帧生成技术。
没有 dlssg-to-fsr3 时
- 硬件被“锁死”:RTX 20/30 系列显卡用户被排除在 DLSS 3 帧生成门外,只能眼睁睁看着 RTX 40 系用户享受丝滑流畅,自己却卡在低帧率。
- 画质与性能难兼得:为了维持可玩的帧数,被迫大幅降低分辨率或关闭光追特效,导致游戏画面模糊、光影效果大打折扣。
- 升级成本高昂:若想获得同等流畅度,唯一方案是花费数千元升级至 RTX 40 系列显卡,造成不必要的经济负担。
- 社区资源浪费:尽管 AMD FSR 3 技术已开源且支持旧卡,但游戏厂商未提供切换选项,导致现有硬件潜力无法释放。
使用 dlssg-to-fsr3 后
- 老卡重获新生:通过替换游戏内的 NVIDIA 组件,成功在 RTX 3070 上启用了 AMD FSR 3 帧生成,帧率从 45 FPS 飙升至 80+ FPS。
- 画质无损提升:无需牺牲分辨率或关闭光追,即可在保持高画质的前提下获得接近翻倍的性能表现,视觉体验显著改善。
- 零成本升级体验:仅需复制两个文件到游戏目录即可完成“软升级”,无需购买新硬件,极大延长了旧显卡的使用寿命。
- 灵活兼容多游戏:该方案支持《赛博朋克 2077》等多款热门大作,让玩家能统一管理不同游戏的帧生成策略。
dlssg-to-fsr3 打破了厂商的技术壁垒,让非最新一代显卡用户也能免费享受到顶级的帧生成技术红利。
运行环境要求
- Windows
- 必需
- 仅支持 NVIDIA RTX 1600、RTX 2000 和 RTX 3000 系列显卡
- 构建时需安装 Vulkan SDK
未说明

快速开始
dlssg-to-fsr3 是一款适用于使用 Nvidia 的 DLSS-G 帧生成 技术的游戏的即插即用型模组/替换工具,它允许用户改用 AMD 的 FSR 3 帧生成 技术。仅支持 RTX 1600、RTX 2000 和 RTX 3000 系列显卡。
特定游戏的兼容性信息可在此处查看。在多人游戏中使用 dlssg-to-fsr3 并不可取,可能会导致账号被封禁。请自担风险使用。
下载链接
https://www.nexusmods.com/site/mods/738
用户安装指南
通用方法 (推荐)
- 从提供的通用 DLL 中选择 一个 使用。可选的有
version.dll、winhttp.dll或dbghelp.dll。本示例中我们选择version.dll。 - 找到您的游戏安装目录。以《霍格沃茨之遗》为例,该目录包含
HogwartsLegacy.exe。例如路径为:C:\Program Files (x86)\Steam\steamapps\common\Hogwarts Legacy\Phoenix\Binaries\Win64\。 - 将
dlssg_to_fsr3_amd_is_better.dll和version.dll复制到您的游戏安装目录。 - 完成。启动游戏后会生成名为
dlssg_to_fsr3.log的日志文件。
NVNGX 方法
- 双击
DisableNvidiaSignatureChecks.reg文件并选择 运行。在随后的几个对话框中点击 是。 - 找到您的游戏安装目录。以《赛博朋克 2077》为例,该目录包含
Cyberpunk2077.exe。例如路径为:C:\Program Files (x86)\Steam\steamapps\common\Cyberpunk 2077\bin\x64\。 - 将
dlssg_to_fsr3_amd_is_better.dll和新生成的nvngx.dll复制到您的游戏安装目录。 - 启动游戏后会生成名为
dlssg_to_fsr3.log的日志文件。
开发者安装指南
- 使用文本编辑器打开
CMakeUserEnvVars.json文件,并将___GAME_ROOT_DIRECTORY重命名为GAME_ROOT_DIRECTORY。 - 将
GAME_ROOT_DIRECTORY中的路径更改为您的目标游戏路径。编译后的 DLL 会自动复制过去。 - 将
GAME_DEBUGGER_CMDLINE中的路径更改为您的可执行文件路径。这允许您直接从 Visual Studio 界面进行调试。 - 手动将
resources\dlssg_to_fsr3.ini复制到游戏目录中,以启用 FSR 3 的可视化和调试选项。
构建说明
需求
- 克隆本仓库及其所有子模块。
- 安装 Vulkan SDK 并设置
VULKAN_SDK环境变量。 - Visual Studio 2022 17.9.6 或更高版本。
- CMake 3.26 或更高版本。
- Vcpkg。
FidelityFX SDK
- 打开一个
Visual Studio 2022 x64 Tools Command Prompt实例。 - 导航到
dependencies\FidelityFX-SDK\sdk\子目录。 - 运行
BuildFidelityFXSDK.bat并等待编译完成。 - 完成。
dlssg-to-fsr3(选项一:Visual Studio UI)
- 直接打开
CMakeLists.txt文件,或打开包含CMakeLists.txt的根目录。 - 从下拉菜单中选择一个预设配置,例如
Universal Release x64。 - 构建并等待编译完成。
- 编译后的文件会被写入 bin 文件夹。完成。
dlssg-to-fsr3(选项二:Powershell 脚本)
- 打开一个 Powershell 命令窗口。
- 运行
.\Make-Release.ps1并等待编译完成。 - 每个配置的编译文件都会被写入 bin 文件夹并归档。完成。
更改记录
点击展开。
版本 0.130
- 增加了对较新 Streamline 插件插桩路径的支持。
- 添加了 Vulkan present 计量功能可用性的日志记录。
版本 0.123
- 增加了警告提示,因为《怪物猎人:荒野》在未安装 REFramework 的情况下会崩溃。再次强调,不支持多人游戏。
版本 0.122
- 移除了针对《夺宝奇兵与伟大圆环》的临时解决方案,因为现在已经不再需要。
版本 0.121
- 增加了额外的错误日志记录。
- 为基于 RTX Remix 的游戏做了未来兼容性处理。
- 修复了通过环境变量传递配置设置时读取失败的问题。
版本 0.120
- 在通用版中增加了拦截/挂钩无线 Streamline 插件更新的功能。
- 增加了对传递双向失真场资源的游戏的支持。
- 增加了用于支持《夺宝奇兵与伟大圆环》的临时解决方案。
- 增加了用于更好地支持基于 RTX Remix 游戏的临时解决方案。
- 增加了针对提供错误摄像机远近裁剪平面及视场角值的游戏的临时解决方案。
- 迁移到了最新的 AMD FidelityFX SDK(v1.1 -> v1.1.3)。
- 修复了在切换超分辨率算法或更改输出分辨率时偶尔出现的模糊矩形(插值矩形)问题。
版本 0.110
- 为 FSR 3.1 增加了原生 Vulkan 支持。
版本 0.100
- 初步支持 FSR 3.1 帧生成。
- 增加了非常实验性的 Vulkan 支持。预计会出现画面瑕疵和遮挡缺失等问题。
- 由于近期 DLSS SDK 的变更,通用版本实施了更为激进的挂钩策略。
- 修订了多项调试日志输出。
版本 0.90
- 增加了一个通用 ZIP 压缩包,以实现最大程度的游戏兼容性。每个文件夹内都包含单独的 READ ME.txt 文件,无需调整注册表键值。
- 通用 DLL 现在会因挂钩冲突而自动禁用 EGS 叠加层。
- 通用 DLL 现在会绕过 GPU 架构检查,以应对顽固游戏(如《消逝的光芒2》、《返生者》)。
- HDR 亮度值现在从当前显示器查询,必要时会回退到默认值。
- 修复了使用通用 DLL 时《消逝的光芒2》中的 GPU 驱动崩溃问题。
- 现在会记录硬件加速 GPU 调度状态。
版本 0.81
- 修复了某些游戏中大型场景切换时出现的 GPU 卡顿问题(例如《巫师3》)。
- 其他一些较小的稳定性修复和错误检查。
- 增加了将 nvngx.dll 重命名为 version.dll、winhttp.dll 或 dbghelp.dll 的功能,以避免注册表签名覆盖的要求。
版本 0.80
- 应该已经修复了所有纹理格式转换导致的崩溃问题(例如《霍格沃茨之遗》)。
- 再次改进了错误日志记录。
版本 0.70
- 重写了错误检查代码。
- 重写了日志记录代码。
- 增加了对运行时改变纹理尺寸/格式的支持。
- 增加了一个开发者配置选项,用于仅显示插值帧。
- 提高了 nvngx 封装 DLL 的兼容性。
版本 0.60
- 启动时的提示窗口已被移除。
- 在游戏目录中添加了一个日志文件(“dlssg_to_fsr3.log”)。
- 增加了对开发者选项和调试叠加层的支持(“dlssg_to_fsr3.ini”)。
- 进一步提升了稳定性。
版本 0.50
- 实验性格式转换支持。这主要涉及启用 HDR 的游戏以及 UI 渲染目标格式不匹配的情况。
版本 0.41
- 修复了意外包含调试叠加层的问题。
版本 0.40
- 使用 nvngx.dll 替换了 dbghelp.dll,以提高游戏兼容性。请删除早期版本中的旧 dbghelp.dll。
- 现在必须使用 DisableNvidiaSignatureChecks.reg 才能在游戏中使用。
- 进行了多项稳定性修复。
版本 0.30
- 修复了许多游戏的崩溃问题(例如《星空》)。
版本 0.21
- 修复了 DLL 路径判定中的一个拼写错误。
- 增加了明确的二进制许可证。
版本 0.20
- 第一个可工作的版本。
版本 0.10
- 初始测试发布。
许可证
版本历史
0.1302025/03/160.1222025/02/220.1212025/02/100.1202025/02/080.1002024/07/090.902024/01/100.812024/01/030.802023/12/240.702023/12/210.602023/12/190.502023/12/190.402023/12/180.32023/12/180.212023/12/170.22023/12/170.12023/12/15常见问题
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单,旨在为自学者提供系统化的学习路径。它汇集了全球知名高校(如加州大学伯克利分校、新南威尔士大学等)的完整课程录像,涵盖从编程基础、数据结构与算法,到操作系统、分布式系统、数据库等核心领域,并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源,cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容,仅收录真正的大学层级课程,排除了碎片化的简短教程或商业广告,确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员,以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽,不仅包含传统的软件工程与网络安全,还细分了生成式 AI、大语言模型、计算生物学等新兴学科,并直接链接至官方视频播放列表,让用户能一站式获取高质量的教育资源,免费享受世界顶尖大学的课堂体验。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单,汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点,这份清单按编程语言(如 Python、C++、Go 等)和应用场景(如计算机视觉、自然语言处理、深度学习等)进行了系统化分类,帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库,还是资深工程师对比不同语言的技术选型,都能从中获得极具价值的参考。此外,清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源,构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准:明确标记已停止维护或长期未更新的项目,确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”,awesome-machine-learning 以开源协作的方式持续更新,旨在降低技术探索门槛,让每一位从业者都能高效地站在巨人的肩膀上创新。