เนื้อหานี้ต้องการเกมหลัก GREAT TOY SHOWDOWN บน Steam ในการเล่น

เข้าสู่ระบบ เพื่อเพิ่มผลิตภัณฑ์นี้ลงในสิ่งที่อยากได้ของคุณ ติดตาม หรือทำเครื่องหมายเป็นถูกละเว้น

ไม่รองรับภาษาไทย

ผลิตภัณฑ์นี้ไม่รองรับภาษาท้องถิ่นของคุณ โปรดตรวจสอบรายชื่อภาษาที่รองรับก่อนทำการสั่งซื้อ

เนื้อหาดาวน์โหลด

เนื้อหานี้ต้องการเกมหลัก GREAT TOY SHOWDOWN บน Steam ในการเล่น

ซื้อ GreatToyShowdown - Coffee for Developer

โปรโมชันพิเศษ! ข้อเสนอจะจบลงใน

 

เกี่ยวกับเนื้อหานี้

Thank you so much for enjoying GREAT TOY SHOWDOWN!
For those who feel like something’s just a tiny bit missing, we’ve prepared a solid Supporter Pack.
By purchasing this affordable pack, with the price of a cup of coffee, you’ll help support future game development—making the game even more vibrant and lively—and, in the process, receive a special skin that only the most stylish dolls can wear!

  • (Exclusively for Supporter Pack!) Barista Costume

  • Coffee-Drinking Emote (Dance emote) - Watch out, don’t drink too much!

  • A heartfelt thank you from the dev team <3

By purchasing this DLC, you’re not only getting exclusive items but also showing your support for GREAT TOY SHOWDOWN and our studio, SANDY FLOOR.
We’re sure that dressing up in the barista costume and sipping a coffee with the emote will warm your heart and ours alike!

ความต้องการระบบ

Windows
macOS
    ขั้นต่ำ:
    • ระบบปฏิบัติการ *: Windows 7+
    • โปรเซสเซอร์: Core i3 and up
    • หน่วยความจำ: แรม 3 GB
    • กราฟิกส์: 256mb video memory
    • DirectX: เวอร์ชัน 11
    • พื้นที่จัดเก็บข้อมูล: พื้นที่ว่างที่พร้อมใช้งาน 500 MB
    • หมายเหตุเพิ่มเติม: 64 bit required
* ตั้งแต่วันที่ 1 มกราคม 2024 เวลาแปซิฟิก เป็นต้นไป ไคลเอนต์ Steam จะรองรับเฉพาะ Windows 10 และเวอร์ชันที่ใหม่กว่าเท่านั้น
    ขั้นต่ำ:
    • ระบบปฏิบัติการ: Ventura 13.0.1
    • โปรเซสเซอร์: Intel & Apple M1
    • หน่วยความจำ: แรม 1536 MB
    • กราฟิกส์: Intel & Apple M1
    • เครือข่าย: การเชื่อมต่ออินเทอร์เน็ตแบบบรอดแบนด์
    • พื้นที่จัดเก็บข้อมูล: พื้นที่ว่างที่พร้อมใช้งาน 2048 MB
    แนะนำ:
    • เครือข่าย: การเชื่อมต่ออินเทอร์เน็ตแบบบรอดแบนด์
ตัวกรองบทวิจารณ์