这是由于 pyVideoTrans 软件内部检测 CUDA 环境的方式与您手动安装的 PyTorch CUDA 版本可能不匹配，或者环境变量未正确生效导致的。

解决方案：

1. 验证 CUDA 环境：在命令行中分别执行 nvcc -V 和 nvidia-smi，确认 CUDA Toolkit 版本为 12.8，且驱动版本支持 CUDA 12.8。

2. 验证 PyTorch CUDA：在 Python 环境中运行以下命令，检查 PyTorch 是否能识别到 CUDA：

   import torch
   print(torch.__version__)
   print(torch.cuda.is_available())
   print(torch.version.cuda)

   如果 torch.cuda.is_available() 返回 False，说明 PyTorch 的 CUDA 版本与系统 CUDA 不匹配或安装有问题。

3. 为 pyVideoTrans 重新安装依赖：如果您是源码部署（macOS/Linux），请确保在 pyVideoTrans 项目根目录下，使用 uv sync 重新同步依赖，它会根据项目配置安装正确的 PyTorch 版本。
4. 检查软件内设置：启动 pyVideoTrans，在主界面或“菜单-工具-高级选项”中，确认已勾选 “CUDA加速” 选项。
5. 重启软件/系统：完成上述步骤后，完全关闭 pyVideoTrans 再重新启动。如果问题依旧，尝试重启计算机以使环境变量彻底生效。

如果以上步骤均无效，可能是软件依赖的特定 CUDA 库路径未被正确识别。请提供软件 logs 目录下最新日志文件底部约30行的报错信息，以便进一步分析。

请查阅相关文档：

• windows上安装CUDA12.8和cuDNN9.11