#5782 你的设备不满足CUDA加速要求，请确认是NVIDIA显卡，并已配置好CUDA环境，点击菜单栏-帮助支持-CUDA help

该错误表示软件无法检测到可用的 CUDA 加速环境。请按以下步骤排查：

1. 确认显卡类型：只有 NVIDIA（N卡） 支持 CUDA 加速。AMD、Intel 显卡或集成显卡不支持。请在设备管理器中查看显卡型号。
2. 安装 CUDA Toolkit 12.8+：前往 NVIDIA 官网下载安装 CUDA 12.8 或更高版本。安装后打开命令提示符，输入 nvcc -V 检查版本。
3. 安装 cuDNN 9.11+：下载对应版本并配置环境变量（确保 bin 和 lib 目录在系统 PATH 中）。
4. 检查显卡驱动：运行 nvidia-smi 确认驱动支持所需 CUDA 版本，并更新至最新驱动。
5. 重启软件：完成以上步骤后重新运行 pyVideoTrans。

如果你确定显卡是 NVIDIA 且已正确安装 CUDA 工具，请提供 logs/ 目录下的最新日志文件（约最后30行）以便进一步分析。

[DEBUG] 可用 Nvidia 显卡数: 0
[DEBUG] 找到 0 个 Nvidia GPUs, 耗时: 4s
[DEBUG] 返回缓存的编解码器 Windows-264: libx264
[DEBUG] 返回缓存的编解码器 Windows-265: libx265

[DEBUG] start 9 jobs
[DEBUG] app_cfg.proxy=''
[DEBUG] 无法连接 huggingface.co, 使用镜像替换: hf-mirror.com

你的日志明确显示：可用 Nvidia 显卡数: 0，即 PyTorch 未能找到任何 NVIDIA 显卡。这通常意味着：

• 显卡不是 NVIDIA：请确认你的显卡型号。AMD、Intel 集显或独显均不支持 CUDA。
• 驱动未正确安装：即使显卡是 NVIDIA，如果驱动过旧或未安装，CUDA 检测也会失败。请更新至 NVIDIA 官网最新驱动。
• CUDA 环境未正确配置：仅安装显卡驱动还不够，还需安装 CUDA Toolkit 12.8+ 和 cuDNN 9.11+，并将 CUDA 的 bin 和 lib 目录添加到系统环境变量 PATH 中。

验证步骤：

1. 打开命令提示符（CMD），输入 nvidia-smi。如果该命令正常显示显卡信息（如驱动版本、CUDA 版本），说明驱动正常。如果提示“不是内部或外部命令”，则驱动未安装或 PATH 配置有误。
2. 接着输入 nvcc -V，查看 CUDA 编译器版本。如果显示版本号（如 12.8），则 CUDA Toolkit 安装成功。

3. 如果上述步骤均正常，但软件仍提示无显卡，可能是打包版包含的 PyTorch 版本与 CUDA 不兼容。请尝试以下方法之一：

   • 切换使用 CPU 模式（不勾选“CUDA加速”），任务会变慢但可正常运行。
   • 如果必须 GPU 加速，建议通过源码部署（使用 uv sync）以确保 PyTorch CUDA 版本正确。

请提供 nvidia-smi 和 nvcc -V 的输出，以便进一步排查。

nvidia-smi
Sun Jul 12 14:55:08 2026
+

问题根源在于显卡驱动版本过旧。你的 nvidia-smi 显示：- 驱动版本：472.12（发布于2021年）- 该驱动支持的最高 CUDA 版本为 11.4但你的系统已安装 CUDA 12.8 Toolkit（通过 nvcc -V 可看到），而 pyVideoTrans 内置的 PyTorch 依赖 CUDA 12.8+。驱动不支持 CUDA 12.8，导致 PyTorch 检测不到 GPU。

[DEBUG] 正在测试编码器是否可用: h264_qsv...
[DEBUG] 可用 Nvidia 显卡数: 0
[DEBUG] 找到 0 个 Nvidia GPUs, 耗时: 20s

你的显卡驱动仍为 472.12，该版本最高仅支持 CUDA 11.4，而你安装的 CUDA 12.8 Toolkit 无法被此驱动支持。尽管 nvcc -V 显示 CUDA 12.8，但 PyTorch 依赖的是驱动层的 CUDA 运行时，而非编译器。你必须更新显卡驱动。

请按以下步骤操作：

1. 前往 NVIDIA 驱动官网 下载适合你显卡型号的最新驱动（例如 555 或更高版本）。
2. 安装后重启电脑。
3. 在命令提示符中运行 nvidia-smi，确认顶行显示的 CUDA Version 至少为 12.8。
4. 重新打开 pyVideoTrans，应能正常检测到 GPU。

如果驱动已更新但仍检测不到，请提供最新的 logs/ 目录下日志文件（最后约30行）以便进一步分析。在此期间，你也可以暂时取消勾选“CUDA加速”，使用 CPU 模式处理任务（速度较慢但可用）。

vcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2026 NVIDIA Corporation
Built on Tue_Jun__9_14:30:19_Pacific_Daylight_Time_2026
Cuda compilation tools, release 13.3, V13.3.73
Build cuda_13.3.r13.3/compiler.38244171_0

根据你提供的 nvcc -V 输出，CUDA Toolkit 已更新到 13.3，但软件仍检测不到 GPU（可用 NVIDIA 显卡数为 0，耗时 20s）。目前核心矛盾：软件内置的 PyTorch 是针对 CUDA 12.8 编译的，而 CUDA 13.3 版本可能不被其完全支持（通常 PyTorch 需配套对应主版本号的 CUDA）。此外，你的显卡驱动版本可能仍为旧的 472.12，该驱动最多支持 CUDA 11.4，无法驱动 CUDA 13.3 的运行时。请先运行 nvidia-smi，查看最顶行的 CUDA Version 显示的版本号：- 如果仍是 11.4：驱动未更新，请务必更新驱动至支持 13.x 的版本（如 555+）。- 如果已显示 13.3：说明驱动已满足要求，则是 PyTorch 与 CUDA 13.3 不兼容。此时请尝试以下方案：1. 升级软件至最新版：下载 v4.05 以上的最新打包版（可能已支持 CUDA 13.x）。2. 回退 CUDA 版本：卸载 CUDA 13.3，安装 CUDA 12.8，并匹配该版本的 cuDNN 9.11+。3. 使用源码部署：通过 uv sync 重新编译，确保 PyTorch 适配当前 CUDA 版本： bash git clone https://github.com/jianchang512/pyvideotrans cd pyvideotrans uv sync 此方式会自动安装适合你 CUDA 版本的 PyTorch。请先检查 nvidia-smi 结果，根据情况选择方案。