VisoMaster RTX 5090 CUDA 排错：sm_120、驱动与安装包

遇到 sm_120 或 no kernel image is available 时，先确认你实际启动的 VisoMaster 目录及其中的运行库。更新 NVIDIA 驱动不会自动替换旧包里的 PyTorch 或 ONNX Runtime；更新整合包也仍需兼容的驱动。

文档核对于 2026 年 10 月 5 日；下方文件名和体积来自 2026 年 9 月 23 日目录核查。本页提供诊断与安装流程，未对 RTX 5090 进行控制变量性能测试。

先根据错误选择处理方式

看到的错误	首先检查	下一步
sm_120 is not compatible	包内运行库支持的显卡架构	使用 RTX 50 系列对应包，或源码项目支持的依赖组合
no kernel image is available	完整日志中第一个失败的库	核对其 GPU 支持；这并非 RTX 50 独有的错误
CUDA 后端加载失败	驱动与包内运行库	按所选包说明处理，不混用两套安装目录的依赖
CUDA out of memory	分辨率、增强模型及其他 GPU 程序	关闭无关任务，先尝试较小的短片
启动窗口立刻关闭	解压完整性、路径及控制台错误	从终端运行包内启动器保留错误
浏览器无法打开 7860	启动器是否仍运行、端口是否占用	查看控制台，必要时按 README 修改端口

为什么新显卡会暴露旧运行库问题

RTX 50 系列采用 NVIDIA Blackwell 架构。PyTorch 官方 2.7 发布说明加入 Blackwell 支持和 CUDA 12.8 安装包。这能解释部分错误，但不能证明单独升级 PyTorch 就能修复所有 VisoMaster 版本：应用还可能依赖 ONNX Runtime、TensorRT 和特定模型组件。

应使用对应构建支持的依赖组合，不要直接把通用升级命令套到已有整合包里。

选择并安装 Windows 整合包

• VisoMaster_50Series.zip：压缩体积 27.86 GB，目录时间 2026-03-29，包内 README 标为 RTX 50 系列包。
• VisoMaster-v0.1.6.zip：压缩体积 16.06 GB，目录时间 2025-10-14；旧显卡按该包自身说明核对。

文件时间不等于发布保证。需要同时容纳压缩包、解压文件、模型和输出；20 GB 空间连 RTX 50 压缩包都放不下。

1. 打开下载选型页，核对当前 Patreon 帖子的获取条件及说明。
2. 确认显卡，按该构建要求更新驱动，再从帖子内文件夹下载对应包与 README。
3. 解压到新的简短英文路径，例如 D:\VisoMaster_50Series；保留旧的可用安装目录。
4. 按包内说明运行 VisoMaster.exe 或 Run.bat，保持启动器运行，打开 http://localhost:7860。
5. 先用一张人脸和短片验证预览、完整导出与音画同步，再处理长视频。

这里提供付费预配置整合包；原版源码项目可另外获取。

在 Patreon 查看 Windows 整合包

仍然失败时记录什么

记录压缩包名、应用版本、Windows 版本、显卡、驱动、第一个错误和触发操作。保留本地完整日志，分享前移除个人路径。显存不足、模型缺失和架构错误需要不同处理，重复下载同一压缩包无法区分原因。

源码安装请参考原版项目说明。除非包内 README 明确要求，否则不要将源码安装命令混入整合包运行环境。

常见问题

能保证每张 RTX 30、40、50 显卡都能运行吗？

不能。请核对所选包的兼容说明。显卡系列名称不代表已经测试所有桌面、笔记本、驱动、显存与运行库组合。

需要额外安装 CUDA Toolkit 吗？

整合包可包含运行依赖，源码安装则有自己的要求；两者仍需要兼容的 NVIDIA 驱动。按具体构建说明操作，不要无差别安装工具包。

RTX 包就是最新 Fusion 吗？

仅凭文件名不能确认。为 Fusion 特定功能购买前，请查看 README 和版本。

相关教程与来源

• 系统要求
• VisoMaster 与 FaceFusion 对比
• 换脸教程
• PyTorch 2.7 的 Blackwell 支持说明