这几个 .7z 都是 Windows 绿色版（portable） ，区别只在于 内置的 PyTorch / CUDA 版本 和 体积。一句话总结：
| 文件名 | 内置 CUDA / PyTorch | 适用显卡驱动 | 体积 | 特点 |
|---|---|---|---|---|
amd |
CPU-only 或 ROCm（AMD 卡） | 不限 | 610 MB | 最小，N 卡别下；A 卡/纯 CPU 才选 |
nvidia |
cu121（默认） | ≥ 531 | 1.61 GB | 通用 NV 版，老卡到新卡都能跑 |
nvidia_cu126 |
cu126 | ≥ 535 | 1.59 GB | 支持 40 系 Super / 30 系新驱动优化 |
nvidia_cu128 |
cu128（最新） | ≥ 537 | 1.83 GB | 算子最新、体积最大，40 系、50 系首选，老卡也能向下兼容 |
✅ 怎么选
-
NVIDIA 显卡 → 直接拿 cu128（最大最全，1.83 GB）
-
AMD 显卡 → 用 amd（610 MB）
-
纯 CPU 跑图 → 同样 amd 即可
注意：cu128 需要驱动 ≥ 537（2024 年以后的官方驱动都满足），装完解压即用，无需再配 CUDA。
VACE 是阿里巴巴通义实验室在 Wan2.1 时代提出的「一站式视频创作与编辑框架」，名字拆开就是：
-
Video
-
A ll-in-one C reation & Editing
T2V 则是它支持的四大核心子任务之一：
- T ext-to-Video（文本生成视频）------只给一句文字，模型直接出动态画面。
换句话说：
VACE 是整套"工具箱" ，里面包含 T2V、R2V、V2V、MV2V 等多个工具；
T2V 只是其中一把"螺丝刀"，专管"纯文本→视频"这件事
FLF2V 是 "First-Last-Frame to Video" 的缩写，意为「首尾帧生成视频」：
只需给出起始帧 + 结束帧 两张图像，模型便自动填补中间的全部过渡画面，输出一段5 秒、720p 且逻辑连贯的高清视频 。