[Feature]: 能支持一下Qwen3-Omni系列的模型吗 #962
Description
🚀 The motivation and feature
对视频进行内容理解比如打一、二级标签的时候，除了画面特征，需要叠加考虑音频特征，不只是音频内容，还包括音频的风格、节奏、旋律等
Alternatives
No response
Additional context
No response
{{ message }}
对视频进行内容理解比如打一、二级标签的时候，除了画面特征，需要叠加考虑音频特征，不只是音频内容，还包括音频的风格、节奏、旋律等
No response
No response