对话支持视频输入 #6521
Description
例行检查
- 我已确认目前没有类似 features
- 我已确认我已升级到最新版本
- 我已完整查看过项目 README，已确定现有版本无法满足需求
- 我理解并愿意跟进此 features，协助测试和提供反馈
- 我理解并认可上述内容，并理解项目维护者精力有限，不遵循规则的 features 可能会被无视或直接关闭
功能描述
希望在对话中支持 视频输入。
用户可以上传视频文件，由系统将视频内容传递给支持多模态的视频模型进行分析，实现对视频内容的理解和问答。
目前已有不少模型开始支持视频理解，例如 Qwen3.5、Gemini 系列模型 等，如果 FastGPT 能支持视频输入，可以更好地利用这些模型能力。
应用场景
- 上传视频并让 AI 总结视频内容
- 用于教育、监控分析、内容审核等场景
相关示例
用户上传 demo.mp4
用户提问：
帮我总结这个视频的主要内容
视频里出现了哪些人物或场景？
这个视频大概讲了什么？
AI 返回对视频内容的分析或总结。