Omni-R1 — дообученная мультимодальная модель Qwen для рассуждений о видео и аудио и сегментации объектов по запросу.

Подходит для: сегментация объекта в видео по текстовому описанию · аудиовизуальная сегментация объекта по звучащему событию · поиск ключевых кадров для временного рассуждения о видео