Модифицированная версия 3B-модели на базе Qwen2.5-Omni для подробного аудиовизуального описания коротких пользовательских видео без стандартных механизмов отказа.

Подходит для: подробное описание коротких видео с учётом изображения и звука · суммаризация сцен и событий в пользовательских роликах · анализ связи между видеорядом, речью и звуковым контекстом