[Feature] 希望实现用户音频输入的支持 #1343
Description
描述
目前部分多模态的大模型已经支持了音频输入，比如谷歌gemini，阿里的Qwen-Omni等。希望可以让bot获取用户发送的语音，直接作为音频提示词发送给大模型
使用场景
比如在qq私聊时，可以直接给bot发语音，然后bot把系统提示词和用户语音文件一起发送给大模型生成回复
你愿意提交PR吗?
- 是的, 我愿意提交PR!
Code of Conduct
- 我已阅读并同意遵守该项目的 行为准则。
{{ message }}