chat - 多模态（理解）图片、声音、视频

理解（或感知）多媒体内容的能力，需要大模型支持。

重要提醒：用 url 还是 base64，要根据 llm 支持情况选择（不同的 llm 不同）。

1、理解图片（图像）

就是把图片和提示语一起提交给大模型。需要用到 ImageBlock 接口

示例（有些模型需要提交 url ，有些需要提交 b64。按模型要求使用）：

chatModel.prompt(ChatMessage.ofUser("这个图上有人像吗？",  ImageBlock.ofUrl("http://.../demo.jpg")))
            .call();

2、理解声音（音频）

就是把声音和提示语一起提交给大模型。需要用到 AudioBlock 接口

示例：

chatModel.prompt(ChatMessage.ofUser("这里讲了什么？",  AudioBlock.ofUrl("http://.../demo.mp3")))
            .call();

3、理解视频

就是把视频和提示语一起提交给大模型。需要用到 VideoBlock 接口

示例：

chatModel.prompt(ChatMessage.ofUser("这里讲了什么？",  VideoBlock.ofUrl("http://.../demo.jpg")))
            .call();