docs: update PROGRESS.md - NVIDIA原生视频输入切换调研与实现

PROGRESS.md

@@ -1,6 +1,6 @@
 # 项目进度追踪
 
-> 最后更新: 2026-08-20 16:30
+> 最后更新: 2026-08-20 17:25
 
 ## 服务运行状态
 
@@ -161,6 +161,26 @@
 19. **chunk_size 变更防护** - Edge 端 upload_chunk 检测 total_chunks 变更（由 chunk_size 变化导致），自动清理旧分块防止混合不同大小分块导致 assemble 后文件损坏。NAS 端 _query_uploaded_chunks 比对 expected_total != edge_total 时跳过断点续传
 20. **看门狗机制** - app.py 启动 daemon 看门狗线程，每 60s 检查 scheduler/dispatcher/poller 线程 is_alive()，崩溃自动 check_and_restart()。/api/status 改用 thread.is_alive() 替代 _running 标志，防止线程假死误报
 
+## NVIDIA 原生视频输入切换 (2026-08-20 17:25, commit 55633d3)
+
+**调研结论**（免费托管 API `integrate.api.nvidia.com`，40 RPM 无限次调用）：
+
+| 模型 | 状态 | 说明 |
+|------|------|------|
+| nvidia/nemotron-3-nano-omni-30b-a3b-reasoning | ✅ 采用 | Omni 模型，原生支持 video_url 输入（MP4，base64 data URI） |
+| meta/video-llama3-8b-instruct | ❌ 404 已下线 | 曾是 NVIDIA 官方视频理解模型 |
+| qwen/qwen2.5-vl-72b-instruct | ❌ 404 | 该 ID 不存在 |
+
+**实现**：NVIDIA 从"逐帧单图调用"切换为**原生视频输入**：
+1. `analyze_video`：按关键帧时间点截取 ±1.5s 片段（drawtext 叠加时间戳，用连字符 `00-05-00` 避免 ffmpeg 冒号转义），拼成集锦视频（640 宽 CRF28，~35KB/片段），base64 后 `video_url` 单次调用
+2. 输出全 schema JSON（frame_details + global_summary + entities_json），归一化对齐时间戳
+3. `analyze_frames` 保留为降级路径；orchestrator 传 `video_path`，优先视频模式失败自动降级逐帧
+4. timeout 20→120s，chat max_tokens 512→2048（reasoning 模型 token 消耗大）
+
+**实测**（360MB 测试视频，3 关键帧）：集锦 107KB，全程 37s，动态动作识别准确（走动→坐沙发→坐餐桌），跨片段综合摘要正常——**显著优于旧逐帧静态识别**。
+
+**注意**：nemotron-omni 为 reasoning 模型，10s 视频 ~20s 返回；Gemini 仍是首选（多图 34s），NVIDIA 视频模式作为同级降级链路。
+
 ## Gemini 视觉解析排查 + 业务全流程梳理 (2026-08-20 16:30, commit f4e7424)
 
 **结论: Gemini 可以解析视频（多帧视觉分析），且有 40s 完成整段分析的实测记录，但当前被三重问题压制**