feat: NVIDIA 切换到原生视频输入 — nemotron-3-nano-omni + 集锦视频单次调用

调研结论: build.nvidia.com 免费托管 API 上 video-llama3-8b 与
qwen2.5-vl-72b 已下线(404)，nvidia/nemotron-3-nano-omni-30b-a3b-reasoning
可用(200, 40RPM 免费额度内)，原生支持 video_url 输入(MP4 base64)。

实现:
1. nvidia_adapter 新增 analyze_video: 按关键帧时间点截取 ±1.5s 片段
   (drawtext 叠加时间戳，连字符避免冒号转义)拼集锦视频，640 宽 CRF28，
   base64 后经 video_url 单次调用，输出全 schema JSON(frame_details +
   global_summary + entities_json)并归一化对齐时间戳
2. analyze_frames 保留为无视频文件时的降级路径; chat max_tokens
   512→2048(reasoning 模型 token 消耗大); timeout 20→120s
3. orchestrator.run_visual_analysis 增加 video_path 参数，fallback 循环
   对支持 analyze_video 的适配器优先走视频模式，失败自动降级逐帧

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。

fam-edge/src/fam_edge/ai_orchestrator/orchestrator.py

@@ -53,9 +53,13 @@ class AIOrchestrator:
                            frame_paths: List[str],
                            frame_timestamps: List[str],
                            known_members_context: str,
-                           rate_limiter=None) -> Dict[str, dict]:
+                           rate_limiter=None,
+                           video_path: str = None) -> Dict[str, dict]:
         """视觉分析阶段：仅 role=vision 的适配器参与
 
+        支持 analyze_video 的适配器（如 NVIDIA Omni）优先走原生视频输入，
+        失败自动降级回逐帧图片模式。
+
         orchestrator.mode:
         - fallback (默认): 按 config 顺序依次尝试，首个成功即采用（单元素 dict）
         - ensemble: 并行所有健康 vision 模型，全部成功结果都保留（交叉验证）
@@ -88,8 +92,20 @@ class AIOrchestrator:
                     continue
             start = time.time()
             try:
-                output = adapter.analyze_frames(
-                    frame_paths, frame_timestamps, known_members_context)
+                output = None
+                if video_path and hasattr(adapter, 'analyze_video'):
+                    try:
+                        logger.info(f"[{adapter.provider_name}] 尝试原生视频输入分析")
+                        output = adapter.analyze_video(
+                            video_path, frame_timestamps, known_members_context)
+                        if not output:
+                            logger.warning(f"[{adapter.provider_name}] 视频模式失败，降级逐帧模式")
+                    except Exception as ve:
+                        logger.warning(f"[{adapter.provider_name}] 视频模式异常: {ve}，降级逐帧模式")
+                        output = None
+                if not output:
+                    output = adapter.analyze_frames(
+                        frame_paths, frame_timestamps, known_members_context)
                 duration_ms = int((time.time() - start) * 1000)
                 if output:
                     adapter.get_circuit_breaker().record_success()
@@ -354,7 +370,8 @@ class AIOrchestrator:
 
             # 3. 并行视觉分析
             model_outputs = self.run_visual_analysis(
-                healthy_adapters, compressed_frames, frame_timestamps, known_members
+                healthy_adapters, compressed_frames, frame_timestamps,
+                known_members, video_path=video_path
             )
 
             if not model_outputs:
@@ -450,7 +467,7 @@ class AIOrchestrator:
             # 3. 并行视觉分析
             model_outputs = self.run_visual_analysis(
                 healthy_adapters, compressed_frames, frame_timestamps,
-                known_members, rate_limiter
+                known_members, rate_limiter, video_path=video_path
             )
             if not model_outputs:
                 raise Exception('All models failed in visual analysis')