llava onevision的best practice，以及video数据finetune支持

[evi-Genius]

Describe the feature Please describe the feature requested here(请在这里描述需求) llava onevision的视频理解能力目前是llava系列最好的，希望支持下video，以及多图数据的finetune（目前只支持image） Paste any useful information Paste any useful information, including papers, github links, etc.(请在这里描述其他有用的信息，比如相关的论文地址，github链接等)

Additional context Add any other context or information here(其他信息可以写在这里)

[llp1992]

+1