llama.cppでaudioとvisionのモダリティを使用する方法

llama.cppでGemma4 12B ITのオーディオおよびビジョンモダリティの使用方法についての質問。現在のリリースではテキストのみの対応となっているようで、マルチモーダル機能の利用に関する問題提起がされている。