Google 推出 EmbeddingGemma 2，740M 參數的開放模型把文字、影像與音訊放進同一向量空間

摘要

Google 推出 7.4 億參數的 EmbeddingGemma 2 開放模型，將文字、影像、音訊整合至單一向量空間，支援裝置端執行。開發者可透過模組化設計僅載入必要部分，並利用 Matryoshka 技術壓縮向量以節省儲存空間。

Google releases the 740M parameter EmbeddingGemma 2, a multimodal embedding model supporting on-device execution for text, image, and audio.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 模型整合文字、影像與音訊於單一向量空間。
• 支援裝置端執行，模組化設計降低記憶體成本。
• 提供 Matryoshka 壓縮與多語言支援，適合隱私重視的應用。

提到的工具與公司

• EmbeddingGemma 2
• Matryoshka
• LiteRT
• MediaPipe
• transformers.js
• llama.cpp
• Ollama

適合誰看

需要在本機執行多模態搜尋或建立離線 RAG 系統的開發者。

摘要依據

依據

文章全文

為什麼排在這裡

人氣

0.35

新鮮

1.00

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 740M模型實現裝置端多模態搜尋，Google EmbeddingGemma 2支援文字與影音檢索文章 ・ iThome
• Introducing EmbeddingGemma 2: An open model for natively multimodal embeddings影片 ・ Google for Developers ・ 3 分鐘
• Embedding Gemma 2: On-Device Multimodal RAG Made Easy影片 ・ Prompt Engineering
• EmbeddingGemma 2文章 ・ Simon Willison's Weblog
• Episode 56: DeepMind Just Dropped Gemma 270M... And Here’s Why It MattersPodcast ・ Vanishing Gradients ・ 46 分鐘
• Gemma 4 12B: The encoder-free model explained影片 ・ Google for Developers ・ 2 分鐘