Google 開放 EmbeddingGemma 2,讓本機搜尋能跨文字、照片與聲音比對內容。對找不到檔名、卻記得內容的使用者,我較支持先讓產品帶他回到原始片段;若搜尋結果仍要逐一打開才找得到目標,跨媒體比對就還沒有減少查找負擔。發布
官方公告標示 2026-10-06,未列時刻與時區。The Next Web 刊登於當日 19:15 UTC,換算台北為 10 月 7 日 03:15;這是報導時間。本文日期為台北 10 月 7 日,查核截止 09:05,保守採用仍在 48 小時範圍內的前一日公告,不把跨日報導當成模型開放時刻。公告 時間
這次可下載的是 Apache 2.0 授權權重,已上架 Hugging Face 與 Kaggle,Model Garden 仍待後續提供。模型總參數為 740M,純文字與程式碼只需載入 270M,其餘依需要加入視覺、音訊編碼器。The Next Web 也確認這項開放及裝置端用途,報導沒有另做效能重測。供應 架構 獨立報導
模型把不同輸入轉成同一個 768 維空間中的向量,讓文字查詢可以與影片畫面比較語意相似度;輸出是供檢索使用的數值表示。Google 已在 AI Edge Gallery 提供 Instant Media Search 與 Video Moments Finder 範例,後者以文字或聲音尋找影片片段。這些是可參考的展示,沒有交代一般使用者長期找回目標的成功率。機制與範例
找回原檔,可以是一個完整的產品功能
假設使用者想找去年拍過的一段維修影片,只記得操作動作,檔名與拍攝日期都忘了。跨媒體搜尋若能直接列出對應片段,就有機會省去翻找相簿的過程。這是假設的用途,並非已公布的客戶成效;產品也不必先替影片寫一篇摘要,才能交付這項幫助。
我會讓結果保留縮圖與原檔入口,讓使用者確認找到的是哪一段。若之後需要解釋操作,再另外加入生成模型。把查找與解釋分開,能讓人看清楚錯誤發生在哪裡:找錯片段時,應修正檢索;片段正確而解釋有誤時,才是另一項問題。模型沒有安全微調或輸出審查。模型限制 相似度高不代表內容正確或適合呈現,涉及他人檔案時仍應沿用原有存取權限。
壓縮向量,會改變使用者找到什麼
Google 在 Pixel 11 Pro 的量化測試中,純文字權重約需 191MB 活躍記憶體,完整多模態模型約需 567MB。這組條件不能代表每支手機,也不能當成包含原始媒體與索引的 App 總用量。裝置測試
向量可從 768 維縮到 128 維,數值儲存量降為六分之一;代價並不均勻。官方模型卡使用全精度檢查點測試時,MMEB v2 整體分數從 59.01 降到 45.65。這是另一組品質評測,不能與量化手機測試合併成同一個效能承諾。評測條件
若產品主要幫人找照片或影片,我不會為了讓索引更小就預設採最低維度。少占空間卻漏掉使用者要找的片段,會直接削弱這項功能;反過來,較短向量若在同一批查詢保留了需要的結果,節省空間就有用途。模型卡也提醒,各語言表現未必相同,台灣團隊不能把多語平均當成繁體中文與本地口音的實測。語言限制
這次開放讓開發者能自行決定哪些媒體留在裝置上搜尋,並把需要的原始內容交回使用者。要判斷產品是否因此更好,應觀察使用者找到指定片段所需的時間,以及目標未出現在結果裡的比例;權重可下載與記憶體較小,提供了實作條件,還沒有回答這兩項結果。
封面沿用本站 Gemma 4 品牌圖,並非 EmbeddingGemma 2 發布圖;官方事件圖片因 DNS 解析失敗未能下載。
來源: