
transcript
show notes
Google 推出開源多模態模型 EmbeddingGemma 2,把文字、圖片、影片畫面和聲音映射到同一個向量空間,手機上用一句話就能離線搜到相簿裡的照片,完整版在 Pixel 11 Pro 上約吃 567MB 記憶體。
⭐ 文章深度讀:EmbeddingGemma 2 開源多模態模型:手機離線搜照片與影片
→ https://heymaibao.com/embeddinggemma-2-on-device-photo-search-32f001/
⚡ 章節重點
不必上雲端的照片搜尋 00:00
一句話找到照片的原理 00:32
手機裝得下的模型 02:16
Mac 上的離線會議筆記 02:57
開發者決定的上線時間 03:33
留在自己身邊的搜尋 04:04
📝 懶人包
∙ 示範裡用德文打「貓睡在鍵盤上」,相簿就把那張照片推到最上面
∙ Pixel 11 Pro 上完整多模態版約吃 567MB 記憶體
∙ Mac 上的 Foresight 會議助手完全離線也能用
∙ 我的觀點:找自己的東西能整個留在自己裝置上,比跑分進步更值得在意
📚 參考資料
Bring multimodal semantic search to the edge with EmbeddingGemma 2
→ https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/
EmbeddingGemma 2: an open, lightweight multimodal embedding model
→ https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/