Použite EmbeddingGemma 2 od Googlu lokálne vo vašom smartfóne
Google má nový model s názvom EmbeddingGemma 2.
Dokáže vyhľadávať v obrázkoch, videách aj zvuku priamo v zariadení a jeho silnou stránkou je možnosť lokálneho behu na bežných smartfónoch a notebookoch. Všetky uvedené multimodálne typy dát prevedie do jedného vektorového priestoru. Vývojári ho môžu použiť v aplikáciách aj bez potreby mať internetové pripojenie.
EmbeddingGemma 2 je z rodiny modelov Google Gemma a má 740 miliónov parametrov. Pri textovom modeli spotrebuje iba približne 191 MB RAM, zatiaľ čo kompletný multimodálny model potrebuje približne 567 MB RAM. Google tieto hodnoty uviedol pri testovaní s Pixel 11 Pro.
Vyhľadávanie v obrázkoch
Jednou z praktických možností je vyhľadávanie fotografií a videí priamo v smartfóne. Stačí zadať textový príkaz a model vyhľadá relevantné súbory v lokálnej knižnici.
Vyhľadávanie funguje aj naopak. Používateľ môže vybrať fotografiu alebo použiť obraz z fotoaparátu a model následne nájde vizuálne podobný obsah. Spracovanie prebieha priamo v zariadení, takže fotografie nemusia opustiť telefón.
V aplikácii Google AI Edge Gallery si môžete nový model vyskúšať a používať ho. Na plné fungovanie musíte udeliť prístup k vášmu multimediálnemu obsahu, ktorý sa vzápätí analyzuje.

Funguje aj s videom
EmbeddingGemma 2 podobne funguje aj pri video obsahu. Funkcia Video Moments Finder najprv lokálne vytvorí index obrazových a zvukových častí videa. Potom cez prompt zadáte, čo chcete vo videu vyhľadať. Výhodou je, že pri tomto procese sa nemusí najskôr vytvoriť textový prepis videa ani titulky a model dokáže porovnávať multimodálne súbory priamo.
Zdroj: Google
Prečítajte si aj:
Podobné články
Gemini 4 Hydrogen: Nový model je dostupný a máte ho zadarmo
Google na školách: Nechcete AI? Zoberieme vám aj vyhľadávanie
Gemini Omni 1.2 Flash vytvorí až 15-sekundové video
Chrome vytiahne vaše údaje z Gmailu, o čo ide?
Google pripravuje veľké rozšírenie AI Gemini