声で動画を探すなど、形式をまたぐ検索に
音声メモから関連する動画を探したり、文章の質問で長い録音を検索したりする用途を想定する。データを端末内で処理する検索や、関連資料を生成モデルに渡すRAGの基盤として使える。
文章だけなら2億7,000万パラメーターで動かし、必要に応じて画像と音声の処理部分を加えられる。出力ベクトルは768次元から512、256、128次元へ短縮でき、検索用の保存容量を調整できる。
メモリー使用量は端末と量子化の条件付き
Googleによると、量子化したモデルをPixel 11 Proで動かす場合、使用中のRAMは文章用で約191MB、全機能で約567MBまで抑えられる。入力枠は8,000トークン。これらは同社が示した構成での値で、全端末の共通要件ではない。
出典
- EmbeddingGemma 2: an open, lightweight multimodal embedding model公開日、規模、ライセンス、入力形式、次元数、端末と量子化の条件を確認。2026-10-08確認。
出典の確認日 2026.10.08