گوگل مدل EmbeddingGemma 2 را با پشتیبانی چندرسانه‌ای معرفی کرد گوگل… — زومیا

زومیا | Zoomia@thezoomia · 3.8K subscribers Open in TelegramOpen

گوگل مدل EmbeddingGemma 2 را با پشتیبانی چندرسانه‌ای معرفی کرد

گوگل مدل EmbeddingGemma 2 را معرفی کرده است. این مدل فراتر از متن رفته و تصویر، ویدیو، صدا و کد را در یک فضای جاسازی واحد یکپارچه می‌کند.

‏EmbeddingGemma 2 برای اجرای محلی روی موبایل و دسکتاپ بهینه شده است؛ کاربر می‌تواند یک کلیپ ویدیویی مشخص را از میان یک یادداشت صوتی پیدا کند یا ساعت‌ها فایل صوتی را با یک پرس‌وجوی متنی جست‌وجو کند، بدون نیاز به اتصال اینترنت. ترکیب آن با Gemma 4 امکان بازیابی تقویت‌شده با تولید (RAG) روی‌دستگاه را با ردپای حافظه‌ی کمتر فراهم می‌کند؛ EmbeddingGemma 2 فایل‌های محلی را بازیابی می‌کند و Gemma 4 روی آن‌ها استدلال می‌کند تا پاسخ‌های مستند با حفظ کامل حریم خصوصی ارائه شود.

این مدل با ۷۴۰ میلیون پارامتر در اندازه‌ی خود بهترین عملکرد را دارد و از برخی مدل‌های بیش از دو برابر بزرگ‌تر خود پیشی می‌گیرد، در حالی که تنها به حدود ۱۹۱ تا ۵۶۷ مگابایت رم فعال نیاز دارد. پنجره‌ی متنی ۸K آن چهار برابر نسل اول است و در یک پاس تا ۵.۵ دقیقه صدا، ۲۹ تصویر یا ۵۸ فریم ویدیو را پردازش می‌کند. EmbeddingGemma 2 اکنون برای دانلود در Hugging Face و Kaggle در دسترس است و عرضه در Gemini Enterprise Agent Platform Model Garden به‌زودی انجام می‌شود.

- 🌟 هر روز کمی بیشتر از هوش مصنوعی بدانیم؛ با زومیا
🆔 @thezoomia

t.me/thezoomia/445 Translate