Google DeepMind推出用于设备上搜索的多模式人工智能模型

2026-10-07 00:45

Google DeepMind（GOOGL）周二推出了EmbeddingGemma 2，这是一个开放权重人工智能模型，旨在直接在设备上搜索和组织文本、图像、视频和音频。

谷歌表示，这个拥有7.4亿个参数的模型将不同类型的内容映射为通用格式，允许用户使用文本或图像搜索本地文件，而无需将数据发送到云。

谷歌表示，该模型可以在内存相对有限的设备上运行。在Google Pixel 11 Pro上，纯文本版本使用约191 MB的活动内存，而完整的多模式版本使用约567 MB。

Google AI Edge Gallery是该公司用于在设备上测试AI模型的应用程序，将使用EmbeddingGemma 2添加两项功能：即时媒体搜索和视频时刻。

即时媒体搜索允许用户使用自然语言描述或示例图像搜索存储在其设备上的照片和视频。视频时刻收件箱可以根据“孩子们笑”或“狗抓飞盘”等描述定位本地存储的视频的部分，而无需首先将视频的音频转换为文本。

谷歌还推出了Google AI Edge Forecycle for Mac，这是一款实验性应用程序，使用该模型来搜索存储在计算机上的会议记录、笔记、图像和文档。

该公司表示，EmbeddingGemma 2将在未来几周内通过Google的Android ML Kit推出，并支持在拥有它的设备上进行硬件加速。

谷歌还在其MediaPipe开发工具中添加了对该模型的支持，允许开发人员跨iOS、macOS、Windows、Linux和Web等平台构建设备上搜索和分类功能。