EmbeddingGemma 2

5 篇报道

EmbeddingGemma 2 是 Google DeepMind 发布的开放多模态嵌入模型,把文本、图像、视频和音频映射到统一的 768 维空间,总参数 740M,支持 100 多种语言,并可在手机和笔记本等消费级硬件上运行。近期报道围绕它的本地部署与改造展开:Google 推出由它驱动的离线 Mac 会议记录工具 AI Edge Foresight;开发者发布 MIT 许可的 Mac 应用 DigUp,用 865MB 的 Q8_0 GGUF 模型做本地文件搜索;还有人把它改造成端侧语音转文字模型,在 MacBook Air 上约 13 秒处理一小时音频,词错率约 5%。此外,一项零训练方法通过 PCA 把中间 Conformer 层投影到模型的 256 维零空间,将 MAEB 音频宏平均分从 49.3% 提升到 54.4%,排名从第 26 升至第 1。

相关话题
已经到底了