# EmbeddingGemma 2 گوگل جست‌وجوی چندرسانه‌ای را اضافه می‌کند

> مدل با وزن‌های باز گوگل، متن، کد، تصویر، ویدئو و صدا را در یک فضای تعبیه‌سازی نگاشت می‌کند و نسخه‌های کوچک‌تری هم برای استفاده روی دستگاه دارد.

Oossa · 2026-10-19 · https://oossa.com/fa/google-s-embeddinggemma-2-adds-multimodal-search

EmbeddingGemma 2 گوگل مدلی با وزن‌های باز برای جست‌وجو و بازیابی اطلاعات است که از متن، کد، تصویر، ویدئو و صدا پشتیبانی می‌کند. گوگل می‌گوید این مدل همه آن‌ها را به فضایی مشترک با 768 بُعد نگاشت می‌کند؛ بنابراین توسعه‌دهندگان می‌توانند بدون نگهداری فضاهای تعبیه‌سازی جداگانه، میان انواع مختلف رسانه جست‌وجو کنند. این مدل با مجوز Apache 2.0 در Hugging Face در دسترس است.

توسعه‌دهندگان می‌توانند فقط رمزگذارهای موردنیازشان را بارگذاری کنند: تعداد پارامترهای مدل از 270 میلیون برای متن و کد تا 740 میلیون برای پشتیبانی کامل چندرسانه‌ای متغیر است. همچنین می‌توان بردارهای آن را برای صرفه‌جویی در حافظه کوتاه کرد، اما گوگل گزارش می‌دهد که در 128 بُعد، کیفیت بازیابی برای تصویر، ویدئو و گفتار به حدود 75% می‌رسد.

## حقایق

- مجوز: Apache 2.0؛ در Hugging Face در دسترس است.
- گوگل گزارش می‌دهد که در 128 بُعد، کیفیت متن حدود 90% و کیفیت بازیابی تصویر، ویدئو و گفتار 75% است.

## چرا مهم است

توسعه‌دهندگانی که جست‌وجوی محلی می‌سازند می‌توانند با یک مدل، اطلاعات را از میان اسناد و رسانه‌ها بازیابی کنند؛ اما کوچک‌کردن بردارها برای صرفه‌جویی در فضای ذخیره‌سازی ممکن است نتایج جست‌وجوهای غیرمتنی را ضعیف‌تر کند. منبع نتایج آزمون مستقلی ارائه نمی‌کند.

## منابع و ارجاع‌ها

1. [EmbeddingGemma 2 Expands Beyond Text to Support Code, Images, Video, and Audio](https://www.infoq.com/news/2026/10/embeddinggemma-2-multimodal/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-19

آخرین به‌روزرسانی: 2026-10-19