# GoogleのEmbeddingGemma 2、マルチモーダル検索に対応

> Googleのオープンウェイトモデルは、テキスト、コード、画像、動画、音声を1つの埋め込み空間にマッピング。端末上での利用に向けた小型版も用意されている。

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

GoogleのEmbeddingGemma 2は、テキスト、コード、画像、動画、音声に対応する、検索・情報取得向けのオープンウェイトモデルだ。Googleによると、これらを共通の768次元空間にマッピングするため、開発者はメディアの種類ごとに別々の埋め込み空間を維持せずに、複数の種類をまたいで検索できる。このモデルはApache 2.0ライセンスのもと、Hugging Faceで公開されている。

開発者は必要なエンコーダーだけを読み込める。モデルの規模は、テキストとコード向けの2億7,000万パラメーターから、完全なマルチモーダル対応の7億4,000万パラメーターまである。メモリーを節約するためにベクトルの次元数を減らすこともできるが、Googleの報告では、128次元にすると画像、動画、音声の検索品質は約75%まで低下する。

## 事実

- ライセンスはApache 2.0。Hugging Faceで公開。
- Googleの報告では、128次元の場合、テキストの品質は約90%、画像、動画、音声の検索品質は約75%。

## なぜ重要か

ローカル検索を構築する開発者は、1つのモデルで文書やメディアを横断して検索できる。一方、ストレージ節約のためにベクトルを小さくすると、テキスト以外の検索結果の品質が下がる可能性がある。記事には独立したテスト結果は示されていない。

## 出典と参考資料

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

最終更新: 2026-10-19