Google 2026 அக்டோபர் 6 அன்று EmbeddingGemma 2-ஐ வெளியிட்டு, Apache 2.0 உரிமத்தின் கீழ் பதிவிறக்கக்கூடிய weights-ஐ வழங்கியது. உரை, code, படங்கள், காணொளி, ஒலி ஆகியவற்றை 768 பரிமாணம் கொண்ட ஒரே வெளியில் ஒப்பிடக்கூடிய vectors-ஆக இந்த மாதிரி மாற்றுகிறது. உள்ளூர் தொகுப்பு வைத்திருக்கும் உருவாக்குநருக்கு எந்த encoder-களை ஏற்றுவது, வினவல்களையும் கோப்புகளையும் எப்படிக் குறிப்பிடுவது, முடிவுகள் அந்தத் தொகுப்புக்குப் பயனுள்ளவையா என்பவை நடைமுறைக் கேள்விகள். Google வெளியிட்ட வழிமுறைகளையும் மாதிரி அட்டையையும் இந்த வழிகாட்டி பின்பற்றுகிறது; BIG CHANGE மாதிரியை இயக்கவோ தேடல் தரத்தை அளவிடவோ இல்லை.

முக்கிய மாற்றம்

  • என்ன மாறியது:முந்தைய EmbeddingGemma மாதிரி உரையை மட்டுமே கையாண்டது. பதிப்பு 2, vision மற்றும் audio encoder-களைச் சேர்க்கிறது. இதனால் முன்கூட்டியே caption அல்லது transcript உருவாக்காமல், உரை வினவலை ஆதரிக்கப்படும் ஊடகத்துடன் பொதுவான vector வெளியில் ஒப்பிடலாம். Google weights-ஐ வெளியிட்டுள்ளது; Android-இல் ML Kit சேவை வரும் சில வாரங்களில் கிடைக்கும் எனத் திட்டமிடப்பட்டுள்ளது.
  • இது ஏன் முக்கியம்:உள்ளூர் தொகுப்புக்குத் தேவையான encoder-களை உருவாக்குநர் ஏற்றி, ஆதரிக்கப்படும் கோப்பு வகைகளுக்கான ஒரே மீட்டெடுப்பு index-ஐ உருவாக்கலாம். Google-இன் AI Edge GallerySQLite-இல் உள்ளூர் ஊடக vectors-ஐ cosine similarity அடிப்படையில் வரிசைப்படுத்திக் காட்டுகிறது. கோப்புகளைச் சேர்த்தல், vectors சேமித்தல், முடிவுகளைக் காட்டுதல், தவறாக வழிநடத்தும் பொருத்தங்களைச் சரிபார்த்தல் ஆகியவை செயலிக்குத் தொடர்ந்து தேவை.
  • கவனிக்க வேண்டியது:சாதனத்தின் நினைவக, தாமத வரம்புக்குள் பிரதிநிதித்துவ கோப்புகள் நன்றாக வரிசைப்படுத்தப்படுகிறதா என்பதே உடனடி முடிவு. பின்னர் வரும் Android சேவை ஒருங்கிணைப்பு வழியை மாற்றலாம்; அறிவிக்கப்பட்ட காலக்கெடு சேவை இன்றே கிடைக்கிறது என்று பொருளல்ல.

மாதிரியை ஏற்றுவதற்கு முன் உள்ளீடுகளைத் தேர்ந்தெடுக்கவும்

அனைத்து ஆதரிக்கப்படும் ஊடகங்களுக்கும் Sentence Transformers 6.1.0 அல்லது அதற்குப் பிந்தைய பதிப்பையும் இந்த நிறுவல் கட்டளையையும் உருவாக்குநர் வழிகாட்டி ஆவணப்படுத்துகிறது:

Terminal
pip install -U sentence-transformers[image,audio,video] transformers

சரியான checkpoint google/embeddinggemma-2. Sentence Transformers-இன் இயல்புநிலை ஏற்றம் எல்லா encoder-களையும் உள்ளடக்கும். உரை மற்றும் code மட்டுமே உள்ள தொகுப்புக்கு, ஏற்றும்போது vision, audio-வை நீக்க வழிகாட்டி கூறுகிறது:

Python
from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "google/embeddinggemma-2",
    config_kwargs={"vision_config": None, "audio_config": None},
)

audio-வை நீக்கி vision-ஐ வைத்திருக்க config_kwargs={"audio_config": None} தேவை; vision-ஐ நீக்கி audio-வை வைத்திருக்க config_kwargs={"vision_config": None} தேவை. இந்த விருப்பங்கள் எந்த weights ஏற்றப்படும் என்பதை மாற்றும்; ஆனால் உருவாகும் vectors மாதிரியின் பொதுவான வெளியிலேயே இருக்கும். எனவே vision உள்ள அமைப்பில் encode செய்யப்பட்ட படத்துடன் உரை-மட்டும் வினவலை ஒப்பிடலாம் என வழிகாட்டி கூறுகிறது. நுகர்வோர் சாதனங்களுக்கு மாதிரி பொருத்தமானது என Google விவரிக்கிறது; ஆனால் வெளியிடப்பட்ட Python எடுத்துக்காட்டு library quickstart மட்டுமே, வாசகரின் சாதன நினைவகம் அல்லது தாமதத்துக்கான அளவிடப்பட்ட உத்தரவாதம் அல்ல.

வினவல்களையும் தொகுப்பு உருப்படிகளையும் வெவ்வேறாக encode செய்யவும்

உரை மீட்டெடுப்புக்கு மாதிரி அட்டை வினவல்களுக்கும் corpus உருப்படிகளுக்கும் தனித்தனி பணி வழிமுறைகளை வழங்குகிறது. Sentence Transformers அவற்றை prompt_name வழியாக அளிக்கிறது:

Python
query_vector = model.encode("northern lights", prompt_name="SearchQuery")
document_vector = model.encode(
    "Charged particles from the sun cause the northern lights.",
    prompt_name="Document",
)
score = model.similarity(query_vector, document_vector)

இந்த ஆவணப்படுத்தப்பட்ட துணுக்கு vectors மற்றும் ஒற்றுமை மதிப்பை உருவாக்கும்; இது எங்கள் சூழலில் கவனிக்கப்பட்ட முடிவு அல்ல. Document சேர்க்கிறது title: none. உருப்படிக்கு உண்மையான தலைப்பு இருந்தால் அதை வெளிப்படையாக title: {title} | text: {content} என வடிவமைக்க Google அறிவுறுத்துகிறது. Code தேடல் CodeRetrieval என்ற வினவல் வழிமுறையையும் index செய்யப்பட்ட code-இன் தலைப்பு அல்லது கோப்புப் பெயரையும் பயன்படுத்துகிறது. வகைப்படுத்தல், குழுவாக்கம், வாக்கிய ஒற்றுமை ஆகியவற்றுக்கு தனித்தனி சமச்சீர் வழிமுறைகள் உள்ளன. உரை வழிமுறைகளைத் தவிர்த்தாலும் மாதிரி இயங்கும்; ஆனால் துல்லியம் குறையும் என மாதிரி அட்டை கூறுகிறது.

முந்தைய model இல் vision அல்லது audio encoder இல்லை. படத்தை encode செய்வதற்கு முன் அதே checkpoint-இலிருந்து வழிகாட்டியின் உரை-மற்றும்-vision அமைப்பை ஏற்றி, ஊடகத்துக்கும் வினவலுக்கும் அந்த மாதிரியைப் பயன்படுத்தவும். இந்த வரிசை ஆவணத்தைப் பின்பற்றுகிறது; நாங்கள் அதை இயக்கவில்லை:

Python
media_model = SentenceTransformer(
    "google/embeddinggemma-2",
    config_kwargs={"audio_config": None},
)
image_vector = media_model.encode({"image": "photo.jpg"})
query_vector = media_model.encode("a photo query", prompt_name="SearchQuery")
score = media_model.similarity(query_vector, image_vector)

ஒலிக்காக audio_config: None என்பதை நீக்கி மீண்டும் ஏற்றினால் audio encoder செயல்படும்; முழு இயல்புநிலை ஏற்றத்தில் vision, audio இரண்டும் அடங்கும். உரை பணி முன்னொட்டு இல்லாமல் {"audio": "recording.wav"} போன்ற dictionary-ஐ வழங்க Google வழிகாட்டி கூறுகிறது. உரையில் <|image|>, <|video|> அல்லது <|audio|> குறிகளை வைத்து, பொருந்தும் கோப்புகளை dictionary-யில் வழங்கியும் உரை, ஊடகத்தை இணைக்கலாம். அந்த அழைப்பு இணைந்த உள்ளீட்டுக்கு ஒரு vector உருவாக்கும். மாதிரி அட்டை 16 kHz mono audio-வை நிர்ணயித்து, இயல்புநிலையில் காணொளி ஒவ்வொரு நொடியும் ஒரு frame என மாதிரி எடுக்கப்படுவதாகக் கூறுகிறது. படங்கள், காணொளி frames, ஒலி, உரை அனைத்தும் 8,192-token context வரம்பைப் பகிர்கின்றன; நீண்ட clip அல்லது கலப்பு உருப்படிக்கு எல்லா கோப்புகளும் அடங்கும் என ஊகிக்காமல் உள்ளீட்டைத் திட்டமிட வேண்டும்.

vector அளவைத் தேர்ந்தெடுத்து சமரசத்தைச் சரிபார்க்கவும்

இயல்பான வெளியீடு 768 பரிமாணங்கள் கொண்டது. vector-ஐச் சுருக்கி 512, 256, 128 பரிமாணங்களை Google மாதிரி அட்டை ஆதரிக்கிறது. truncate_dim=256 உடன் normalize_embeddings=True என்பதை model.encode() இல் பயன்படுத்துவது ஆவணப்படுத்தப்பட்டுள்ளது. வினவல், index உருப்படி vectors ஒரே பரிமாணத்தைப் பயன்படுத்த வேண்டும்; சுருக்கப்பட்ட vectors-ஐ cosine ஒப்பீட்டுக்கு முன் இயல்பாக்க வேண்டும். 128 பரிமாணம் 256-ஐவிட பன்மாதிரி தரத்தை குறிப்பிடத்தக்க அளவு இழக்கச் செய்கிறது என்றும், 128 முக்கியமாக உரை வேலைகளுக்குப் பரிந்துரைக்கப்படுகிறது என்றும் அட்டை கூறுகிறது. இவை Google-இன் முழுத் துல்லிய benchmark முடிவுகள்; குறிப்பிட்ட தொகுப்பின் recall கணிப்பு அல்ல.

எண் துல்லியமும் அமைப்புத் தேர்வாகும். ஆதரிக்கும் வன்பொருளில் bfloat16 அல்லது பிற இடங்களில்—பெரும்பாலான CPU-கள் உட்பட— float32 பயன்படுத்த அட்டை கூறுகிறது. float16 காரணமாக NaN உருவாகலாம் அல்லது embedding-கள் அமைதியாகத் தரம் குறையலாம் என அது எச்சரிக்கிறது. தேர்ந்தெடுத்த ஏற்றத்தின் parameter எண்ணிக்கை மாதிரி கூறுகளை விவரிக்கிறது; உண்மையான சாதன நினைவகமும் தேடல் வேகமும் செயலாக்க வழி, துல்லியம், index, உள்ளீட்டு அளவு ஆகியவற்றைப் பொறுத்தவை.

முடிவுகளைப் பயன்படுத்தும் முன் எதை மதிப்பிட வேண்டும்

சிறிய அனுமதிக்கப்பட்ட மாதிரியை prototype index செய்து, பிரதிநிதித்துவ வினவல்களைத் தனியாக வைத்து சரியான உருப்படிகள் மேலே வருகிறதா பார்க்கலாம். தொகுப்பில் உண்மையாக உள்ள ஊடகங்களுக்கு மட்டுமே உரை-உரை, உரை-படம் அல்லது உரை-ஒலி சோதனைகளைச் சேர்க்கவும். ஒரே வினவல்களில் 768, 256 பரிமாணங்களை ஒப்பிட்டு, தொடர்புடைய மொழி, ஆவண வகைகளில் தோல்விகளைப் பாருங்கள்; இலக்கு சாதனத்தில் நினைவகம், index நேரம், வினவல் தாமதத்தை அளவிடுங்கள். இவை வாசகருக்கான மதிப்பீட்டு படிகள்; BIG CHANGE இதைச் செய்யவில்லை.

மாதிரி அட்டையில் வெளியிடப்பட்ட முடிவுகள் MTEB code v1-இல் EmbeddingGemma 2-க்கு 78.68, முந்தைய மாதிரிக்கு 68.76 எனக் காட்டுகின்றன; multilingual MTEB v2 மதிப்பெண்கள் முறையே 61.36, 61.15. படங்கள், காணொளி, ஒலிக்கான முடிவுகளும் உள்ளன; அந்த ஊடகங்களில் பதிப்பு 1 ஒப்பீடு இல்லை. மேற்கோள் காட்டிய எல்லா benchmark-களும் முழுத் துல்லிய checkpoint-ஐப் பயன்படுத்துகின்றன. அவை Google மதிப்பீட்டு நிலைகளை விளக்குகின்றன; உள்ளூர் காப்பகத் துல்லியத்தைக் கணிப்பதில்லை. மொழி, பணி அடிப்படையில் தரம் மாறலாம் என்றும் retrieval செயலிகளுக்குத் தனிப்பட்ட வடிகட்டலும் நியாயத்தன்மைச் சோதனைகளும் தேவை என்றும் அட்டை எச்சரிக்கிறது.

Apache 2.0 உரிமத்தின் கீழ் weights வெளியிடப்பட்டுள்ளன; வழிகாட்டி அவற்றின் Hugging Face களஞ்சியத்தை இணைக்கிறது. Google ஆவணங்கள் உள்ளூரில் இயக்கும் வழியைத் தருகின்றன; பொதுவான deployment விலை இல்லை: சாதனம், கணக்கீடு, சேமிப்பு, பொறியியல் ஆகியவை செயலி செலவுகள். சாதன வரம்புக்குள் பிரதிநிதித்துவ கோப்புகளை மாதிரி சரியாக வரிசைப்படுத்துகிறதா என்பதே வாசகரின் அடுத்த முடிவு.

ஆதாரங்களும் மேலும் வாசிப்பும்

  • Google AI Edge அறிவிப்பு, 2026 அக்டோபர் 6: வெளியீட்டுக் கட்டம், AI Edge Gallery உள்ளூர் ஊடகத் தேடல் செயலாக்கம், ML Kit அறிவிக்கப்பட்ட காலம். இந்தக் கட்டுரையின் சாதன அளவீடுகள் Google-இன் அளவீடுகள்.
  • EmbeddingGemma 2 உருவாக்குநர் வழிகாட்டி, 2026 அக்டோபர் 6: library பதிப்பு, ஏற்றும் விருப்பங்கள், encode எடுத்துக்காட்டுகள், vector சுருக்கும் வழிமுறைகள்.
  • EmbeddingGemma 2 மாதிரி அட்டை: மாதிரி கட்டமைப்பு, உள்ளீட்டு வரம்புகள், பணி prompts, துல்லிய எச்சரிக்கை, benchmark அட்டவணைகள், வரம்புகள். முடிவுகளை Google தெரிவித்துள்ளது.
  • Google மாதிரி களஞ்சியம்: பெயரிடப்பட்ட checkpoint மற்றும் வெளியிடப்பட்ட மாதிரி கோப்புகள். களஞ்சியம் கிடைப்பது செயலி செயல்திறனை உறுதிப்படுத்தாது.