Markdown பதிப்பு

AI-translated from English; not yet reviewed by a fluent editor.

# EmbeddingGemma 2: உரை மற்றும் ஊடகத்துக்கான உள்ளூர் தேடல் முன்மாதிரி

> Google-இன் EmbeddingGemma 2 உரை, படம், காணொளி, ஒலி ஆகியவற்றின் embedding-களை ஒரே உள்ளூர் மீட்டெடுப்பு மாதிரியில் இணைக்கிறது. ஆவணங்களை அடிப்படையாகக் கொண்ட இந்த வழிகாட்டி அமைப்பு மற்றும் மதிப்பீட்டுத் தேர்வுகளை விளக்குகிறது.

By BIG CHANGE Editorial

Published: 2026-10-06T20:48:02.995Z
Updated: 2026-10-06T20:48:02.995Z
Canonical: https://bigchange.ai/blog/embeddinggemma-2-local-multimodal-search-guide

![Conceptual illustration of one person seated on a rug, holding a phone and a landscape photo beside a box of personal prints and paper records.](https://bigchange.ai/api/media/file/embeddinggemma-personal-collection-hero-v1.png)
A person considers a small personal collection of photos and records beside a phone. Conceptual AI-generated illustration by BIG CHANGE; it does not show an EmbeddingGemma 2 interface or tested search result.

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](https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/).
- **இது ஏன் முக்கியம்:**உள்ளூர் தொகுப்புக்குத் தேவையான encoder-களை உருவாக்குநர் ஏற்றி, ஆதரிக்கப்படும் கோப்பு வகைகளுக்கான ஒரே மீட்டெடுப்பு index-ஐ உருவாக்கலாம். [Google-இன் AI Edge Gallery](https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/)SQLite-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](https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/) ஆவணப்படுத்துகிறது:

```bash
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](https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2) 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](https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/) 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](https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2) 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](https://huggingface.co/google/embeddinggemma-2) 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](https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/), 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](https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/), 2026 அக்டோபர் 6: library பதிப்பு, ஏற்றும் விருப்பங்கள், encode எடுத்துக்காட்டுகள், vector சுருக்கும் வழிமுறைகள்.
- [EmbeddingGemma 2 மாதிரி அட்டை](https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2): மாதிரி கட்டமைப்பு, உள்ளீட்டு வரம்புகள், பணி prompts, துல்லிய எச்சரிக்கை, benchmark அட்டவணைகள், வரம்புகள். முடிவுகளை Google தெரிவித்துள்ளது.
- [Google மாதிரி களஞ்சியம்](https://huggingface.co/google/embeddinggemma-2): பெயரிடப்பட்ட checkpoint மற்றும் வெளியிடப்பட்ட மாதிரி கோப்புகள். களஞ்சியம் கிடைப்பது செயலி செயல்திறனை உறுதிப்படுத்தாது.

## Sources

- [EmbeddingGemma 2 மூலம் பன்மாதிரி பொருள் தேடலை edge-க்கு கொண்டு வாருங்கள்](https://developers.googleblog.com/google-ai-edge-with-embeddinggemma-2/) — வெளியீட்டுக் கட்டம், Google AI Edge Gallery செயலாக்கம், விரைவில் கிடைக்கவுள்ள ML Kit அணுகல்; சாதன எண்கள் வழங்குநரின் அளவீடுகள்.
- [EmbeddingGemma 2: உருவாக்குநர் வழிகாட்டி](https://developers.googleblog.com/en/embeddinggemma-2-the-developer-guide/) — Sentence Transformers 6.1.0+, ஏற்றும் அமைப்புகள், பணி மற்றும் ஊடக encode எடுத்துக்காட்டுகள், vector சுருக்கம்.
- [EmbeddingGemma 2 மாதிரி அட்டை](https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2) — கட்டமைப்பு, உள்ளீட்டு வரம்புகள், prompts, துல்லியம், Google தெரிவித்த benchmark மதிப்பெண்கள், ஆபத்துகள், வரம்புகள்.
- [google/embeddinggemma-2 checkpoint](https://huggingface.co/google/embeddinggemma-2) — பெயரிடப்பட்ட மாதிரி களஞ்சியம், வெளியிடப்பட்ட கோப்புகள், உரிமம்.