Google EmbeddingGemma 2 и приложения Foresight Gallery
Google выпустил два экспериментальных приложения Foresight и Gallery на базе открытой модели EmbeddingGemma 2, которые выполняют семантический поиск и конспектирование полностью на устройстве без облака.
privacy
Эта заметка участвует в semantic memory.
AI Summary
- Короткий обзор сути: Google представил два экспериментальных приложения Foresight (Mac) и Gallery (Android/iOS), построенных на открытой мультимодальной модели EmbeddingGemma 2 (740 млн параметров, Apache 2.0). Оба приложения работают полностью локально, без отправки данных в облако.
🔑 Ключевые факты: EmbeddingGemma 2 переводит текст, изображения, видео и звук в общее векторное пространство (768 измерений, можно сократить до 128–512). Foresight слушает системный звук и микрофон, создаёт конспекты встреч и ищет ответы в локальных документах (PDF, Google Docs, Office, MD). Gallery реализует Instant Media Search и Video Moments Finder, индексируя медиатеку в SQLite.
📌 Важные детали: требования — Android 12+/iOS 17+, macOS (минимальные требования не опубликованы). Память: ~191 МБ для текстовой части, ~567 МБ для мультимодальной. Скорость: 37,3 мс на эмбеддинг изображения на MacBook M5 Pro. Качество распознавания русской речи и поиска на русском не подтверждено. Foresight работает только на Mac, версии для Windows и мобильных не анонсированы. Оба приложения экспериментальные.
💡 Вывод и значение: перед внедрением проверить скорость и качество на целевом устройстве через Gallery; решить, какие сценарии должны работать офлайн и на каком языке; для командных записей с правами доступа облачные сервисы могут быть удобнее; код Gallery открыт на GitHub под Apache 2.0 и служит эталонной реализацией.