«Найди видео, где ребёнок впервые едет на велосипеде». Имя файла вы, конечно, не помнит...
«Найди видео, где ребёнок впервые едет на велосипеде». Имя файла вы, конечно, не помните — там что-то вроде IMG_8472_final_точно_final. Google выпустила EmbeddingGemma 2: маленькую открытую модель, которая превращает текст, фото, звук и видео в общий поисковый индекс. Можно искать кадр словами, а запись — по смыслу, а не гадать, в какой папке её похоронили. Всё это рассчитано на работу локально. По замеру Google, полная мультимодальная модель с квантованием занимает около 567 МБ активной памяти на Pixel 11 Pro. Это не объём всего архива и не обещание одинаковой скорости на любом телефоне. Веса уже можно скачать, лицензия Apache 2.0. А в Google AI Edge Gallery есть примеры поиска по медиатеке и моментам видео. Сама модель ответы не сочиняет — она находит похожее по смыслу. Иногда именно этого и не хватает: ещё один болтливый помощник у нас есть, а найти собственный файл по-прежнему квест.