EmbeddingGemma 2 上手演示：一个文本搜图、搜视频、搜音频
tomaarsen · x · 2026-10-07
tomaarsen 分享了他最喜欢的多模态嵌入搜索 demo：输入「Birds」即可在浏览器里同时检索到鸟类相关的图片、视频和音频片段，也支持用图片或声音反向搜索。
该 demo 基于前一天 Google DeepMind 发布的 EmbeddingGemma 2 多模态嵌入模型，并通过 WebGPU 在浏览器端本地运行。模型已上架 Hugging Face（google/embeddinggemma-2），支持 sentence-transformers 与 transformers，上架后短期内获 645 个赞。
所属事件:EmbeddingGemma 2 演示文本一搜即得图片视频音频(2 条相关)→
「多模态」频道最新
- 音乐人 Jordi Pons 推出 AI 音乐街机游戏「跳舞至死」 — jordiponsdotme · 2026-10-07
- 从纯像素学出判别性表示,Drifting Models 的 FID 降低 82–95% — Doudou Zhang · 2026-10-07
- BVB 基准:让 Agent 用 Blender 程序化重建真实视频来检验理解力 — RexDouglass · 2026-10-07
- 开源工具一键把 AI 生成的 3D 模型变成完整 VTuber 虚拟形象 — Promptmethus · 2026-10-07
- LTX-2.5 修复 LoRA：240p 糊视频重生为 720p 清晰画面 — multimodalart · 2026-10-07
- 格拉茨理工与华为推出神经发射场，实时渲染复杂光源 — ssh4net · 2026-10-07