Google DeepMind 推出 Gemini Embedding 2，这是一款支持文本、图像、音频、视频和 PDF 的统一多模态嵌入模型。
📝 详细摘要
Philipp Schmid 宣布 Gemini Embedding 2 开启公开预览，这是谷歌首款全能多模态嵌入模型。该模型将文本、图像、视频、音频和 PDF 五种模态统一到单个嵌入空间中。核心技术亮点包括：支持高达 8，192 个输入 Token、100 多种语言、无需转录步骤的原生音频嵌入，以及通过马特廖什卡表示学习 (MRL) 实现的灵活输出维度（768、1，536 或 3，072）。目前该模型已通过 Gemini API 和 Vertex AI 提供。
📊 文章信息
AI 评分：89
来源：Philipp Schmid(@_philschmid)
作者：Philipp Schmid
分类：人工智能
语言：英文
阅读时间：3 分钟
字数：505
标签： Gemini Embedding 2, 多模态 AI, Google DeepMind, 向量嵌入, RAG