Gemini Embedding 2：我们首个原生多模态嵌入模型
💡
原文英文，约500词，阅读约需2分钟。
📝
内容提要
今天发布的Gemini Embedding 2是首个完全多模态的嵌入模型，支持文本、图像、视频、音频和文档的统一处理，提升多模态任务性能，适用于100多种语言。开发者可通过Gemini API和Vertex AI使用该模型。
🎯
关键要点
- 今天发布的Gemini Embedding 2是首个完全多模态的嵌入模型，支持文本、图像、视频、音频和文档的统一处理。
- 该模型适用于100多种语言，提升多模态任务性能。
- Gemini Embedding 2能够处理多种输入，包括文本（最多8192个输入标记）、图像（每次请求最多6张）、视频（最多120秒）、音频（无需中间文本转录）和文档（最多6页PDF）。
- 模型支持同时处理多种模态的输入，捕捉不同媒体类型之间的复杂关系。
- 采用Matryoshka Representation Learning (MRL)技术，支持灵活的输出维度，推荐使用3072、1536、768维度以获得最佳质量。
- Gemini Embedding 2在多模态深度上设立了新的性能标准，尤其在语音能力和文本、图像、视频任务上表现优异。
- 该模型为多种Google产品提供技术支持，帮助解锁高价值的多模态应用。
- 开发者可以通过Gemini API和Vertex AI开始使用Gemini Embedding 2，或通过LangChain等工具集成使用。
🏷️
标签
➡️
