Google lanza EmbeddingGemma 2 para móviles sin conexión

Google DeepMind ha presentado EmbeddingGemma 2, un modelo de pesos abiertos con 740 millones de parámetros que convierte texto, imágenes, vídeo y audio en vectores numéricos dentro de un mismo sistema y está diseñado para ejecutarse de forma local en el dispositivo, sin necesidad de conexión a internet.

El modelo preserva la privacidad de los datos y permite integrar funciones de búsqueda avanzada en aplicaciones nuevas o existentes sin enviar información a servidores externos. Su principal aportación es representar texto, imágenes, fotogramas de vídeo y audio en un único espacio vectorial, lo que permite relacionar y buscar cualquier tipo de archivo sin necesidad de convertirlo antes a texto.

Dos demos sin conexión en Android e iPhone

Cualquier usuario puede probar el modelo en Android o iPhone a través de la aplicación Google AI Edge Gallery, que incluye dos demostraciones sin conexión. La primera es la búsqueda instantánea de contenido: organiza y localiza fotos y vídeos almacenados en el dispositivo en tiempo real mientras se escribe, relacionando frases o imágenes de ejemplo con los vectores guardados en una base de datos SQLite.

La segunda demostración es 'Video Moments Finder', capaz de identificar fotogramas concretos dentro de vídeos locales a partir de descripciones como "niños riéndose" o "perro atrapando una pelota de tenis". Analiza imagen y fragmentos de audio directamente, sin generar transcripciones de texto intermedias.

Un asistente privado de reuniones para Mac

Para Mac existe además una aplicación experimental, Google AI Edge Foresight, que funciona como asistente privado de reuniones. Se conecta al audio del sistema y al micrófono para operar sin conexión con cualquier plataforma de videollamadas.

Herramientas para desarrolladores

Google ha puesto a disposición de los desarrolladores varias herramientas de integración: ML Kit —prevista para las próximas semanas—, MediaPipe Tasks y LiteRT.