Google lance Gemini Embedding 2, un modèle qui comprend texte, image, vidéo et audio en même temps
Google vient de lancer Gemini Embedding 2, son premier modèle d’embedding nativement multimodal. Texte, images, vidéo, audio et documents sont projetés dans un même espace vectoriel, ce qui permet de faire de la recherche sémantique croisée entre différents types de contenus.
Un seul modèle pour tout indexer
Jusqu’à présent, les modèles d’embedding se limitaient au texte. Vous vouliez indexer des images ou de la vidéo, il fallait un autre pipeline. Gemini Embedding 2 fait tout d’un coup : vous lui envoyez du texte, des images (jusqu’à 6), de la vidéo (jusqu’à 120 secondes) ou de l’audio (jusqu’à 80 secondes), et il vous renvoie un vecteur dans le même espace. Le modèle gère plus de 100 langues et prend en charge jusqu’à 8 192 tokens en entrée pour le texte.
