前回の記事（EmbeddingGemma 2とGemini Embedding 2の比較）公開後、OpenRouterにおける月間ランキング の利用統計を確認しました。首位のOpenAI text-embedding-3-small は月間約6億6,000万リクエストに達し...

音声をテキストに変換する文字起こしには一般的に音声認識専用のAIモデルが使われます。しかし、文章の意味を数値で表現する埋め込みモデルのEmbeddingGemma 2を利用して音声を文字起こしするという一風変わったアプローチを採用した「Embedding Gemma Transcribe」が登場しました。Embedding Gemma TranscribeはApple Silicon搭載Macで動作し、インターネット接続なしで音声を処理できるとのことなので、実際に使ってみました。

Beyond chat with llamadart · Part 2 Llama Village, where five llamas share a world without sharing...

Search your Mac by what's in your files: photos, PDFs, recordings, videos and code. On-device, built on Google DeepMind's EmbeddingGemma 2. - ARahim3/DigUp

音声をテキストに変換する文字起こしには一般的に音声認識専用のAIモデルが使われます。しかし、文章の意味を数値で表現する埋め込みモデルのEmbeddingGemma 2を利用して音声を文字起こしするという一風変わったアプローチを採用した「Embedding Gemma Transcribe」が登場しました。Embedding Gemma TranscribeはApple Silicon搭載Macで動作し、インターネット接続なしで音声を処理できるとのことなので、実際に使ってみました。

開発者のAbdur Rahim氏は2026年10月9日、Mac内のファイルを内容から検索するアプリDigUpをXで紹介した。

音声をテキストに変換する文字起こしには一般的に音声認識専用のAIモデルが使われます。しかし、文章の意味を数値で表現する埋め込みモデルのEmbeddingGemma 2を利用して音声を文字起こしするという一風変わったアプローチを採用した「Embedding Gemma Transcribe」が登場しました。Embedding Gemma TranscribeはApple Silicon搭載Macで動作し、インターネット接続なしで音声を処理できるとのことなので、実際に使ってみました。

音声をテキストに変換する文字起こしには一般的に音声認識専用のAIモデルが使われます。しかし、文章の意味を数値で表現する埋め込みモデルのEmbeddingGemma 2を利用して音声を文字起こしするという一風変わったアプローチを採用した「Embedding Gemma Transcribe」が登場しました。Embedding Gemma TranscribeはApple Silicon搭載Macで動作し、インターネット接続なしで音声を処理できるとのことなので、実際に使ってみました。 **続きを読む...**

An embedding model, turned into a speech-to-text model. An hour of audio in about 13 seconds on a base MacBook Air, on device.

開発者のAbdur Rahim氏は2026年10月9日、Mac内のファイルを内容から検索するアプリDigUpをXで紹介した。

Random vibe-experiments. Contribute to oaustegard/experiments development by creating an account on GitHub.

Die quelloffene Menüleisten-Anwendung DigUp ermöglicht auf Apple-Silicon-Computern das Durchsuchen lokaler Dateien mittels natürlicher Sprache. Im Zentrum der Funktionsweise steht das multimodale Modell EmbeddingGemma 2 von Google DeepMind, dessen technische Architektur auf einen einheitlichen 768-dimensionalen Vektorraum setzt. Anstelle reiner Dateinamen erfasst das System Dokumente, Bilder, Audiodateien und Videos über ihren inhaltlichen Kontext. Multimodale Vektoreinbettung mit 740 […] The post DigUp: Google-DeepMind-Modell durchsucht lokale Dateien nach ihrem Inhalt appeared first on BornCity.

Introducing EmbeddingGemma 2, an open multimodal embedding model optimized for privacy-first use cases

EmbeddingGemma 2 是 Google 的裝置端多模態嵌入模型。解析 270M 至 740M 配置、8K 上下文、RAG、向量截斷、Python 用法與離線部署限制，對照官方模型卡與範例。