Google'dan Yeni Model: Gemini Embedding 2 ile Metin, Görüntü ve Ses Tek Bir Modelde!

Google, Gemini mimarisi üzerine geliştirilen birinci hepsi multimodal embedding modeli olan Gemini Embedding 2’yi tanıttı. Yeni model, geliştiricilerin kullanımına Gemini API ve Vertex AI üzerinden önyüz izleme olarak sunulmuş durumda. Metin, görüntü, video ve sesli tekbaşına tek sistemle çözümleme edilebilecek Gemini Embedding 2’nin en kaydadeğer özelliği, değişik bilgi çeşitlerini tekbaşına tek müşterek mana uzayında işleyebilmesi. Model; metin, görüntü, video, sesli ve belgeleri benzer sistemleri içindeki çözümleme ederek 100’den fazla dilde mana ilişkilerini ortaya çıkarabiliyor. Bu sayede geliştiriciler için karışık yapay zekâ sistemleri kurdu çeşitlilik daha basit hâle geliyor. Özellikle semantik arama, duygu analizi, bilgi kümelendirme ve RAG (Retrieval-Augmented Generation) gibi alanlarda daha kuvvetlü neticelar elde edilmesi hedefleniyor. Çoklu bilgi girişi benzer anda kullanılabiliyor Yeni modeller değişik bilgi çeşitlerini tekbaşına tek prosedürekle kısıtlı değil. Örneğin tek imge ve metinleri benzer anda modele gönderilebiliyor. Böylece model, gerçeği dünyadaki karışık bilgi ilişkilerini daha doğrusu biçimde anlayabiliyor. Gemini Embedding 2’nin teknikleri kapasitesinden çok öne çıkan detaylar şöyle: Metin: 8192 token’a kadar çerçeve desteği Görüntü: Aynı istekte 6 adet PNG ya da JPEG Video: 120 saniyeye kadar MP4 ya da MOV Ses: Transkripsiyon lüzumtirmeden direkt analiz Belge: 6 sayfaya kadar PDF Google ürünlerinde da kullanılacak Embedding teknolojileri Google’ın pek çeşitlilik ürününün temelini oluşturuyor. Şirket, erkenden giriş ortaklarının Gemini Embedding 2 ile muazzam bilgi analizi, gelişmiş tarama sistemleri ve çeşitlilik bilgi tabanlı yapay zekâ uygulamaları geliştirmeye başladığını belirtiyor. Peki siz Gemini Embedding 2 ilgili ne düşünüyorsunuz? Düşüncelerinizi aşağıdaki yorumlar kısmından bizimle aktarabilirsiniz.