EmbeddingGemma 2で画像・音声・動画を端末内検索。仕組みと試し方

この記事でわかること

• 役割：異なる種類の情報を、意味の近さで検索する仕組みを押さえます。
• 体験方法：画像や動画を探せる公式デモから試せます。
• 導入判断：メモリの数字だけでなく、見つかる内容と処理経路を確認します。

「意味の近さ」を検索に使うモデル

Embeddingは、日本語では「埋め込み」と呼ばれます。文章や画像などを比較できる数値の並びへ変え、検索語と近い情報を探すために使います。たとえば「夕方の海」という文章と、その場面の写真を、同じ検索の仕組みで照らし合わせるイメージです。

EmbeddingGemma 2では、テキスト、コード、画像、動画、音声を共通の空間で比較できます。GoogleはGemma 4を基盤にした740Mパラメータのモデルとして、Apache 2.0ライセンスで公開しています。

検索の後に、文章で答える工程を組み合わせる

このモデルが担う中心の仕事は、関連する情報を見つけることです。「探した資料を要約して答える」機能を作りたい場合は、検索結果を生成モデルへ渡す工程も必要になります。GoogleはGemma 4などと組み合わせた端末内RAGも紹介しています。

導入時は「必要な素材が見つかったか」と「素材を使って正しく回答できたか」を分けると、問題の場所が分かります。検索で違う動画を選んでいるのに、要約の指示だけを直しても改善しにくいためです。

まず公式デモで、画像と動画を探してみる

Google AI Edgeの公式解説では、Android・iOS向けのGoogle AI Edge Galleryに、2つの体験を追加したと案内しています。インストール先は公式ページからストアへ進み、最新の対応条件を確認してください。

• Instant Media Search：文章や見本画像を手がかりに、端末内の写真や動画を探します。
• Video Moments Finder：動画を選んで索引を作り、説明文から該当する場面と時刻を探します。

最初は付属サンプルか、業務情報を含まない自分の素材を使うと試しやすくなります。以下は編集部が提案する確認の流れで、実機テストの結果ではありません。

1. 探したい対象を決めます。写真の検索なら、正解にしたい写真を先に数枚選びます。
2. 目に見える内容を短い文章で表します。色・物・動作など、検索したい特徴を含めます。
3. 上位に正解が出るかを確認し、似ているが違う写真も見ます。
4. 別の言い方でも試します。社内の略称だけの場合と、一般的な説明の場合を比べます。
5. 動画では、示された時刻の前後を再生し、必要な動作や発言が本当に含まれるか確認します。

仕事への応用なら、「研修動画の特定工程を探す」「過去の製品写真から似た構図を探す」といった用途が考えられます。ただし、これらは利用場面の例です。自社素材での正確性や、既存システムへの接続が確認されたわけではありません。

191MBという数字は、モデルと測定条件を含めて読む

Googleが示した約191MBは、Pixel 11 Proで量子化したテキスト用の重みのactive RAMの例です。全モダリティでは約567MBとしています。OSやアプリ、検索用の索引まで含む端末全体の必要メモリとは分けて考えてください。

開発者ガイドでは、扱う素材に応じて必要な部分だけを読み込む構成を説明しています。

Mは100万を表し、この表はパラメータ数です。メモリ容量のMBと同じ単位ではありません。文字だけを探す段階なら、使わない画像・音声用の処理を増やさず始める選択肢があります。

素材が増えると、索引の大きさも確認する

検索に使う数値の並びは、768次元から512・256・128次元へ短くできます。保存量を抑えられる一方、検索品質への影響もあるため、まず標準的な構成で必要な素材が見つかるか確認し、容量や速度が課題になったら調整するとよいでしょう。

1回の入力枠は8,192トークンです。長い動画や大量の録音を扱うシステムでは、分割、索引化、元ファイルの位置の保持まで含めた設計が必要です。「小さなモデルだから全資料を一度に入れられる」と考えないようにしてください。

仕事の検索では、似ている資料と正しい資料を区別する

よく似た製品写真が見つかっても、別の型番かもしれません。研修動画の同じ動作でも、古い手順である可能性があります。検索結果に元ファイル名・版・該当時刻を残し、人が元の情報へ戻れる形にすると実務で判断しやすくなります。

資料側の整理については、紙図面をAIで使うためのデータ化と検索の確認手順も参考になります。素材を検索できる状態に整えることと、使ってよい結果か確認することを、両方進めましょう。

実務上の注意

端末内で動くモデルでも、それを組み込んだアプリの通信、同期、保存先は別に確認してください。社内の録音や顧客資料を使う前に、素材を取り込める範囲、誰が検索結果を見られるか、元データと索引をどう削除するかを決めます。この記事ではデモの動作や検索精度を実機で測定していません。

まとめ

EmbeddingGemma 2は、文章だけでなく画像・音声・動画を意味で探す機能を、端末内へ組み込む選択肢です。まず公式デモで検索の感覚をつかみ、自社の素材に近い少量のサンプルで、正しいファイルや場面へ戻れるか確認してください。

よくある質問

出典・参考情報

• Google：EmbeddingGemma 2公開発表
• Google Developers：端末内検索とAI Edge Galleryのデモ
• Google Developers：構成と導入の開発者ガイド

各リンク先は2026年10月8日確認。本文の発表日と、利用条件の確認時点は区別して記載しています。