オンデバイスAIで動作するマルチモーダル埋め込みモデル
EmbeddingGemma 2の基本情報
EmbeddingGemma 2はGoogle DeepMindが公開したオープンな埋め込みモデルで、デバイス内で動作します。テキスト・コード・画像・動画・音声を、どれも同じ768次元のベクトルに変換できることが最大の特徴です。
設計は、Gemma 4のアーキテクチャ（モデル内部の基本設計）を引き継いでいます。パラメータ数（学習で調整される数値の個数で規模の目安になる）は、全体で7億4,000万（740M）です。ライセンスは商用利用を認めるApache 2.0なので、ご自身のサービスにも組み込めます。
EmbeddingGemma 2は、インターネットに接続していない状態でも動作します。写真や録音のようにデバイス内にあるデータを外に出さずに検索できるのが強みです。
"Built on the Gemma 4 architecture and released under a commercially permissive Apache 2.0 license, EmbeddingGemma 2 has 740 million parameters, making it optimal for on-device inference."／"EmbeddingGemma 2 brings robust capabilities directly to edge hardware."（冒頭／Enabling semantic search, routing, and retrieval, fully on-device 節）— Google より公式情報を見る →
エンベディングはベクトル検索とRAGに欠かせない
埋め込み（エンベディング）とは、文章や画像の意味を数値の列（ベクトル）に置き換えることです。 意味が近いものほど近い数字になるので、キーワードが一致しなくても内容で探すことができます。この仕組みを使った検索がベクトル検索です。
例えば「夕方の海辺」と入力すれば、ファイル名に海と書いていない夕焼けの写真も検索結果に表示されます。RAGは生成AIに答えさせる前に関連する資料を探して読ませる仕組みで、埋め込みモデルはこの「探す」側を担当します。
生成AIが適切な資料を参考にできるかどうかは、埋め込みモデルによる検索で定まります。EmbeddingGemma 2は文章を書くモデルではなく、検索に使うベクトルを作るモデルだと押さえておくといいでしょう。
初代のテキスト専用から画像・音声・動画の検索へ拡大
初代のEmbeddingGemmaは前年に公開されたテキスト専用のモデルで、ダウンロードは2,000万回を超えました。 デバイス内の検索ツールやプライバシーを重視したRAGで使われてきたと、Googleは紹介しています。
EmbeddingGemma 2では、処理できる対象がテキスト以外に拡大しました。音声メモから特定の動画クリップを探すことも、文章で何時間分もの録音を検索することも1つのモデルでできます。1回に読み込める量（コンテキスト）も8Kトークンになり、初代の4倍です。
これまで画像や音声を検索するときは、画像から説明文を作ったり音声を文字に起こしたりしてから、テキスト用の埋め込みモデルへ入力していました。EmbeddingGemma 2はこの流れを1つのモデルにまとめるため、待ち時間とメモリを減らせます。初代を含むGemma系列の普及状況は、ダウンロード実績の記事にまとめています。
"With more than 20 million downloads, builders have used it to power smarter on-device search tools and privacy-first retrieval augmented generation (RAG) pipelines."／"It can help find a specific video clip from a voice memo, or search through hours of audio recordings based on a text query, all processed by a single, natively multimodal model."（冒頭）— Google より公式情報を見る →
"For developers building local search and media retrieval experiences, it reduces the latency and memory overhead of chaining separate image captioning, speech-to-text, and text-embedding models."（冒頭）— Google より公式情報を見る →
Gemini Embeddingとの違いは動作する場所にある
名前が似ているGemini Embedding（Gemini Embedding 2を含む）は、Googleのクラウドで動作する別の製品です。 EmbeddingGemma 2も同じ技術から作られていますが、動作する場所が異なります。
オープンモデルとは、学習済みモデルの重み（パラメータの値）が公開され、誰でもダウンロードして所有するパソコンやサーバーで動作させることができるモデルのことで、EmbeddingGemma 2もその1つです。重みを使う機器に置いて動作させます。
Gemini EmbeddingとEmbeddingGemma 2の違い
| 比較する内容 | Gemini Embedding | EmbeddingGemma 2 |
|---|---|---|
| 動作する場所 | Googleのクラウド | ユーザーのスマホ・PC |
| データの行き先 | クラウドへ送信する | デバイスの外に出ない |
| ネット接続 | 必要 | 不要 |
どちらを選ぶかは、検索したいデータを外部に送信してよいかどうかで定まります。社内資料や個人で撮った写真のように外に出したくないデータを検索するなら、EmbeddingGemma 2が適しています。
"Built from the same technology as Gemini Embedding models, EmbeddingGemma 2 is:"／"Generating embeddings locally helps ensure data privacy, reduces pipeline latency, and empowers developers to build cross-modal search and retrieval that works entirely offline."（特長の節／Enabling semantic search, routing, and retrieval, fully on-device 節）— Google より公式情報を見る →
量子化でPixel 11 Proはテキスト約191MBで動作
Pixel 11 Proで量子化したときのメモリ使用量
棒の高さは最大値（567MB）を100とした比。アクティブRAMの値。出典: Google公式ブログ。
Pixel 11 Proで量子化した場合、アクティブRAMはテキストだけで約191MBです。また、画像と音声まで含めた全体でも約567MBに収まります。
Googleは量子化を前提にした学習（QAT）で、重みをINT4とINT8まで圧縮しています。中価格帯のスマホでもマルチモーダル検索が動作するようにするためです。
ただしこの数字はモデルの重みが使うメモリで、アプリ全体の使用量ではありません。アプリ全体では重みのメモリに処理用のメモリが加わります。
"With quantization, on a Google Pixel 11 Pro, EmbeddingGemma 2 requires as little as ~191MB active RAM for text-only weights and ~567MB for the full multimodal model."（特長の節）— Google より公式情報を見る →
"Quantization-Aware Training (QAT): Compresses model weights to INT4 and INT8, bringing multimodal vector search within reach of mid-range consumer hardware."（最適化の節）— Google より公式情報を見る →
270Mに画像・音声のエンコーダを必要なだけ追加可能
EmbeddingGemma 2はテキストとコードを処理する270Mの本体に、画像用と音声用のエンコーダ（入力をベクトルに変換する部品）を追加して使うことができます。 使わない部品は読み込む必要がありません。テキスト検索だけのアプリなら270Mで十分です。
| 構成 | パラメータ数 |
|---|---|
| テキスト・コード | 270M |
| テキスト＋画像・動画 | 440M |
| テキスト＋音声 | 570M |
| 全部 | 740M |
どの構成で作ったベクトルも同じ空間に入ります。テキストだけで作った検索用の索引に、あとから画像や音声のデータを加えても作り直す必要はありません。
テキストのトークナイザ（文章を処理単位に区切る部品）と音声エンコーダは、Gemma 4と共有されています。そのため同時に動作させてもメモリの合計を抑えられます。
"Modular memory footprint: Selectively load only the encoders you need at runtime: 270M (text/code), 440M (text + vision), 570M (text + audio), or 740M (full multimodal), all projecting into the same compatible vector space."／"In sentence-transformers, all four encoder setups load from the same checkpoint, so they share one vector space: a query embedded with the 270M text-only setup can be matched directly against documents embedded with the full model."（概要の節／次元の節）— Google より公式情報を見る →
Matryoshkaで次元を削るとベクトルの容量は最大1/6
ベクトルデータベースとは、ベクトルを保存して近いものをすばやく探すためのデータベースです。その保存量を減らすために、EmbeddingGemma 2はMatryoshka表現学習（MRL）に対応しており、768次元のベクトルをより少ない次元まで切り詰めることができます。 768次元から128次元にすれば、保存容量とメモリは最大1/6です。切り詰められる次元は次の3つです。
- 512次元
- 256次元
- 128次元
ベクトル100万本を保存したときの容量（bfloat16）
棒の高さは最大値（1.5GB）を100とした比。出典: Google Developers Blogの開発者ガイド。
同じメモリに6倍の数のベクトルを入れられるので、デバイス内に大きな索引を置きやすくなります。ユーザーが気をつけたいのは、検索の問い合わせと保存しておく文書で、ベクトルの次元をそろえることです。
次元を減らすと検索の質も下がります。次元ごとの下がり具合は記事後半の注意点の図にまとめました。
"Flexible vector storage: Matryoshka Representation Learning (MRL) enables dynamic truncation from 768 dimensions down to 128 dimensions, cutting vector database storage requirements while retaining much of the original quality."／"For instance, in bfloat16 precision, storing a million 768-dimensional vectors takes roughly 1.5 GB of memory, while truncating them to 128 dimensions requires just 250 MB. That 6x reduction allows you to store six times as many embeddings in the same memory budget, making it much easier to fit large indexes in memory or on-device."（概要の節／次元の節）— Google より公式情報を見る →
マルチモーダル入力は8Kトークンで動画検索は58フレームまで
コンテキストは8Kトークン（8,192）あります。 1回で処理できる上限は次のとおりです。
- 音声：最大5.5分
- 画像：29枚
- 動画：58フレーム
これらを混ぜて入れることも可能です。動画はデフォルトで1秒に1フレームを抜き出して読み込みます。音声は16kHzのモノラルにしてから入力する必要があります。長い動画は1回に収まらないため、内容の切れ目で区切ってから埋め込むとよいでしょう。
"Features an 8K token context window (4x larger than EmbeddingGemma 1), allowing it to process up to 5.5 minutes of audio, 29 images, 58 video frames, or interleaved combinations thereof directly on local hardware."（特長の節）— Google より公式情報を見る →
"Video is sampled at 1 frame per second by default, and audio should be 16 kHz mono."（入力の節）— Google より公式情報を見る →
MTEBのコード検索スコアは68.76から78.68に上昇
MTEB Codeのスコア（初代との比較）
棒は0〜100のスコア（高いほど高性能）。Googleの自社計測。出典: Google公式ブログ。
EmbeddingGemma（初代）EmbeddingGemma 2MTEBは埋め込みモデルの検索や分類の性能を測る定番のベンチマークです。EmbeddingGemma 2はコード部門のMTEB Codeで68.76から78.68へ伸び、初代を9.92ポイント上回りました。 多言語のテキスト性能は初代と同じ水準を保っています。
Googleは、ローカル環境のコードを索引にする使い方や、コーディングエージェントの検索に適しているとしています。開発者ガイドの手順に沿えば、270Mのテキスト構成でHugging Face transformersのコードを丸ごと埋め込み、エージェントに検索させることができます。
Googleは10億パラメータ未満のマルチモーダル埋め込みモデルの中で、MTEB Codeや音声のMAEBがトップ級だとしています。2倍以上大きい専門モデルの一部を超えるスコアとのこと。
"EmbeddingGemma 2 matches the strong multilingual text performance of EmbeddingGemma while delivering a significant 9.92-point improvement on code performance (in MTEB Code, from 68.76 to 78.68), making it well-suited for local codebase indexing, semantic code search, and coding agent retrieval."／"Across image, video, documents, and audio, it sets a new standard in quality-per-parameter for sub-1B models and even outperforms some specialist models more than twice its size."（Achieving top-tier quality for code, vision, and audio 節）／"Best-in-class for its size: Achieves leading scores among sub-1B multimodal embedders for its size across benchmarks like MTEB (Massive Text Embedding Benchmark) Code and MAEB (Massive Audio Embedding Benchmark), while matching or outperforming many larger models across text, vision, and audio tasks."（特長の節）— Google より公式情報を見る →
OllamaやLM StudioでローカルRAGに活用
用途ごとの入手先とツール
| やりたいこと | 使うもの |
|---|---|
| 重みを入手する | Hugging Face・Kaggle |
| PCで動作させる | Ollama・LM Studio・llama.cpp |
| Pythonで組み込む | sentence-transformers・transformers |
| サーバーで動作させる | vLLM・SGLang |
| Macで動作させる | MLX |
| ベクトルを保存する | Qdrant |
| スマホアプリに組み込む | MediaPipe・LiteRT |
| ブラウザで動作させる | transformers.js・WebGPU |
EmbeddingGemma 2の重みはHugging FaceとKaggleで公開されており、OllamaやLM Studioなど普段使いのツールでそのまま動作させることができます。 Googleは公開に合わせて、各ツールの開発元と調整したとしています。
OllamaやLM StudioでローカルLLMをすでに動作させている人なら、同じ環境に埋め込みモデルを1つ追加すれば、PCに保存した資料を探すRAGを組めます。用途に合わせた微調整には、Unslothの手引きも用意されています。ローカル実行でどこまで実用になるかはM2 Macでの検証もあわせてご覧ください。
"We worked closely with the following partners to ensure EmbeddingGemma 2 works immediately where you build:"／"Download the models: Find the model weights on Hugging Face and Kaggle, with Gemini Enterprise Agent Platform Model Garden availability coming soon."／"Use your favorite development tools: Serve the model efficiently using transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama, and LMStudio. Store your embedding vectors with Qdrant."／"Fine-tuning: Follow guidance by Unsloth for how to fine-tune EmbeddingGemma 2 for your use cases."（Getting started with EmbeddingGemma 2 節）— Google より公式情報を見る →
Hugging Faceの重みでRAG用の埋め込みを作成
PythonでRAG用の埋め込みを作るなら、Hugging Faceの重みをsentence-transformersで読み込むのが手軽です。また、v6.1.0以降ならテキストに加えて画像・音声・動画もそのまま入力できます。
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("google/embeddinggemma-2")
query_emb = model.encode("夕方の海辺", prompt_name="SearchQuery")
検索するときは問い合わせにはSearchQuery、保存する文書にはDocumentのプロンプト名を選んで埋め込みます。問い合わせと文書で同じプロンプト名を使わないのがポイントです。
次元を切り詰める場合は問い合わせと文書を必ず同じ次元にそろえます。読み込み時にtruncate_dim=256のように指定しておけば毎回指定する手間が省けます。
"You can run EmbeddingGemma 2 across text, code, images, video, and audio with the sentence-transformers library (v6.1.0 or later):"／"Queries and documents must use the same dimension:"／"To use one dimension for every call, set it at load time instead: SentenceTransformer(MODEL_ID, truncate_dim=256)."（使い方の節／次元の節）— Google より公式情報を見る →
Gemma 4と組むとオフラインAIでローカルRAGが動作
生成モデルのGemma 4と組み合わせれば、検索から回答までデバイス内で完結するローカルRAGを作ることができます。 2つのモデルはトークナイザと音声エンコーダを共有しているので、同時に動作させてもメモリの合計を抑えられます。ネットに接続しないオフラインAIとしてRAGを組めるのが利点です。
その実例が、Mac向けの試験アプリGoogle AI Edge Foresightです。このアプリはEmbeddingGemma 2とGemma 4で動作し、会議の文字起こしやMac上のファイルをデバイス内で検索してメモ取りを手伝います。会議の内容を含むデータはデバイスの外に出ません。
Gemma 4を単体でどこまで使うことができるかは、金融タスクでの検証にまとめています。組み合わせる生成モデルを選ぶときに、性能と費用の差を確認できます。
"When paired with generative models such as Gemma 4, EmbeddingGemma 2 enables on-device RAG pipelines that understand complex multimodal data. Because EmbeddingGemma 2 is built on Gemma 4 and shares its text tokenizer and audio encoder, developers can run both models together in a unified pipeline with a lower combined total memory footprint."（Enabling semantic search, routing, and retrieval, fully on-device 節）— Google より公式情報を見る →
"We are excited to announce the launch of Google AI Edge Foresight for Mac, an experimental app that brings a context-aware meeting companion directly to your device."／"Powered by EmbeddingGemma 2 and Gemma 4 models, Foresight delivers:"（Productivity boost and context retrieval in Google AI Edge Foresight on Mac 節）— Google より公式情報を見る →
MediaPipeと提供予定のML Kitで組み込める
スマホアプリに組み込む場合に使うのは、Google AI EdgeのMediaPipeとLiteRTです。 MediaPipeには埋め込み・検索・判定の部品がそろっています。細かく制御したい場合はLiteRTを直接使います。
2026年10月6日の発表によると、Androidでは今後数週間のうちにML Kit経由のサービスとしても提供されるとのこと。サービスとして使えばアプリにモデルを同梱する必要がなくなり、NPU（AI処理向けのチップ）による高速化も使うことができます。
まず試すなら、Google AI Edge Galleryアプリが手軽です。デバイス内の写真や動画を言葉で探すInstant Media Searchと、動画の中から特定の映像を探すVideo Moments Finderの2つのデモが追加されました。
"In the coming weeks, we will also make this model available as a service on Android, accessible through ML Kit, including using NPU acceleration to further optimize performance across a broad range of devices."／"Today, we are adding two interactive showcases powered by EmbeddingGemma 2 to the Google AI Edge Gallery app: Instant Media Search and Video Moments Finder."（冒頭／Instant Media Search and Video Moments Finder in Google AI Edge Gallery 節）— Google より公式情報を見る →
128次元ではセマンティック検索の質が落ちる【自社計測】
次元ごとの画像・動画・音声の検索品質
768次元を100とした割合。保存量は256次元で1/3になり、128次元では1/6になる。出典: Google Developers Blogの開発者ガイド。
ここまでの性能の数字はすべてGoogleが自社で測ったものです。 ご自身のデータで同じ結果が出るとは限りません。
特に注意したいのが次元を削ったときの品質です。768次元を基準にすると、256次元の画像・動画・音声のセマンティック検索（意味で探す検索）は約95%の品質を保ちます。128次元ではその品質が約75%まで下がり、テキストとコードでも約90%になります。
マルチモーダル検索で128次元を使う前に、実際に検索するデータで検索品質を確認する必要があります。日本語を含む多言語のテキスト性能は、初代と同等だとGoogleはしています。
日本語の資料で使う場合は少量のデータで正解を用意して試しておくといいでしょう。正解の組は「この問い合わせならこの文書が上位に出てほしい」という対応表として作ります。次元ごとに、正解の文書が検索結果の上位に出るかを確認してから選びましょう。
"256d (3x storage reduction): Storage-constrained indexes. Keeps most of the full quality of the original embedding on text and code and about 95% on image, video, and speech retrieval, at a third of the storage."／"128d (6x storage reduction): Large text-only indexes and first-stage shortlisting (shortlisting before re-ranking). Text and code retains around 90% quality, but image, video, and speech retrieval quality drop to around 75%. Validate on your target data before deploying 128d for multimodal queries.."（次元の選び方の節）— Google より公式情報を見る →
ご自身のデータで次元を試して選ぶ
EmbeddingGemma 2は、テキスト・画像・音声・動画を同じ空間で探すことができるApache 2.0のオープンな埋め込みモデルです。 テキストだけなら約191MBのメモリからデバイス内で動作します。OllamaやLM Studioのほか、Gemma 4と組み合わせればローカルRAGも作ることができます。
一方で性能の数字はGoogleの自社計測で、128次元まで削ると画像・音声・動画の検索品質は約75%に下がります。まずは768次元か256次元を使い、ご自身のデータで検索を試してください。そのうえで、保存容量と検索の質のどちらを優先するかで次元を選ぶのがおすすめです。
検索させたい資料がWebページやPDFなら、先にマークダウンへ変換しておくと便利です。章の題や表の構造が残るため、埋め込む前に資料を区切る作業がしやすくなります。
FAQ
- EmbeddingGemma 2とは何ですか？
- Google DeepMindが2026年10月6日に公開したオープンな埋め込みモデルで、デバイス内で動作します。テキスト・コード・画像・動画・音声を1つの埋め込み空間に変換するので、言葉や形式が異なっても意味の近いものを探すことができます。Gemma 4のアーキテクチャで作られており、パラメータ数は全体で7億4,000万です。
- Gemini Embedding 2とは何が異なりますか？
- Gemini EmbeddingはGoogleのクラウドで動作する製品です。EmbeddingGemma 2は重みを使う機器に置いて動作させるオープンモデルで、Googleは同じ技術から作ったとしています。データを外に出さずに検索したいなら、EmbeddingGemma 2が適した選択です。
- スマホでも動作しますか？
- 動作します。Pixel 11 Proで量子化した場合、メモリはテキストだけで約191MBです。画像と音声まで含めた全体でも約567MBに収まり、インターネット接続が無くても使うことができます。
- 商用利用できますか？
- できます。ライセンスは商用利用を認めるApache 2.0です。重みはHugging FaceとKaggleで公開されているので、ご自身のアプリやサービスに組み込めます。
関連する記事
Gemma Transcribeとは？埋め込みモデルによる文字起こし精度Embedding Gemma Transcribeは、埋め込みモデルEmbeddingGemma 2を文字起こしに転用した無料のMacアプリです。M3 MacBook Airなら1時間の英語音声を12.6秒で文字起こしでき、音声はMacの外へ出ません。単語誤り率は約5%で、日本語の音声には対応していません。
PerplexityのPortable ComputerがWindowsのRTX搭載PCに対応PerplexityのローカルAIエージェント「Portable Computer」が、2026年9月14日にVRAM 24GB以上のGeForce RTX・RTX PRO搭載Windows PCに対応しました。DGX Sparkに続く対応機種です。PC内で処理する分はクレジットを消費しません。
Pipetteとは？スマホのAI性能を実機で測定する新しいベンチマークPipetteは、スマホのAIを測る実機ベンチマークです。Liquid AIとArtificial Analysisが、2026年8月24日に公開しました。iPhone 17 Proで待ち時間を1分までにすると、63点で同点の2モデルは38点と18点に下がり、47点のLFM2.5-8B-A1Bがトップに立ちます。
Gemma 4 31Bは金融の検証で有料モデルと同点、費用は約1/40AlphaSenseが金融245問で9モデルを比較した検証で、Gemma 4 31Bの回答品質はSonnet 5と同点の1.34、1問の費用は約1/40でした。1/40は単価の差ではなく、検索を含めた1問あたりの中央値です。トップのGPT-5.6 Solとは0.39の差があります。