EmbeddingGemma 2 Text 270M (LiteRT-LM)

EmbeddingGemma 2 Text 270M (LiteRT-LM)

把文本变成向量，用于在手机和笔记本上做搜索、聚类和问答。这是为 LiteRT-LM 打包的 270M 纯文本 EmbeddingGemma 2 版本，覆盖 100 多种语言和代码。

由 litert-community 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：一个 270M 参数的纯文本 EmbeddingGemma 2 模型，为 LiteRT-LM 运行时打包。它把文本变成可以相互比较的向量，所以应用可以在设备本身上搜索、分组和匹配文档。它支持 100 多种语言和编程代码。

适合谁：想让文本搜索或分类在手机、笔记本或其他小型硬件上运行，而不把文本发给服务器的应用开发者。需要存放大量向量并希望把它们变小的人也会觉得有用。

Industry | Who uses it | How they use it | Example
移动应用 | 应用开发者 | 在设备上给笔记或消息做嵌入以便搜索 | 在手机上搜索保存的笔记
软件 | 产品团队 | 在应用里对文档聚类或分类 | 按主题给客服工单分类
知识工具 | 问答构建者 | 检索与问题匹配的段落 | 找到手册里正确的那一页
研究 | 嵌入研究人员 | 测试小型多语言嵌入模型 | 比较不同向量大小下的结果

如果你的任务需要图像或音频，可以跳过它，因为这个版本只处理文本。

用在哪里：

• Android 和 iOS，通过 Google 的 AI Edge Gallery 应用
• macOS，以及一个嵌入搜索的网页演示
• MediaPipe 任务，比如语义图像搜索和决策
• 装有 Python 的 Windows、macOS 或 Linux，用来获取文件

Use case | Who | What they get back
文档搜索 | 应用开发者 | 按与查询的接近程度排序的文档
分类和聚类 | 产品团队 | 按含义分组或打标签的文本
问答 | 构建者 | 与问题匹配的段落

如何设置：

• Python，用来安装 Hugging Face 客户端
• 你的应用或设备上的 LiteRT-LM 运行时
• 为 270M 参数的模型留出空间

1. 安装 Hugging Face 客户端。
2. 把模型文件下载到你的电脑。
3. 按 Google 的概览指南，在你的应用里用 LiteRT-LM 加载它们。

pip install -U huggingface_hub
hf download litert-community/embeddinggemma-2-text-270m-litert-lm

如何使用：通过 LiteRT-LM 把文本交给模型，比较它返回的向量来找到相似的文本。你可以先在 Google 的 AI Edge Gallery 应用或网页演示里试用。来源里没有代码，所以具体调用请参照 LiteRT-LM 指南。

Tool | What it does
LiteRT-LM | 在设备上运行模型
AI Edge Gallery | 在 Android 和 iOS 上试用模型的应用
MediaPipe | 提供使用该嵌入模型的现成任务，比如语义检索

示例：你在手机上给一个文件夹的短笔记做嵌入，再给问题 "where did I save the router password" 做嵌入。模型返回向量，最接近这个问题的笔记排在最前。所有内容都不离开设备。

新手与专家：如果你是新手，嵌入就是一串能表达文本含义的数字，所以相近的文本会得到相近的数字串。在写任何代码之前，先试试 AI Edge Gallery 的演示。

如果你熟悉这个领域：模型由一个 130M 的 Transformer 和一个 140M 的嵌入器组成。它使用 Matryoshka 表示学习，所以你可以把向量裁到 128 维，存储空间小得多。

文本
LiteRT-LM 模型
向量
比较向量
搜索或分组结果

注意事项：向量越小，存储成本越低，模型支持小到 128 维的尺寸。

• Parameters: 总共 270M
• Languages: 100 多种，外加编程代码
• Scope: 仅限文本
• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 下载到你电脑上的模型文件，以及你选择做嵌入的文本
• Not for: 图像或音频，因为这个版本只处理文本

Hugging Face 上的数据（2026年11月15日）

• 框架：litert-lm
• 最近 30 天下载：16,202
• 点赞：14
• 许可证：apache-2.0
• 基于：google/embeddinggemma-2
• 标签：litert-lm

链接

• 模型：https://huggingface.co/litert-community/embeddinggemma-2-text-270m-litert-lm
• 文件：https://huggingface.co/litert-community/embeddinggemma-2-text-270m-litert-lm/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download litert-community/embeddinggemma-2-text-270m-litert-lm

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。