embeddinggemma-2-740m-litert-lm

embeddinggemma-2-740m-litert-lm

为 LiteRT-LM 设备端运行打包的 740M 多模态 EmbeddingGemma 2。它把文字、代码、图片、视频和音频映射到同一个 768 维向量空间。

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：这是 EmbeddingGemma 2 的完整多模态版本，有 740M 参数，为 LiteRT-LM 上的快速设备端推理打包。它把文字、代码、图片、视频和音频放进同一个 768 维向量空间。

它内部把 270M 的文本主干与 170M 的视觉编码器和 300M 的音频编码器结合起来。它接受混合类型交错的输入，上下文窗口为 8,192 个词元。模型卡指向 Google 的 EmbeddingGemma 2 页面作为主模型卡。

适合谁：适合构建必须在手机或笔记本上运行的搜索和相似度功能、涵盖文字、图片、视频和语音、又不想把数据发到服务器的开发者。

Industry | Who uses it | How they use it | Example
移动应用 | Android 和 iOS 开发者 | 加入设备端语义搜索 | 能按描述找照片的笔记应用
软件 | 知识库构建者 | 在本地搜索混合文档 | 带本地知识库的 Flutter 应用
媒体 | 档案团队 | 把音频和视频与文字查询匹配 | 根据输入的问题找出一段语音
研究 | 检索研究者 | 测试跨模态嵌入 | 比较图片和文字的匹配

如果你想要能写文字或回答问题的模型，可以跳过它，因为它只产生嵌入。

用在哪里：模型卡指向 Android、iOS、macOS 和网页的演示应用和文档，以及使用 EmbeddingGemma 2 和 LiteRT-LM 的 MediaPipe 任务。

• Android、iOS 和 macOS 演示应用
• 一个网页演示
• 使用该模型的 MediaPipe 任务
• 模型卡提到的知识库 Flutter 示例

Use case | Who | What they get back
多模态搜索 | 应用开发者 | 跨文字、图片、视频和音频的匹配
语音检索 | 语音应用团队 | 按文字查询排序的音频片段
语义相似度 | 数据团队 | 混合媒体条目之间的相似度得分

如何设置：你需要 Python 来运行下载工具，以及适合目标平台的 LiteRT-LM 运行时。模型卡在这里只给出下载步骤，集成请看链接的 LiteRT-LM 概览。

• 带 pip 的 Python
• 适合你平台的 LiteRT-LM
• 容纳 740M 参数模型的磁盘空间

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 按 LiteRT-LM 概览把模型集成到你的应用里。

pip install -U huggingface_hub
hf download litert-community/embeddinggemma-2-740m-litert-lm

如何使用：通过 LiteRT-LM 给模型输入文字、代码、图片、视频或音频，并读出每个输入对应的 768 个数字的向量。比较向量就能找到相似的条目。模型卡在这里没有给出运行命令。

示例：你在手机上嵌入一个输入的问题和一组照片。模型把两者放在同一个向量空间里，所以离问题最近的那张照片就是最佳匹配。

新手与专家：如果你是新手，把它想成一个翻译器，把任何图片、声音或句子变成一串数字。意思相近的条目得到相近的数字，所以你可以按含义搜索。

如果你熟悉这个领域：模型卡描述了在一个 8,192 词元窗口内的交错多模态输入，以及供所有媒体共用的单一空间。视觉和音频编码器是模块化的，所以 740M 模型是在 270M 文本主干上扩展出来的。

文字、图片、视频或音频输入
对应的编码器读取
输出共享的 768 维向量
比较向量做搜索

注意事项：模型卡把 740M 模型描述为完整的多模态版本，所以更小的以文字为主的版本是另外的。图表显示了各部分如何加起来。

Title: 各组成部分的参数量，单位为百万
Audio encoder: 300 百万
Text backbone: 270 百万
Vision encoder: 170 百万

• License: Apache 2.0
• Cost to run: 未提及费用
• Data it reaches: 你在自己设备上嵌入的文字、图片、视频和音频
• Not for: 写文字或回答问题，因为它产生的是嵌入

Hugging Face 上的数据（2026年11月13日）

• 框架：litert-lm
• 最近 30 天下载：152,507
• 点赞：44
• 许可证：apache-2.0
• 基于：google/embeddinggemma-2
• 标签：litert-lm, embeddinggemma2

链接

• 模型：https://huggingface.co/litert-community/embeddinggemma-2-740m-litert-lm
• 文件：https://huggingface.co/litert-community/embeddinggemma-2-740m-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-2-740m-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。