Gemini Embedding 2: دليل بايثون للفهم متعدد الوسائط
فتح الفهم متعدد الوسائط مع Gemini Embedding 2
أتذكر وقتاً شعرت فيه المعلومات الرقمية أنها منعزلة، مقيدة بتنسيقها. النص يعيش في مساحة واحدة، والصور في أخرى، والصوت منفصل تمامًا. الآن، مع تطورات مثل Gemini Embedding 2 من Google، نشهد تقاربًا، فهمًا موحدًا لأنواع البيانات المتنوعة يعد بتحويل طريقة تفاعلنا مع المعلومات.
المصدر: تجمع هذه اللافتة ببراعة بين العناصر المرئية التي تشير إلى قدرات الذكاء الاصطناعي متعددة الوسائط.
يمثل نموذج Gemini Embedding 2 من Google، الذي تم إصداره في معاينة عامة في 10 مارس 2026، أول نموذج تضمين متعدد الوسائط بالكامل للشركة، مصمم لمهام الاسترداد والتحليل المعقدة. يمكنك قراءة المزيد عنه في مدونة Google AI الرسمية. يقوم هذا النموذج بتعيين مدخلات متنوعة بكفاءة - نص، صور، فيديو، صوت، وملفات PDF - في مساحة دلالية واحدة موحدة. هذه القدرة مفيدة بشكل خاص للتطبيقات التي تتطلب بحثًا دلاليًا متعدد الوسائط، واسترداد المستندات، وأنظمة التوصية، كما هو مفصل في مدونة الإعلان.
ملخص سريع
- إمكانيات متعددة الوسائط: يعالج النصوص والصور ومقاطع الفيديو والصوت وملفات PDF في مساحة دلالية موحدة.
- مساحة دلالية موحدة: يقوم بتعيين المدخلات المتنوعة إلى مساحة تضمين واحدة للاسترداد والتحليل الفعال.
- أبعاد المتجه: يقوم بإنشاء متجهات بأبعاد 3072 افتراضيًا، مع خيارات لـ 768 و 1536 و 3072.
- تعلم تمثيل المتتالية الروسية (MRL): يتيح التوسع الديناميكي للمعلومات عبر الأبعاد لأداء وتخزين مرنين.
- دعم اللغة: يلتقط النية الدلالية عبر أكثر من 100 لغة.
- الوصول: متاح عبر Gemini API و Vertex AI، ويتطلب مفتاح API مجاني.
- تكامل بايثون: التكامل بسهولة مع مكتبة google-genai.
- ملاحظة الترحيل: غير متوافق مع gemini-embedding-001؛ يتطلب إعادة تضمين جميع البيانات.
- التطبيقات الرئيسية: يعزز التوليد المعزز بالاسترداد (RAG)، والبحث الدلالي، وتحليل المشاعر، وتجميع البيانات.
قدرات Gemini Embedding 2
يقبل Gemini Embedding 2 مجموعة واسعة من المدخلات متعددة الوسائط، كما هو موضح في مدونة Google AI. يمكنه معالجة ما يصل إلى 8192 رمزًا للمدخلات النصية، وما يصل إلى ست صور لكل طلب بتنسيق PNG و JPEG. مدخلات الفيديو، المدعومة بتنسيق MP4 و MOV، يمكن أن يصل طولها إلى 120 ثانية. يعالج النموذج بيانات الصوت الأصلية دون الحاجة إلى نسخ نصي وسيط، ويمكنه تحليل مستندات PDF يصل طولها إلى ست صفحات مباشرة. علاوة على ذلك، فإنه يفهم المدخلات المتداخلة، مما يسمح بوسائط متعددة، مثل صورة مقترنة بنص، في طلب واحد. إحدى الميزات الهامة هي قدرته على إجراء التعرف البصري على الأحرف (OCR) على مدخلات المستندات. بالنسبة لمدخلات الفيديو، يمكنه استخراج المسارات الصوتية ودمجها مع إطارات الفيديو.
يقوم النموذج بإنشاء متجهات من الأرقام العشرية بأبعاد 3072 افتراضيًا، كما هو مذكور في وثائق Vertex AI. ومع ذلك، يمكن تخصيص أبعاد الإخراج هذه باستخدام المعلمة output_dimensionality، مما يسمح بإنشاء متجهات أصغر لموازنة تكاليف الأداء والتخزين. الأبعاد الموصى بها للإخراج للحصول على جودة مثالية هي 768 و 1536 و 3072. يستخدم Gemini Embedding 2 تعلم تمثيل المتتالية الروسية (MRL)، الذي يوسع المعلومات ديناميكيًا عبر الأبعاد. يدعم MRL نمط استرداد ثنائي المراحل: متجهات أصغر للاختيار المسبق السريع، تليها متجهات كاملة لإعادة الترتيب. الإخراج الافتراضي بأبعاد 3072 تم تطبيعه بالفعل؛ بالنسبة للأبعاد المخفضة مثل 768D أو 1536D، يجب تطبيق تطبيع L2 يدويًا.
المصدر: dreamstime.com
يستخدم Gemini Embedding 2 تعلم تمثيل المتتالية الروسية، مما يسمح بتوسيع المعلومات ديناميكيًا عبر أبعاد المتجهات.
بشكل حاسم، يلتقط النموذج النية الدلالية عبر أكثر من 100 لغة. تعليمات المهمة المخصصة، مثل task:code retrieval أو task:search result، تقوم بتحسين التضمينات بشكل أكبر للعلاقات المحددة، مما يعزز الدقة. تم تحديد تاريخ انتهاء معرفة النموذج على أنه نوفمبر 2025.
الوصول إلى Gemini Embedding 2 والتكامل معه
يمكن للمطورين الوصول إلى Gemini Embedding 2 عبر Gemini API و Vertex AI، كما هو موضح في وثائق Vertex AI لـ Gemini Embedding 2. معرف النموذج لإصدار المعاينة هو gemini-embedding-2-preview. لاستخدام Gemini API، يلزم وجود مفتاح API مجاني، والذي يمكنك الحصول عليه من Google AI Studio. يمكن لمستخدمي بايثون تثبيت مكتبة google-genai باستخدام pip install --upgrade google-genai، كما هو مفصل في وثائق Gemini API embeddings. يمكن تعيين مفتاح API كمتغير بيئة، GEMINI_API_KEY. يوفر Google Gen AI SDK واجهة موحدة لنماذج Gemini 2.5 Pro و Gemini 2.0 عبر كل من Gemini Developer API و Vertex AI، ويمكن العثور على مزيد من المعلومات في Google Gemini Cookbook على GitHub. هذا يسمح بتنفيذ التعليمات البرمجية على أي من المنصتين بأقل تعديل.
pip install --upgrade google-genaiGEMINI_API_KEYعند الترقية من gemini-embedding-001 القديم إلى gemini-embedding-2-preview، لاحظ أن التضمينات موجودة في مساحات متجهات مختلفة وغير متوافقة. وبالتالي، تحتاج جميع البيانات إلى إعادة تضمين، ويجب إعادة معايرة عتبات التشابه بعد الترحيل. بالنسبة للمشاريع الجديدة، يوصى بالبدء مباشرة بـ gemini-embedding-2-preview، ويفضل أن يكون بأبعاد 768.
لتخزين المتجهات، تقدم AlloyDB مع امتداد pgvector خيارًا قابلاً للتطبيق، حيث توفر فهرس ScaNN مع تكميم شجري وتقليل أبعاد تلقائي. يؤثر اختيار task_type (مثل RETRIEVAL_DOCUMENT للفهرسة و RETRIEVAL_QUERY للبحث) بشكل كبير على الجودة. يدعم Gemini Embedding 2 ثمانية أنواع من المهام، بما في ذلك التصنيف والتجميع والتشابه الدلالي.
تطبيقات وأمثلة عملية
يقدم مستودع Google GitHub أمثلة وإرشادات حول استخدام Gemini API، بما في ذلك تعليمات برمجية ببايثون، متاحة في Google Gemini Cookbook. تتوفر أمثلة إضافية خصيصًا لـ Gemini Embedding 2، تغطي تضمين النص، وتضمين الفيديو، والبحث متعدد الوسائط، والبحث الدلالي، على مستودع Gemini Multimodal Embedding Examples GitHub.
المصدر: textstudio.com
يقدم مستودع Google GitHub أمثلة وإرشادات قيمة لتنفيذ Gemini API.
تتضمن هذه الأمثلة برامج نصية مصممة لعرض وظائف محددة:
01_text_embedding.py: تغطي تضمين النص الفردي والدفعي، وأنواع المهام المختلفة، وتطبيع 768D.02_video_embedding.py: يعرض التحميل المضمن، واستخدام Files API، وتضمين الفيديو والنص عبر الوسائط، وتقسيم الفيديو الطويل. يستوعب كل استدعاء تضمين ما يصل إلى 128 ثانية من الفيديو؛ بالنسبة لمقاطع الفيديو الأطول، يتم توفير دالة مساعدة للتقسيم.03_multimodal_embedding.py: يوضح البحث عبر الوسائط، مثل العثور على مقاطع فيديو باستخدام استعلامات نصية.04_search.py: يجري بحثًا دلاليًا على التضمينات المخزنة.05_describe.py: يحلل تضمينات الفيديو مقابل 100 موضوع محدد مسبقًا.
أسئلة متكررة (FAQ)
| سؤال | إجابة |
|---|---|
| ما هو Gemini Embedding 2؟ | إنه أول نموذج تضمين متعدد الوسائط بالكامل من Google، مصمم لمهام الاسترداد والتحليل المعقدة، قادر على معالجة النصوص والصور والفيديو والصوت وملفات PDF في مساحة دلالية موحدة. |
| كيف أبدأ باستخدام Gemini Embedding 2 في بايثون؟ | قم بتثبيت مكتبة google-genai عبر pip، واحصل على مفتاح API مجاني من Google AI Studio، وقم بتعيينه كمتغير بيئة (GEMINI_API_KEY). |
| هل يمكنني استخدام Gemini Embedding 2 للبحث متعدد الوسائط؟ | نعم، إنه يتفوق في البحث الدلالي متعدد الوسائط، مما يسمح لك بالعثور على مقاطع فيديو باستخدام استعلامات نصية، على سبيل المثال، ويدعم المدخلات المتداخلة (مثل الصورة + النص). |
| ما هي أبعاد الإخراج التي يدعمها Gemini Embedding 2؟ | افتراضيًا، يقوم بإنشاء متجهات بأبعاد 3072. يمكنك تخصيص ذلك إلى 768 و 1536 أو 3072 للحصول على جودة مثالية، وموازنة الأداء والتخزين. |
| هل Gemini Embedding 2 متوافق مع نماذج التضمين القديمة؟ | لا، التضمينات من gemini-embedding-001 غير متوافقة. يجب إعادة تضمين جميع البيانات، وإعادة معايرة عتبات التشابه عند الترحيل إلى Gemini Embedding 2. |
خاتمة
يمثل Gemini Embedding 2 خطوة مهمة نحو تفاعل بيانات أكثر سهولة وفهمًا للسياق. من خلال تحويل أنواع البيانات المتنوعة إلى تمثيل دلالي موحد، فإنه يبسط خطوط الأنابيب المعقدة، ويعزز القدرات في مجالات مثل التوليد المعزز بالاسترداد (RAG)، والبحث الدلالي، وتحليل المشاعر، وتجميع البيانات. يوفر فهمه متعدد الوسائط وخيارات أبعاده المرنة للمطورين أدوات قوية لبناء تطبيقات ذكاء اصطناعي متطورة، مما يدفع حدود ما يمكن لنماذج الذكاء الاصطناعي المتكاملة تحقيقه.