Recuerdas una escena de un video, pero no el nombre del archivo ni lo que dijo nadie. Una búsqueda en la transcripción tiene muy poco con lo que trabajar.
El lanzamiento de EmbeddingGemma 2 por parte de Google el 6 de octubre ofrece a los desarrolladores otra opción: comparar una descripción con las imágenes y los sonidos. El modelo convierte texto, imágenes, audio y video en representaciones numéricas comparables, de modo que se pueda usar una solicitud hablada para buscar un clip de video. La consulta y la grabación no tienen que estar en el mismo formato.
Google muestra un ejemplo concreto en su aplicación AI Edge Gallery: Video Moments Finder, que localiza momentos mediante consultas de texto o audio. Otro ejemplo de búsqueda en medios acepta una imagen como consulta. Puedes empezar con algo parecido a lo que recuerdas, en lugar de tener que encontrar primero las palabras adecuadas.
El modelo está diseñado para funcionar en teléfonos y computadoras portátiles. Google afirma que los desarrolladores pueden crear esta búsqueda completamente sin conexión y mantener el procesamiento de los medios en el dispositivo. Así, una colección privada de grabaciones puede convertirse en una biblioteca de búsqueda sin tener que subirla primero a un servicio en la nube.
Estas búsquedas se basan en similitudes, por lo que aun así tendrás que ver los resultados. Pero ahora puedes empezar la búsqueda con lo que recuerdas: una escena, un sonido u otra imagen, en lugar del nombre de un archivo.
Fuentes:
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2
Imagen: ilustración editorial generada por IA de una colección personal de medios; no es una fotografía de un producto de Google ni una captura de pantalla de una aplicación.
El lanzamiento de EmbeddingGemma 2 por parte de Google el 6 de octubre ofrece a los desarrolladores otra opción: comparar una descripción con las imágenes y los sonidos. El modelo convierte texto, imágenes, audio y video en representaciones numéricas comparables, de modo que se pueda usar una solicitud hablada para buscar un clip de video. La consulta y la grabación no tienen que estar en el mismo formato.
Google muestra un ejemplo concreto en su aplicación AI Edge Gallery: Video Moments Finder, que localiza momentos mediante consultas de texto o audio. Otro ejemplo de búsqueda en medios acepta una imagen como consulta. Puedes empezar con algo parecido a lo que recuerdas, en lugar de tener que encontrar primero las palabras adecuadas.
El modelo está diseñado para funcionar en teléfonos y computadoras portátiles. Google afirma que los desarrolladores pueden crear esta búsqueda completamente sin conexión y mantener el procesamiento de los medios en el dispositivo. Así, una colección privada de grabaciones puede convertirse en una biblioteca de búsqueda sin tener que subirla primero a un servicio en la nube.
Estas búsquedas se basan en similitudes, por lo que aun así tendrás que ver los resultados. Pero ahora puedes empezar la búsqueda con lo que recuerdas: una escena, un sonido u otra imagen, en lugar del nombre de un archivo.
Fuentes:
https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/
https://ai.google.dev/gemma/docs/embeddinggemma/model_card_2
Imagen: ilustración editorial generada por IA de una colección personal de medios; no es una fotografía de un producto de Google ni una captura de pantalla de una aplicación.