یک مدل رایگان برای همه‌چیز: متن، عکس، صدا و ویدیو | Embedding Gemma 2

فرض کن ۲۰۰ ساعت ویدیو داری و دنبال یه لحظه‌ی خاصی، مثلاً اون صحنه‌ای که یکی لپ‌تاپش رو باز می‌کنه. دیگه لازم نیست کل ویدیو رو ببینی! 🎯 توی این ویدیو با Embedding Gemma 2، مدل جدید گوگل، آشنا می‌شیم. مدلی که متن، عکس، صدا و ویدیو رو می‌ذاره توی یک فضای مشترک، و می‌تونی با یه جمله، یه وویس یا یه عکس بین همه‌شون بگردی. بدون اینترنت، روی لپ‌تاپ خودت. 📦 توی این ویدیو یاد می‌گیری: ✅ امبدینگ دقیقاً چیه و چرا شباهت کسینوسی کار می‌کنه ✅ مدل چطور متن، عکس، صدا و ویدیو رو توکن می‌کنه (پنجره‌ی ۸۱۹۲ توکنی) ✅ معماری مدل و این‌که کدوم نسخه (۲۷۰، ۴۴۰، ۵۷۰ یا ۷۴۰ میلیون پارامتر) به دردت می‌خوره ✅ اجرای لوکال و آفلاین: Ollama روی مک، و GGUF از Hugging Face روی ویندوز ✅ کد رسمی sentence-transformers، پیشوندهای SearchQuery و Document ✅ ماتریوشکا و کوچک کردن بردار (از ۷۶۸ به ۵۱۲، ۲۵۶ و ۱۲۸) و جدول‌های رسمی بنچمارک ✅ جست‌وجوی عکس، صدا، ویدیو و PDF بدون تبدیل به متن ✅ ساخت یه سیستم RAG چندرسانه‌ای 📥 دانلود پروژه: https://t.me/tarfandoonchannel 🔗 لینک‌ها: Hugging Face: https://huggingface.co/tarfandoon GitHub: https://github.com/alipyth وب‌سایت: https://jahaniwww.com LinkedIn: https://www.linkedin.com/in/ajahani/ کانال تلگرام: https://t.me/tarfandoonchannel #embeddinggemma2