# Googleのオープンな埋め込みモデル「EmbeddingGemma 2」、技術報告書を公開　文字・画像・音声・動画を1つの“意味の地図”に

- 公開日: 2026年11月18日 21:28（2026-11-18T21:28+09:00）
- カテゴリ: ローカルLLM（https://kentechtimes.com/category/local-llm/）
- タグ: EmbeddingGemma 2、Gemma、Google、オープンモデル
- 記事URL（HTML版）: https://kentechtimes.com/articles/2026-11-18-embeddinggemma-2-multimodal-technical-report/
- サイト: KEN TECH TIMES（https://kentechtimes.com/）

## 要点

Googleは11月17日、オープンモデル「EmbeddingGemma 2」の技術報告書を公開した。文字だけを扱っていた前の版から、画像・音声・動画とその組み合わせまで1つの“意味の空間”に変換できるようになり、モデル本体もよりコンパクトにしたという。

---

Googleは2026年11月17日、公式ブログ「The Keyword」で、オープンな埋め込みモデル「EmbeddingGemma 2」の技術報告書（開発の詳しい中身をまとめた文書）を公開したと発表した。EmbeddingGemma 2は、Googleのオープンモデル「Gemma」シリーズのうち、文章や画像の“意味”を数値に置き換える役目に特化したモデルで、誰でもダウンロードして自分のパソコンやサーバーで動かせる。

## 文字だけから、画像・音声・動画へ

前の版のEmbeddingGemmaは文字（テキスト）だけを扱うモデルだった。発表によると、EmbeddingGemma 2はこれを広げ、文字・画像・音声・動画、さらにそれらを組み合わせたものを、生まれつき（後付けの部品なしで）理解できるようになった。どの種類のデータも1つの共通の「埋め込み空間」に置かれるため、たとえば「海辺で犬が走る」という文章と、その様子を写した写真や動画が、同じ場所の近くに並ぶことになる。あわせて、モデルの骨組み（バックボーン）をよりコンパクトにまとめたとしている。

技術報告書では、学習の進め方、評価の方法、実験の結果を詳しく説明している。作り方には、最新のオープンモデル「Gemma 4」と、Googleの埋め込みモデル「Gemini Embedding 2」の技術を土台にした工夫が盛り込まれ、表現力が高く統一された“ベクトル空間”を学べるようにしたという。Googleは仕組みと開発の経緯を5分で解説する動画も用意した。

## 埋め込みモデルは何に使うのか

埋め込みモデルは、チャットAIのように文章を書くAIではなく、「意味が近いもの同士を見つける」ための道具だ。社内の資料からAIに答えを探させる仕組み（RAG）や、写真の中から言葉で探す検索、似た商品のおすすめなどの裏側で使われている。画像や音声、動画まで1つのモデルでまとめて扱えると、たとえば「会議の録音」と「スライドの画像」と「議事録の文章」を横断して探す、といった使い方がしやすくなる。オープンモデルなので、データを外部のサービスに送らずに手元で処理したい用途にも向く。

当サイトでは、オープンなAIモデルをめぐる動きとして[Hugging FaceとOpenRouterのオープンウェイトモデルに関する話題](https://kentechtimes.com/articles/2026-11-17-hugging-face-openrouter-open-weights/)も伝えている。

## ロボとペラの用語解説

- **埋め込み（エンベディング）**: 文章や画像の「意味」を数字の並びに置き換えることだよ。意味が近いものほど数字も近くなるから、似たものを探すのが得意になるんだ。
- **オープンモデル**: 中身のデータが公開されていて、誰でもダウンロードして自分のパソコンなどで動かせるAIのことだよ。
- **RAG**: AIが答える前に、資料の中から関係のある部分を探してきて、それを参考に答える仕組みだよ。埋め込みモデルが探す役を担当するんだ。
- **マルチモーダル**: 文字だけでなく、画像や音声、動画など、いろいろな種類のデータをまとめて扱えることだよ。

## よくある質問

### Q. EmbeddingGemma 2は何ができるのですか？

A. 文字・画像・音声・動画やそれらの組み合わせを、1つの共通の“意味の空間”に変換できます。似た意味のデータを探す検索やRAGなどに使われます。

### Q. ChatGPTのように会話できるのですか？

A. いいえ。埋め込みモデルは文章を書くAIではなく、意味が近いもの同士を見つけるための道具です。

### Q. 前の版と何が違うのですか？

A. 前の版は文字だけを扱うモデルでしたが、EmbeddingGemma 2は画像・音声・動画にも対応し、モデル本体もよりコンパクトになったとGoogleは説明しています。

### Q. 今回公開されたのは何ですか？

A. 学習方法、評価の方法、実験結果をまとめた技術報告書と、仕組みを解説する約5分の動画です。

（答えはこの記事の本文と出典の範囲で書いています。）

## 出典

- [Google（公式ブログ The Keyword）](https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2-technical-report/)（2026年11月17日）
- 元記事（KEN TECH TIMESのHTML版）: https://kentechtimes.com/articles/2026-11-18-embeddinggemma-2-multimodal-technical-report/

本記事は上記出典の報道内容をもとに、事実関係を日本語で再構成したものです。
