Google、「Gemini Embedding 2」を一般提供開始　テキストや動画など横断検索

テキスト、画像、動画、音声をまたいだ検索システムを組む際、これまではデータ形式ごとに別々のモデルを用意し、複雑なパイプラインで繋ぎ合わせる必要がありました。

Google は 4 月 22 日、ネイティブマルチモーダル対応の埋め込みモデル「Gemini Embedding 2」の一般提供（GA）を開始したと発表しました。Gemini API、Vertex AI、および Gemini Enterprise Agent Platform 経由で利用可能です。

あらゆるメディアを単一のベクトル空間へ

Gemini Embedding 2 は、テキスト、画像、動画、音声をネイティブにサポートしており、単一の埋め込み空間内でメディアを越えた検索や推論を実行できます。

プレビュー期間中には、高度な EC 検索エンジンや効率的な動画解析ツールのプロトタイプが開発されました。今回の一般提供により本番環境向けの安定性と最適化が施され、Google 社内の複数プロダクトを支えてきた基幹技術が広く開放された形です。

なぜ重要か

メディア管理ツールや EC 検索、あるいはマルチモーダル対応の RAG（検索拡張生成）を開発するエンジニアにとって、パイプラインの保守コストを一気に下げられるメリットがあります。テキストで動画内の特定のシーンや音声を直接引き当てることが、1 つのモデルで完結します。

派手な生成機能の競い合いが続く中で、実用的な「検索と取得」の基盤をプロダクション品質で整えてきた Google の動きは堅実です。社内実績のあるコアインフラを API として提供することで、開発者を自社クラウド基盤に引き留める効果も大きいと見られます。