Gemini Embedding 2

用同一个索引连接不同内容

Gemini Embedding 2 可为文字、图片、音频、视频和 PDF 生成数值向量，使系统能够跨内容形式比较含义。你可以用文字寻找匹配的图片或视频片段，也可以把图文资料整理进统一的检索系统，用于素材库、商品推荐、知识库与内容聚类。

它返回向量，搜索结果与问答仍由你的应用组织。建立索引时，应同时保存原始文件、片段范围和业务信息，检索命中后才能返回对应素材或让文本模型继续回答。视频分析不处理其中的音轨，若要检索对白或声音，需要另外提供音频内容。

多项输入的组织方式会改变输出：直接组合多个内容部分会生成一个聚合向量，适合表示一份图文资料；需要每项独立向量时，应分别包装成 Content 对象。这样可以避免多张独立素材意外混成同一条索引记录。

输入总预算为 8,192 Token，输出维度可选 128 至 3,072，常用 768、1,536 和 3,072；较小维度的结果会自动归一化。文本检索通过输入中的任务说明区分查询与文档，不使用 embedding-001 的 task_type 参数。升级时，旧模型向量与新模型不兼容，需要重新生成索引。

素材库常问

图片和文字能直接比较吗？ 可以在同一模型生成的向量空间中比较，仍需用真实查询评估检索质量。

长视频或文档怎样处理？ 按片段或页组拆分，保存时间与页码，并分别生成向量，便于准确返回命中位置。

先决定一条索引代表什么

一件商品的图片与说明可聚合表示；不同商品或独立文件应分别生成向量。

文本检索输入示例：

查询：task: search result | query: 可折叠的轻便露营椅
文档：title: 铝合金折叠椅 | text: 适合户外露营，折叠后便于携带，带织物靠背。

不要提交 task_type。媒体文件按支持的格式与长度拆分，保留文件 ID、页码或时间范围。查询与索引使用同一模型和维度；迁移旧索引时重新生成全部向量，并用跨模态代表样本检查召回。