Il 6 ottobre Google ha pubblicato EmbeddingGemma 2 con pesi aperti sotto Apache 2.0. Il modello rappresenta contenuti diversi in uno spazio numerico comune per cercare somiglianze. La versione completa ha 740 milioni di parametri; i componenti audio e visivi possono essere esclusi quando non servono. Produce rappresentazioni, non risposte pronte.

Immaginiamo un tecnico del suono che ricorda un rumore, ma non il nome del file. Oppure un archivio familiare dove un breve momento si nasconde fra centinaia di riprese. Se la ricerca funzionasse sui nostri dati, una domanda potrebbe restituire pochi risultati concreti. La risposta sarebbe materiale riproducibile, non una scena inventata.

L'elaborazione locale è importante, ma non garantisce da sola la riservatezza dell'intera applicazione. Contano anche sincronizzazione, registri, backup e servizi circostanti. Un file simile non è necessariamente quello giusto. Nell'archivio professionale o personale l'utente dovrebbe vedere la fonte e decidere se il risultato corrisponde davvero.

Prima dell'uso proveremmo domande in ceco, parlato a basso volume e scene facilmente confondibili. La scheda segnala differenze fra lingue e perdita di qualità con rappresentazioni molto accorciate. Occorre misurare omissioni e falsi risultati, oltre a velocità, consumo energetico e tempo della prima indicizzazione.

La nostra stima editoriale ottimistica è di 2–4 settimane per un piccolo prototipo locale con archivio limitato, dispositivo adeguato e gruppo esperto. Non è una promessa di Google. Un'applicazione affidabile su telefoni diversi e registrazioni lunghe richiede ulteriori verifiche; il modello non sostituisce un sistema completo di archivio.