用一句話找照片、定位影片：EmbeddingGemma 2 與 AI Edge Gallery 入門

記得拍過「海邊夕陽」，卻想不起是哪一天；影片存了好幾段，只想找出狗接住飛盤的那一刻。這類問題不一定要把整個資料夾送到雲端：Google 的 EmbeddingGemma 2 可以把不同類型的素材轉成可比較的表示，再依內容找出相近結果。

先開 AI Edge Gallery 官方下載入口、台灣 App Store，或 Google Play。只想先看效果，可從 Google 官方畫圖展示與開發指南開始。

模型公告日期是 2026 年 10 月 6 日。本文於台灣時間 10 月 9 日重新查核入口與文件，整理成實用導讀，並非宣稱今天才發布。下方使用官方素材；本站沒有安裝手機 App、執行模型或測試私人相簿。

看官方示範：畫的是蘋果，為什麼先排出橘子？

Google 開發指南附了一段畫圖挑戰。目標選的是 Apple，但畫到約第 15 秒時，右邊仍把 Orange 排在前面；繼續補上圖形後，約第 21 秒才改由 Apple 居首。

Google 官方畫圖錄影第 15 秒，Orange 的相似度排名高於目標 Apple

來源：Google Developers 官方錄影第 15 秒擷取，未修改畫面。這是官方展示的開發環境，非本站操作截圖；畫面上方的開發帳號與 private 標記不代表讀者的試用入口。

Google 官方畫圖錄影第 21 秒，Apple 排到第一名並顯示挑戰通過

同一段官方錄影第 21 秒擷取。原始展示；百分比是這個示範的相似度顯示，不能當成模型辨識所有圖片的正確率。

這個例子提醒我們：排第一的是目前候選裡最相近的內容，仍需要人核對。想自己畫，可以打開 Google 官方 Embedding Draw Challenge。這是線上 Space，與手機上的離線運算不同；建議只畫簡單物件，不放私人素材。本文只確認公開入口，沒有完成互動推論。

真正拿來找素材：Gallery 的兩個功能

Google 官方程式庫與商店說明已列出：

Instant Media Search：用自然語言或一張圖片，搜尋相簿裡內容相近的照片；也能先用內建範例素材
Video Moment Finder：描述想找的畫面，在影片時間軸找到候選位置，再回看、修剪或匯出片段

它們適合幫你縮小範圍，並不會替你證明某段影片真的包含完整事件。尤其是找動作時，回看前後幾秒，比只看縮圖更可靠。

第一次練習：先用範例，不急著匯入整個相簿

以下是本站設計的練習方式，並非已實測的按鈕逐步教學；版本不同，入口名稱也可能調整。

從官方入口安裝相容版本，依 App 提示完成必要模型下載，再找 Instant Media Search 的範例素材
先挑一張你看得懂的圖，寫一句簡短描述。例如素材確實有貓，才試「貓」，接著加入動作或位置，不要讓提示詞憑空增加不存在的東西
比較「主體」與「主體＋動作」兩種查詢：目標是否前移？有沒有把外形相似但內容不同的圖排到前面？把兩次結果記下來
換成自己有權使用、熟悉內容的短片，先記住某個動作的時間，再用 Video Moment Finder 搜尋。找到候選後回看前後內容，記錄偏早、偏晚或找不到

想確認離線體驗，可在模型和範例都備妥後再做一次離線查詢。這是讀者可自行執行的檢查，不代表本站已替所有裝置驗證離線功能。

台灣下載、費用與相容性

本次查核的台灣 App Store 有上架頁，標示免費、需要 iOS 17.0 以上，語言列表含繁體中文。這只能確認商店資訊，不能保證每台 iPhone 的速度、模型相容性或繁中搜尋品質。Google 官方 README 另列 Android 12 以上；Android 是否可安裝仍以自己的商店帳號與裝置為準。

官方總入口也有 macOS 下載。請區分專用 Mac 版本與 App Store 的 iPhone App 相容性欄位，本文不把其中一個平台的效果或門檻套給另一個。

免費下載不代表沒有其他成本：模型檔案要占空間，首次下載需要網路，推論也會消耗電力與記憶體。商店顯示的 App 大小不是所有模型加總大小，更不是執行時 RAM 需求。這篇也沒有把 Gallery 當成一項按 token 計價的代管 API。

為什麼文字能找圖片？

Google 官方架構圖，文字、程式碼、影像、影片與音訊進入共用向量空間

來源：Google Developers 官方架構圖，原圖未改動。這是概念說明，不是本站搜尋結果。

Google 發布公告說明，模型讓文字、影像、聲音與影片在同一套表示中比較。對一般讀者，重點是不用只靠檔名找素材；對開發者，則能把不同類型的資料接進同一個檢索流程。模型權重採 Apache 2.0 授權，但這不等於你匯入的照片、影片也自動取得再利用授權。

開始前的兩個界線

裝置端推論，不等於 App 完全不傳資料。 台灣 App Store 的開發者隱私揭露仍列出識別碼、診斷、使用狀況等可能收集項目。模型在哪裡運算、App 的遙測與權限，是不同問題；讀者應按自己的資料敏感程度決定匯入範圍。

模型輸入上限，不等於相簿總張數上限。 官方模型卡的 8,192 token 是一次輸入共用容量；預設下僅放單一媒體、不含文字時，約可容納 29 張圖片、58 個影片影格或 327 秒音訊。三個數字不能相加，也不能拿來推定 Gallery 整個資料庫只能存這麼多素材。

如果你只是想找照片，從範例查詢開始即可。先知道它在哪些描述下容易找對、哪些情況會混淆，再考慮導入自己的素材庫，比一開始就把所有檔案交給模型更容易判斷值不值得用。