Пакет обновлений Google Gemini: детектор SynthID, офлайн-поиск и визуальное сопровождение Live

Экосистема Google Gemini переживает масштабную технологическую синхронизацию. Лаборатория Google DeepMind и продуктовые команды представили пакет обновлений, ориентированный на две ключевые проблемы индустрии: доказательную маркировку сгенерированного контента и возможность запуска мультимодального поиска на мобильных устройствах без отправки приватных данных в облако.

Мы уже следили за развитием семейства в материале Обновление экосистемы Google Gemini, а сегодняшний релиз объединяет публичные инструменты верификации, открытые локальные веса и новые сценарии потокового взаимодействия.

Технологический триптих: SynthID, EmbeddingGemma и Guided Vision

В центре релиза находятся три технологических направления:

1. Публичный детектор SynthID: технология цифровых водяных знаков DeepMind вышла из закрытого бета-теста. Невидимая для человеческого глаза метка статистически встраивается в пиксельную матрицу изображений или частотный спектр аудио. Она устойчива к сжатию, кадрированию и наложению фильтров. Для издателей и разработчиков открыт API, позволяющий автоматически проверять контент на соответствие требованиям регуляторов (например, европейского закона EU AI Act).
2. Локальный мультимодальный поиск с EmbeddingGemma 2: компактная модель на 740 миллионов параметров под свободной лицензией Apache 2.0. Сеть проецирует текст, код, фото и аудиозаписи в единое 768-мерное пространство, требуя всего от 190 до 560 МБ оперативной памяти смартфона. Поддержка матрешечных представлений (MRL) позволяет усекать векторы до 128 или 256 измерений без потери качества ранжирования.
3. Режим Guided Vision в Gemini Live: потоковая обработка видеопотока с камеры смартфона в реальном времени с низкой задержкой, позволяющая ассистенту голосом направлять действия пользователя при сборке техники или приготовлении блюд.

Проверка подлинности и локальный векторный поиск

Посмотрим, как устроен вызов детектора SynthID через официальный SDK для верификации подозрительного медиафайла:

import google.genai as genai
from PIL import Image

# Инициализация клиента верификации контента
client = genai.Client()

def verify_media_watermark(image_path: str):
    image = Image.open(image_path)
    result = client.models.detect_watermark(
        model="synthid-detector-v2",
        media=image
    )
    
    print(f"Статус проверки: {result.status}")
    print(f"Вероятность генерации AI: {result.confidence_score:.2%}")
    print(f"Устойчивость метки к искажениям: {result.integrity_rating}")

verify_media_watermark("suspicious_photo.jpg")

Второй ключевой компонент — развертывание модели EmbeddingGemma 2 для офлайн-поиска по локальной галерее смартфона с обрезкой размерности векторов:

import torch
import torch.nn.functional as F
from transformers import AutoProcessor, AutoModel

model_id = "google/embeddinggemma-2"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id, torch_dtype=torch.float16).to("cuda")

# Мультимодальный вход: текстовый запрос и локальная фотография
inputs = processor(
    text=["Найди квитанцию об оплате за сентябрь"],
    images=[Image.open("receipt.jpg")],
    return_tensors="pt"
).to("cuda")

with torch.no_grad():
    outputs = model(**inputs)
    # Полный 768-мерный вектор
    full_embeds = F.normalize(outputs.last_hidden_state[:, 0, :], p=2, dim=-1)
    
    # Матрешечное усечение до 256d для компактного хранения в SQLite
    compact_embeds = F.normalize(full_embeds[:, :256], p=2, dim=-1)
    
similarity = torch.cosine_similarity(compact_embeds[0:1], compact_embeds[1:2])
print(f"Оценка соответствия: {similarity.item():.4f}")

Нюансы внедрения и вердикт

У каждого инструмента есть специфика: детектор SynthID с высокой точностью распознает контент, созданный экосистемой Google и технологическими партнерами, но не предназначен для выявления артов неизвестных самодельных моделей без водяного знака. А режим Guided Vision при непрерывной видеосвязи создает повышенную нагрузку на батарею смартфона.

Тем не менее, комбинация открытых моделей вроде EmbeddingGemma 2 со строгими инструментами верификации DeepMind задает правильный вектор: искусственный интеллект становится одновременно более локальным, приватным и прозрачным для общества.