Google AI Edge Gallery

AI Edge Galleryは、世界で最もパワフルなオープンソースの大規模言語モデル（LLM）をモバイルデバイス上で実行できる最高のプラットフォームです。高性能な生成型AIを、完全オフライン、プライベート、そして超高速で、お使いのハードウェア上で直接体験できます。

新機能：EmbeddingGemma 2

今回のアップデートでは、新しくリリースされたEmbeddingGemma 2モデルを正式にサポートしました。このリリースにより、最先端のマルチモーダルセマンティック検索を、デバイス上で100%実行できるようになりました。新機能「インスタントメディア検索」と「ビデオモーメントファインダー」で、これらの新機能をぜひお試しください。

主要機能

- エージェントスキル：LLMを単なる会話型アシスタントから、より能動的なアシスタントへと進化させましょう。エージェントスキルタイルを使用して、Wikipediaなどのツールでモデルの機能を拡張し、事実に基づいた情報を提供したり、インタラクティブマップや豊富なビジュアルサマリーカードを追加したりできます。URLからモジュール式のスキルを読み込んだり、GitHub Discussionsでコミュニティの貢献を閲覧することも可能です。

- 思考モード搭載AIチャット：スムーズで複数ターンにわたる会話を楽しめます。新機能「思考モード」をオンにすれば、AIの思考プロセスを詳細に確認できます。この機能を使えば、AIモデルの段階的な推論プロセスを確認できるため、複雑な問題解決を理解するのに最適です。注：思考モードは現在、Gemma 4シリーズ以降の対応モデルでご利用いただけます。

- インスタントメディア検索：写真ライブラリ（または内蔵サンプルメディア）を、入力と同時に検索できる自然言語クエリと画像間の類似性マッチング機能で、クラウドへの往復通信なしで簡単に検索できます。

- ビデオモーメントファインダー：自然言語による説明で、ビデオ内の特定の瞬間を特定できます。インタラクティブなタイムライン上のハイライトされたタイムスタンプに直接ジャンプしたり、クリップをトリミングしたり、お気に入りの瞬間を保存またはエクスポートしたりできます。

- 画像検索：デバイスのカメラやフォトギャラリーを使って、マルチモーダルな機能を活用し、オブジェクトの識別、視覚パズルの解決、詳細な説明の取得などが可能です。

- オーディオスクライブ：高効率なオンデバイス言語モデルを使用して、音声録音をリアルタイムでテキストに変換します。

- プロンプトラボ：温度やトップkなどのモデルパラメータを細かく制御しながら、さまざまなプロンプトや単一ターンのユースケースをテストできる専用ワークスペースです。

- モバイルアクション：FunctionGemma 270Mの微調整によって完全に駆動される、オフラインデバイス制御と自動化タスクを有効にします。

- タイニーガーデン：FunctionGemma 270Mの微調整を使用して、自然言語で仮想ガーデンを植えて収穫する、楽しく実験的なミニゲームです。

- モデル管理とベンチマーク：ギャラリーは、さまざまなオープンソースモデルに対応した柔軟なサンドボックスです。リストからモデルを簡単にダウンロードしたり、独自のカスタムモデルをロードしたりできます。モデルライブラリを簡単に管理し、ベンチマークテストを実行して、各モデルが特定のハードウェアでどのように動作するかを正確に把握できます。

- 100%オンデバイスプライバシー：すべてのモデル推論は、デバイスのハードウェア上で直接実行されます。インターネット接続は不要なので、プロンプト、画像、機密データなどのプライバシーが完全に保護されます。

コミュニティのために開発されました

AI Edge Galleryは、開発者コミュニティとAI愛好家の皆様のために設計されたオープンソースプロジェクトです。サンプル機能をご覧いただき、ご自身のスキルを活かして貢献し、デバイス上のエージェントエコシステムの未来を共に築きましょう。

GitHubでソースコードをご覧ください：
https://github.com/google-ai-edge/gallery

注：このアプリは現在開発中です。パフォーマンスはデバイスのハードウェア（CPU/GPU）に依存します。サポートやフィードバックについては、google-ai-edge-gallery-android-feedback@google.comまでお問い合わせください。