EmbeddingGemma 2 장면 검색, DigUp 앱 설치와 테스트 결과

EmbeddingGemma 2는 구글이 2026년 10월 6일 공개한 멀티모달 임베딩 모델입니다. 이 모델로 만든 오픈소스 앱 DigUp을 쓰면 검색어 대신 설명만으로 동영상의 장면, 녹음의 대목, 사진, 코드를 내 PC 안에서 찾을 수 있습니다. 모델의 기본 정보, 앱 설치 방법, 실제 맥북에서 해 본 테스트 결과를 정리했습니다.

EmbeddingGemma 2, 무엇이 달라졌나

먼저 짚어 둘 점이 있습니다. 구글이 공개한 것은 검색의 바탕이 되는 임베딩 모델이고, 동영상에서 장면을 찾아 주는 프로그램은 한 개발자가 이 모델로 만든 앱(DigUp)입니다.

임베딩 모델이란

임베딩 모델은 글의 의미를 숫자 묶음(벡터)으로 바꿔 주는 모델입니다. 의미가 가까운 글은 가까운 숫자로 바뀌기 때문에, 단어가 달라도, 심지어 자연어 문장으로 물어도 원하는 자료를 찾아 줍니다. 키워드를 정확히 맞히지 않아도 의미로 찾는다는 뜻입니다. RAG(AI가 답하기 전에 관련 문서를 먼저 찾아 읽게 하는 방식)에서 "찾는" 단계를 맡는 것이 바로 이 임베딩 모델입니다.

EmbeddingGemma 2의 기본 정보

• 멀티모달: 이전 EmbeddingGemma(2025년)는 글만 이해했지만, 2는 글과 코드에 더해 사진, 동영상, 소리까지 같은 공간의 벡터로 바꿉니다. 그래서 글로 물어 사진이나 녹음을 찾을 수 있습니다.
• 크기: 전체 7억 4천만(740M) 파라미터입니다. 글만 쓸 때는 2억 7천만(270M) 파라미터면 되고, 사진(170M)과 소리(300M) 처리 부분은 필요할 때만 붙입니다. 작아서 노트북이나 휴대폰 같은 기기 안에서 돌리는 용도로 만들어졌습니다.
• 성능: 구글 발표로는 코드 검색 벤치마크(MTEB Code) 점수가 68.76에서 78.68로 9.92점(약 14%) 올랐습니다.
• 입력 길이와 벡터 크기: 한 번에 약 8천 토큰까지 읽고, 기본 768차원 벡터를 512·256·128차원으로 줄여 저장 공간을 아낄 수 있습니다.
• 라이선스: Apache 2.0으로 공개돼 상업적으로도 쓸 수 있습니다. 모델 파일을 받아 누구나 자기 PC에서 무료로 돌릴 수 있습니다.

DigUp: EmbeddingGemma 2로 내 PC 자료 찾는 앱

DigUp은 EmbeddingGemma 2로 내 PC 속 파일을 내용으로 검색하는 무료 오픈소스 앱(MIT 라이선스)입니다. 검색어 대신 설명만 써도 이런 것을 찾아 줍니다.

• 동영상 파일의 특정 장면(그 시점으로 바로 열림)
• 녹음 파일 속 해당 대목
• 사진과 스크린숏
• 계약서 같은 PDF 속 조항(해당 쪽으로 바로 열림)
• 코드(설정에서 켠 폴더만)

색인은 내가 고른 폴더만 하고, 파일을 바꾸거나 옮기거나 올리지 않습니다. 인터넷은 모델을 처음 한 번 받을 때와 하루 한 번 업데이트를 확인할 때만 씁니다. 업데이트 확인은 끌 수 있습니다.

DigUp 설치하기

1. 사양을 확인합니다. 맥은 애플 실리콘 맥, macOS 14 이상이 필요합니다. 윈도우(64비트 10·11)와 리눅스판은 베타입니다.
2. GitHub의 DigUp 페이지(github.com/…)에서 Releases로 들어가 DMG 파일을 받습니다.
3. DMG를 열고 DigUp을 응용 프로그램(Applications) 폴더로 끌어다 놓습니다. Homebrew를 쓴다면 터미널에서 아래 한 줄로도 설치됩니다.

brew install --cask arahim3/tap/digup

4. DigUp을 엽니다. 처음 한 번 모델(약 865MB)을 내려받는 동안 검색할 폴더를 고릅니다.
   • 확인: 고른 폴더의 색인(검색용으로 파일 내용을 미리 읽어 두는 작업)이 시작됩니다.
5. 아무 앱에서나 단축키 ⇧⌘Space(Shift+Command+Space)를 누르고 찾을 내용을 문장으로 씁니다.
   • 확인: 맞는 파일이 뜨고, 동영상·녹음은 해당 시점에서, PDF는 해당 쪽에서 열립니다.

개발자라면: 모델을 직접 불러 쓰기

EmbeddingGemma 2는 Hugging Face에 google/embeddinggemma-2로 올라와 있고, sentence-transformers 라이브러리로 불러 쓸 수 있습니다.

pip install -U sentence-transformers transformers

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("google/embeddinggemma-2")
q = model.encode(["바다에서 헤엄치는 펭귄"], prompt_name="SearchQuery", normalize_embeddings=True)
d = model.encode(["펭귄이 물속을 빠르게 헤엄친다."], prompt_name="Document", normalize_embeddings=True)
print(q @ d.T)

모델 카드는 정밀도로 bfloat16이나 float32를 쓰고 float16은 쓰지 말라고 안내합니다. 값이 깨질 수 있기 때문입니다.

맥북에서 해 본 DigUp 테스트 결과

아래는 M2 Max 맥북 한 대에서 DigUp으로 직접 해 본 테스트입니다. 테스트마다 시도 횟수가 다릅니다.

펭귄 동영상에서 장면 찾기

• 검색: "바다에서 헤엄치는 펭귄"
• 결과: 영어("penguin swimming in the sea")와 한국어 모두 1초도 안 돼 관련 장면을 찾았습니다.

동영상 13개를 이은 4분 가까운 동영상

• 검색: "얼음 위로 뛰어오르는 펭귄"처럼 한국어 자연어로
• 결과: 21번 중 18번 정확한 장면을 찾았습니다.

녹음 파일 11개

• 검색: 녹음 내용으로 물어보기
• 결과: 10번 모두 맞는 파일을 찾았습니다.

사진

• 검색: "해바라기 사진"처럼
• 결과: 22번 모두 맞혔습니다.

코드

• 검색: "무음을 줄이는 코드"처럼 한국어 자연어로만
• 결과: 코드 파일 30개를 대상으로 18번 중 15번은 한 번에 찾았습니다.

한국어 RAG 비교: bge-m3와 맞대결

• 자료: Allganize의 한국어 RAG 평가 데이터셋(PDF 64개, 질문 300개)
• 비교 대상: 많이 쓰는 다국어 임베딩 모델 bge-m3
• 결과: 검색 결과 상위 다섯 개 안에 정답 페이지가 들어온 비율이 77% 대 76%로 거의 같았습니다.
• 해석: 글 검색끼리 비교한 결과입니다. bge-m3는 글만 검색할 수 있으니, 글 성능이 비슷하면서 사진·동영상·소리까지 찾는 EmbeddingGemma 2 쪽이 쓰임새가 넓습니다.

색인 속도

• 6분 분량 동영상을 색인하는 데 20초 안팎이 걸렸습니다.
• 인터넷을 끊어도 검색이 그대로 동작했습니다.

테스트 숫자를 읽는 법

모두 한 대의 맥북에서 한 테스트입니다. 장면·녹음·사진·코드 테스트는 각각 10~22번 정도 시도한 것이라 표본이 크지 않습니다. 다른 모델과 맞대결한 것은 글 검색(bge-m3) 하나뿐이고, 결과는 77% 대 76%입니다.

EmbeddingGemma 2로 RAG를 만들면 사진, 동영상, 소리까지 무료로 내 PC 안에서 찾을 수 있습니다. 글만 찾는 RAG보다 쓰임새가 넓어지는 것은 분명합니다. 다만 글 검색 정확도 자체가 더 높아지는 것은 아니니, 내 자료로 직접 비교해 보고 고르면 됩니다. 모델은 안전성 조정이 들어가지 않은 사전 학습 모델이라, 서비스에 넣는다면 걸러 내는 장치는 만드는 쪽이 갖춰야 합니다.

참고 링크

• DigUp(오픈소스 맥 앱, MIT): github.com/…
• 구글 EmbeddingGemma 2 발표: blog.google/…
• EmbeddingGemma 2 모델 카드(Hugging Face): huggingface.co/…
• 한국어 RAG 평가 자료(Allganize, Hugging Face): huggingface.co/…