电脑里一堆图找不到？打一句一只橘猫就能排出来

📋总体概括

微信视觉团队开源了约20亿参数的多模态嵌入模型WeMM Embedding，将文字、图片、视频映射到同一向量空间，通过相似度检索实现自然语言搜图、搜视频。实测输入「一只橘猫」即可在海量本地文件中找出相关图片，「麻婆豆腐怎么做」也能匹配到做菜视频。该模型支持本地部署，最低8GB显存可运行，16GB更流畅，降低了个人和小团队使用语义检索的门槛。