尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
DigUp多语言搜索指南:为什么用英文能搜到孟加拉语、阿拉伯语的文件
【免费下载链接】DigUpSearch your Mac by whats in your files: photos, PDFs, recordings, videos and code. On-device, built on Google DeepMinds EmbeddingGemma 2.项目地址https://gitcode.com/gh_mirrors/di/DigUp点击查看免费下载如果你想在 Mac 上用一句英文找到一份孟加拉语写的食谱、或一个阿拉伯语的 PDFDigUp 多语言搜索正是为此而生的。DigUp 是一款基于 Google DeepMind 的 EmbeddingGemma 2 嵌入模型的本地文件搜索工具它把照片、PDF、录音、视频和文字统统读进同一个语义空间因此用 A 语言描述、找到 B 语言的文件成为可能——而且所有计算都在你的 Mac 本地完成。一、跨语言搜索的原理一切内容都住进同一个语义空间传统搜索比如 Spotlight靠文件名和字面文本匹配换一种语言就无能为力。DigUp 的做法不同索引阶段DigUp 用 EmbeddingGemma 28-bit 版通过 llama.cpp 跑在 Mac 的 GPU/Metal 上为每张图片、PDF 的每一页、文档的每个段落、视频的每个镜头、每 30 秒音频各生成一个向量。搜索阶段你输入的查询词被同一个模型的文本部分约 250 MB只在搜索时加载变成向量再与索引中的所有向量比对找出语义最近邻。关键在于所有向量都落在同一个 768 维空间里。英文的 a dog on the beach 和一张海滩上狗的照片、阿拉伯语的 طائر البطريق 和一张企鹅照片距离都很近。语言是表面层语义才是坐标——这就是为什么英文查询能命中孟加拉语文件。实现细节可参考 Sources/DigUpKit/Vectors.swift向量存储与 768 维定义和 Sources/DigUpKit/Searcher.swift语义向量 精确词双重打分。二、三种典型跨语言搜索场景附真实评测用例DigUp 仓库自带一套多语言评测集 evals/multilingual.json以下是其中真实生效的查询示例方向你输入的查询找到的文件英文 → 孟加拉语hilsa fish in mustard sauce芥末酱汁烧鲥鱼孟加拉语食谱ইলিশ মাছের রেসিপি.md英文 → 孟加拉语apartment rent agreement公寓租约孟加拉语 PDF 合同বাড়ি ভাড়ার চুক্তি.pdf第 1 页英文 → 阿拉伯语trip to Petra去佩特拉的旅行阿拉伯语 PDF 报告تقرير.pdf第 2 页阿拉伯语 → 英文图片طائر البطريق企鹅英文素材库里的企鹅照片和企鹅视频片段孟加拉语 → 英文文档টোকিও ভ্রমণ东京旅行英文行程单Tokyo itinerary.md英文 → 阿拉伯语语音rainy weather in Riyadh利雅得下雨阿拉伯语天气录音speech_weather_ar.wav注意两个亮点跨语言还能定位到页/秒PDF 精确到第几页音频视频精确到那个时间段而不是只给一个文件。连画面都通语言用阿拉伯语搜支付被拒能直接命中一张阿拉伯语报错截图——因为截图里的文字也参与了索引。这些多语言测试文件的生成脚本是 scripts/testbed/make_lang.swift里面包含了孟加拉语和阿拉伯语的笔记、PDF、截图与录音样本。三、语义之外的精确词安全网文本规范化层向量搜索擅长理解意思但不擅长精确匹配发票号、错误码这类字面内容。DigUp 的关键词索引为此做了专门的多语言处理核心在 Sources/DigUpKit/SearchText.swiftUnicode 规范化NFKC阿拉伯语的不同 alef 变体、孟加拉语的两种ো写法统一成同一种字符避免写法不同就搜不到。清理装饰性字符阿拉伯语的 tatweel拖长符、短元音符号在普通人打字时根本不会出现规范化后一并剔除孟加拉语的零宽连接符ZWNJ和方向标记也被清除。前缀匹配孟加拉语、阿拉伯语这类词尾会发生变化的语言搜কুমির也能命中কুমিরও搜مدرس能命中مدرسة。双语文件类型提示词查询里说 …in a video、ভিডিওতে孟加拉语在视频里、فيديو阿拉伯语视频都会给对应类型的结果加分见 Sources/DigUpKit/Searcher.swift。最终排序是语义相似度 关键词覆盖度加权融合命中一半以上查询词的文件也会被捞回来所以搜索既懂意思又认字面。四、快速上手三步体验多语言搜索安装下载 DMG 拖入 Applications或执行brew install --cask arahim3/tap/digup需要 Apple Silicon Mac、macOS 14。选文件夹并建索引首次启动会下载一次约 865 MB 的模型同时选择要搜索的文件夹支持只选部分子文件夹并显示预计耗时。随处搜索在任意应用按⇧⌘Space呼出搜索面板用你自己的话说出想找的内容即可。方向键切换结果↩打开视频跳到对应时刻、PDF 带高亮、代码定位到行。五、注意事项两个精确词层面的限制官方 READMEREADME.md 的 FAQ 一节如实列出了边界值得知道模型覆盖 100 种语言语义搜索在所有语言间都可用但 Google 提示模型并非对每种语言都同样强。截图内文字识别依赖 Apple 的文本识别能力支持约 25 种语言——超出范围的语言截图只能按画面内容搜按字面搜会受限。中文、日文、泰文等词之间没有空格的语言精确词匹配不做分词字面搜索效果会打折扣但语义搜索不受影响。六、延伸阅读相关模块路径多语言评测用例evals/multilingual.json多语言测试文件生成器scripts/testbed/make_lang.swift文本规范化与前缀匹配Sources/DigUpKit/SearchText.swift语义 关键词融合排序Sources/DigUpKit/Searcher.swift向量维度与存储Sources/DigUpKit/Vectors.swift隐私与工作原理总览README.md总结一句话DigUp 的多语言搜索不是翻译后再搜而是把所有语言的内容和查询都投影进同一个 768 维语义空间让意思直接跨语言相遇——再加上针对阿拉伯语、孟加拉语等文字系统精细打磨的精确词匹配跨语言找文件变得像翻自己口袋一样自然。赞分享【免费下载链接】DigUpSearch your Mac by whats in your files: photos, PDFs, recordings, videos and code. On-device, built on Google DeepMinds EmbeddingGemma 2.项目地址https://gitcode.com/gh_mirrors/di/DigUp点击查看免费下载相关推荐零失败小红书自动化实战指南从入门到精通的新手必备教程零失败小红书自动化实战指南从入门到精通的新手必备教程 欢迎来到小红书自动化脚本的世界本指南将带你从零开始掌握这个强大工具无需复杂编程经验只需跟随步骤操作WeblogicScan核心功能深度解析15个历史漏洞检测原理揭秘WeblogicScan核心功能深度解析15个历史漏洞检测原理揭秘 WeblogicScan是一款功能强大的Weblogic一键漏洞检测工具能够帮助用户快速网络安全漏洞扫描渗透测试应用安全华硕笔记本性能优化神器G-Helper让你告别臃肿的Armoury Crate华硕笔记本性能优化神器G Helper让你告别臃肿的Armoury Crate 你的华硕ROG笔记本是不是每次开机都要等半天后台是不是总有十几个Armour桌面应用系统编程创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
RELATED

相关推荐

SAP WM配置实战:27个关键点与三层映射逻辑详解

SAP WM配置实战:27个关键点与三层映射逻辑详解

简介:本资源是一份面向SAP实施顾问、WM模块初/中级配置人员及企业仓储数字化转型从业者的SAP WM模块深度配置指南,聚焦仓库主数据与上架/拣选策略两大核心配置体系,解决实际项目中因配置不完整导致的库存定位不准、上架逻辑失效、作业效率低下…

📅 2026/10/14 17:49:56
vSphere SDK 6.0.0实战:从连接认证到虚拟机批量运维

vSphere SDK 6.0.0实战:从连接认证到虚拟机批量运维

简介:VMware vSphere SDK 6.0.0 是一套面向虚拟化平台开发者的官方管理工具包,适合需要与 vSphere 环境深度集成的后端工程师、运维开发人员以及云管平台研发人员。压缩包内含 vSphere Web Services SDK、Storage Management SDK、ESX Agent Manager SDK…

📅 2026/10/14 17:49:56
Coding Plan 与 Token Plan 到底有什么区别?一文讲清 2 种订阅制的计费逻辑

Coding Plan 与 Token Plan 到底有什么区别?一文讲清 2 种订阅制的计费逻辑

【免费下载链接】codingplan 国内主流 AI 平台的 Coding Plan对比,智谱、Kimi、MiniMax、阿里云百炼、字节火山方舟、百度千帆 项目地址: https://gitcode.com/gh_mirrors/co/codingplan 点击查看 免费下载 AI 编程工具越用越多,账单却越来越…

📅 2026/10/14 17:49:56
MORE NEWS

更多资讯

📰

Abp vNext Docker容器中JWT Token认证401失效的根因与修复

1. 项目概述:Abp vNext Docker部署中Token认证失效的典型症结Abp vNext、Docker、Token认证——这三个词组合在一起,几乎就是近年.NET后端开发者在容器化迁移过程中绕不开的一道坎。我接手过不下五个团队的Abp vNext项目重构,其中超过七成在首…

📰

IEEE TAES,基于DQN 辅助的集群无人机自组网约束多目标重构与优化

1.摘要 针对无人机受损后网络分裂、连接恢复困难以及性能指标与约束强耦合的问题,论文提出 DQN-CMOEA 框架,将拓扑重构和性能优化统一,以网络连通性和安全间距为约束,同时降低平均端到端时延与总移动距离、提高网络吞吐量&#xf…

📰

Debug与Release的预编译宏:_DEBUG_与NDEBUG用法及避坑指南

Debug和Release这两个词,估计每个写过C/C的人都不陌生。但你真的清楚它们在编译器眼里差了什么吗?我在项目发布阶段踩过不少坑:Release版线上崩溃却定位不到、Debug版跑得好好的功能一切Release就行为异常,最后追根溯源&#xff0…

📰

从Postman环境安装到Newman报告生成:一套可落地的接口回归命令链

简介:面向接口测试、开发与持续集成人员的Postman环境搭建与报告生成全流程说明,聚焦API测试工具链的快速落地。内容详细覆盖Postman下载安装、注册注意事项,并完整演示Newman命令行工具及newman-reporter-html报告插件的安装过程&#xff0c…

📰

HEP-1;174641-44-2

基本性质英文名称:HEP-1CAS 号:174641-44-2单字母序列:TEKKRRETVEREKE三字母序列:H-Thr-Glu-Lys-Lys-Arg-Arg-Glu-Thr-Val-Glu-Arg-Glu-Lys-Glu-OH类别:肝素结合线性阳离子多肽外观:白色至类白色冻干粉末&a…

📰

两相短路故障Matlab/Simulink仿真模型搭建与波形分析详解

做电力系统继电保护或者故障分析这块,两相短路故障的仿真模型是一个绕不开的基础工具。不管是做保护定值整定、故障反演,还是给课程设计交差,大家都得在Matlab/Simulink里把这套东西搭起来过一遍。两相短路属于不对称故障,它的特征…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬