Busca semântica multimodal local chega ao Mac com modelo compacto do Google

Dados rápidos

• Repositório: ARahim3/DigUp no GitHub
• Licença: MIT
• Linguagem: Swift
• Estrelas: 336 estrelas e 24 forks
• Ranking: 17º lugar no ranking diário do Trendshift
• Data da consulta: 2026-10-11

Localização de conteúdo em sistemas de arquivos

Mecanismos tradicionais de busca em sistemas operacionais dependem de nomes de arquivos, metadados básicos ou correspondência estrita de caracteres em textos. Essa abordagem falha quando o item procurado é uma captura de tela sem texto legível no título, uma gravação de voz longa ou um vídeo sem marcações manuais. O usuário frequentemente perde tempo abrindo arquivos um por um até encontrar o momento exato em que determinado assunto foi discutido.

A busca por significado, chamada de busca semântica, converte diferentes formatos em vetores matemáticos chamados de embeddings. Esses vetores posicionam conteúdos correlatos próximos uns dos outros em um mesmo espaço numérico. Ao digitar termos conceituais em linguagem natural, o sistema consegue comparar o vetor da consulta com os vetores dos arquivos locais, recuperando trechos relevantes mesmo sem palavras idênticas no arquivo.

Funcionamento e fluxo de instalação

O DigUp opera em segundo plano a partir da barra de menus do macOS e utiliza o modelo EmbeddingGemma 2, lançado pelo Google DeepMind em outubro de 2026 sob licença Apache 2.0. Com 740 milhões de parâmetros e tamanho de download único de 865 megabytes, o modelo processa textos, fotos, documentos PDF, faixas de áudio e faixas de vídeo localmente. A instalação do aplicativo pode ser realizada diretamente por meio do gerenciador de pacotes Homebrew no terminal:

brew install --cask arahim3/tap/digup

O fluxo de configuração inicial solicita que o usuário selecione apenas as pastas que deseja indexar no computador. O programa calcula o tempo estimado para a primeira leitura e gera os embeddings sem transmitir nenhum dado para servidores externos. Durante a rotina diária, a combinação de teclas Shift, Command e Barra de Espaço aciona a barra de pesquisa sobre qualquer janela ativa.

Para arquivos de áudio, o sistema segmenta gravações em janelas sobrepostas de 30 segundos, permitindo que a busca aponte o minuto exato em que o tema ocorre. Em vídeos, a ferramenta extrai quadros a cada intervalo de segundos e processa a trilha sonora em conjunto. Arquivos PDF de até 5.000 páginas têm as primeiras 30 páginas processadas de imediato, enquanto as restantes entram em fila secundária para manter a agilidade inicial.

Casos práticos de uso no cotidiano

• Localização de passagens em gravações: ao buscar por falas sobre sono, o aplicativo encontra o trecho correspondente em um arquivo de podcast e posiciona a reprodução no minuto exato.
• Recuperação de momentos em vídeos: consultas descritivas, como a presença de uma zebra em cena, abrem o reprodutor QuickTime diretamente no instante visualizado.
• Varredura de cláusulas em contratos PDF: a digitação de tópicos contratuais específicos exibe a página exata do documento com termos destacados para leitura.
• Identificação de capturas de tela e imagens: buscas por termos como erro de pagamento rejeitado recuperam capturas pertinentes, combinando reconhecimento de imagem e leitura de texto.
• Busca cruzada em múltiplos idiomas: o modelo oferece suporte a mais de 100 idiomas, possibilitando encontrar anotações redigidas em árabe ou bengali usando buscas em inglês e vice-versa.

Diferenças em relação a ferramentas convencionais

A distinção central do DigUp é a integração direta entre representações visuais, auditivas e textuais em um único modelo de tamanho reduzido rodando diretamente na máquina do usuário. Enquanto ferramentas comuns de indexação restringem a busca a palavras exatas no nome do arquivo ou em documentos de texto estruturados, a abordagem multimodal analisa quadros visuais e transcrições acústicas de forma simultânea.

Outra diferença técnica envolve o tratamento de privacidade. Muitas soluções baseadas em modelos de linguagem exigem envio de dados para nuvens corporativas ou dependem de chaves de interfaces de programação pagas. O aplicativo não requer contas, não coleta telemetria e restringe o acesso à internet apenas ao download inicial dos pesos do modelo e à checagem opcional de atualizações diárias.

Cuidados operacionais e limitações técnicas

O repositório foi criado em 2026-10-08, possui última versão registrada em v0.6.0 de 2026-10-09 e registrava 6 problemas técnicos abertos até a consulta em 2026-10-11. Esse histórico indica que o projeto está em fase inicial de desenvolvimento, sujeita a ajustes de compatibilidade e mudanças funcionais frequentes.

A ferramenta exige computadores com processadores Apple Silicon e sistema macOS 14 ou posterior. A busca semântica em código fonte vem desativada por padrão, sendo restrita aos diretórios explicitamente autorizados pelo usuário. Documentos contendo chaves criptográficas, pastas ocultas como diretórios SSH e arquivos armazenados exclusivamente no iCloud são ignorados pelo processo de varredura. Não há testes documentados para sistemas operacionais fora do ecossistema Apple.

Resumo rápido

• Projeto: ARahim3/DigUp
• Licença: MIT
• Linguagem: Swift
• Estrelas: 336
• Ranking: 17º lugar diário no Trendshift
• Risco principal: estágio inicial de maturação em versão v0.6.0 com dependência estrita de Apple Silicon

Fontes

• Repositório no GitHub: https://github.com/ARahim3/DigUp
• Versão v0.6.0: https://github.com/ARahim3/DigUp/releases
• Ranking Trendshift: https://trendshift.io/repositories/15243