Joint Embedding

فضاء تمثيل مشترك تُسقَط فيه وسائط مختلفة (مثل الصوت والنص) بحيث تقع العناصر المتطابقة دلالياً قريبة من بعضها. يُدرَّب عادةً بالتعلم التبايُني.

A shared representation space into which different modalities (e.g., audio and text) are projected so that semantically matching items land close together. Typically trained with contrastive learning.