111 읽음
구글 15초 영상 AI 출시, 제미나이 옴니 1.2
위키트리
0
구글이 AI 영상 생성 모델 ‘제미나이 옴니 1.2 플래시(Gemini Omni 1.2 Flash)’를 정식 출시(GA, 일반 공급)했다. 제미나이 API와 기업용 제미나이를 통해 누구나 쓸 수 있는 단계다. 한 번에 만들 수 있는 영상 길이가 10초에서 15초로 늘었고 720p 기준 가격은 초당 0.07달러로 30% 내렸다.
핵심은 길이와 가격만이 아니다. 만든 영상을 처음부터 다시 생성하지 않고 채팅으로 이어서 고치는 ‘대화형 편집’과 참조 이미지를 끝까지 유지하는 능력이 함께 강화됐다. 구글은 이를 광고·상품 영상을 대량으로 만드는 기업 수요에 맞춘 업데이트로 내세웠다.
IT 매체 섀터드(Shattered)에 따르면 구글은 11월 5일(현지시각) 옴니 1.2 플래시를 정식 공급했다. 구글 클라우드 블로그의 별도 공지는 하루 뒤인 6일 자로 올라왔다. API 식별자는 ‘gemini-omni-1.2-flash’다.
더 넥스트 웹(The Next Web)은 기업 고객이 구글 클라우드를 통해 옴니를 쓸 수 있게 된 것이 이번이 처음이라고 전했다. 모델은 제미나이 API 외에 구글 AI 스튜디오, 구글 클라우드 콘솔, 영상 제작 도구 플로(Flow), 구글 비즈(Vids), 구글 광고(Google Ads)에서도 쓸 수 있다. 일반 소비자용 제미나이 앱에서는 구글 AI 울트라 구독자에게만 열린다. The Decoder도 같은 배포 경로를 전했다.
옴니 플래시는 5월 구글 I/O에서 처음 공개됐고 당시 클립 길이는 10초가 상한이었다. 모든 생성 영상에는 사람 눈에 보이지 않는 워터마크 ‘SynthID’가 들어간다. 영상의 출처를 표시하기 위한 장치다.
구글은 이제 최대 15초 영상을 네이티브(기본 기능)로 만들고 편집할 수 있다고 밝혔다. 길이는 3초부터 15초까지 1초 단위로 지정할 수 있다. 구글은 완결된 이야기, 제품 설명 영상, 소셜 광고 한 편을 한 번에 만들 여유가 생겼다고 설명했다.
The Decoder가 ‘대화형 편집’이라고 소개한 기능은 생성된 클립을 단계별로 손보는 방식이다. 배경이나 조명, 화면 비율을 바꿀 때 전체 클립을 다시 만들 필요가 없다. 구글은 15초 전체 길이에서 이 기능이 작동한다고 밝혔다. 더 넥스트 웹은 제품이나 배경을 바꾸는 식의 수정을 예로 들었다.
참조 입력도 확대됐다. 캐릭터·제품·스타일 이미지와 최대 3초짜리 짧은 모션 클립, 오디오 단서를 조합해 생성을 유도할 수 있다. 구글은 얼굴, 의상, 포장지 글자, 브랜드 색상이 카메라 각도가 바뀌어도 일관되게 유지된다고 밝혔다. 섀터드가 Gemini API 문서 기준으로 정리한 내용에는 일관성이 개선된 참조 이미지가 최대 6장이라는 항목도 있다.
The Decoder가 소개한 예시는 가상 피팅 영상이다. 모델 사진 한 장과 의상 3벌의 제품 사진을 넣으면 모델의 정체성과 각 옷의 재단·드레이프(늘어지는 모양)를 유지한 채 360도 회전하는 15초 영상이 나온다. 이 매체에 따르면 모션이나 카메라 전환 중 형태가 흐트러지는 현상도 이전 모델보다 줄었다.
음성 쪽도 손질됐다. 대사가 더 자연스럽고 입 모양(립싱크)이 또렷해졌으며 여러 화자를 구분한다. FPV 드론 시점이나 급격한 줌아웃 같은 연속 카메라 움직임에서 원치 않는 컷 점프가 크게 줄었다고 The Decoder는 전했다. 더 넥스트 웹에 따르면 구글 딥마인드의 자체 비교에서 테스터들은 시각적 일관성 면에서 62%의 경우 1.1보다 1.2를 선호했다.
구글은 옴니 1.1 대비 가격을 30% 내려 720p 영상을 초당 0.07달러에 제공한다고 밝혔다. 더 넥스트 웹은 이전 가격이 6월 기준 초당 0.10달러였다고 적었다. 섀터드는 구글이 이전 가격을 직접 밝히지 않았다며 약 0.10달러는 계산으로 추정한 값이라고 선을 그었다.
초당 과금이라 계산은 단순하다. 섀터드가 계산한 바로는 720p 15초 클립 한 편이 1.05달러이고 100편이면 105달러다. 3초짜리는 0.21달러, 10초짜리는 0.70달러가 든다. 1초 단위로 길이를 정할 수 있어 6초짜리 범퍼 광고를 만들 때 10초 분량을 낼 필요가 없다. 섀터드는 클립 수가 수천 건이 되면 안 쓰는 초를 줄이는 효과가 30% 인하폭보다 청구서에 더 크게 작용할 수 있다고 짚었다.
구글은 단계별 작업 흐름으로 비용을 더 줄이라고 권한다. 360p나 720p로 빠르게 초안을 뽑고 세부 사항은 후속 편집으로 고친 뒤 마음에 드는 결과만 1080p나 4K로 업스케일(해상도 확대)하는 방식이다. 섀터드가 정리한 사양표에는 출력 해상도 360p·720p·1080p·4K가 24FPS로 제공된다고 돼 있다. 첫 프레임·마지막 프레임 보간은 3~10초, 영상 확장은 한 번에 3~10초씩 최대 30초까지 가능하다. 유료 등급의 사용량 한도는 두 배로 늘었다고 한다.
다만 확인되지 않은 부분도 있다. 섀터드는 360p·1080p·4K의 초당 가격은 소스로 확인되지 않아 구글의 가격 페이지를 따로 봐야 한다고 했다. 제미나이 API 릴리스 노트에는 이 모델에 100만 토큰당 12달러라는 가격도 올라 있지만 어떤 토큰 항목인지 설명이 없다는 지적이다. 실제로 어떤 요금제로 청구되는지 개발자가 먼저 확인해야 한다.
더 넥스트 웹은 바이트댄스가 6월 공개한 ‘Seedance 2.5’가 30초 클립을 만든다고 전했다. 클립 길이만 보면 옴니 1.2 플래시의 15초보다 두 배 길다. 구글은 길이 경쟁보다 가격, 편집 방식, 참조 유지력에 무게를 둔 셈이다. 같은 매체는 한 인기 AI 영상 순위에서 상위 10위 안에 든 미국 기업 모델은 구글이 유일하고 나머지 9개 자리는 중국 모델이 차지했다고 덧붙였다.
구글도 한계를 인정했다. 더 넥스트 웹에 따르면 구글은 빠른 스포츠 동작, 빠르게 바뀌는 스크립트, 복잡한 물리 표현은 아직 개선 중이라고 밝혔다. 15초 한 편으로 광고 한 편을 끝낼 수 있다는 구글의 설명과 달리 이런 장면에서는 여전히 결과물이 흔들릴 수 있다는 뜻이다.
섀터드는 이번 출시를 순수한 화질 경쟁이 아닌 가격과 작업 흐름의 이야기로 봤다. 상품 회전 영상, 광고, 가상 피팅처럼 영상을 대량으로 만드는 기업이 초당 비용이 낮고 대화로 수정할 수 있으며 참조 이미지를 유지하는 모델에 돈을 낼 것이라는 구글의 판단이 깔려 있다는 설명이다. 실제 비용 절감 효과는 기업이 구글의 단계별 작업 흐름을 얼마나 따르느냐에 따라 달라진다.