Gemini Omni 1.2 Flash 심층 분석: 15초에 1.05달러, 무의미한 '리롤'의 종말 | Fanch AI

Fanch AIon 6 days ago

웅장한 돔형 로툰다 내부를 포착한 인상적인 16:9 사진: 밝은 원형 오쿨루스를 향해 곡선을 그리며 올라가는 격자 천장 석조 구조물, 쏟아져 내리는 따뜻한 햇빛이 광택이 도는 대리석 바닥 위에 길고 부드러운 빛줄기를 드리우고 주변 벽감에는 깊은 그림자가 깔려 있다.

Gemini Omni 1.2 Flash가 Gemini API 및 기업용 Gemini 서비스에서 정식 출시(GA)되었습니다. 핵심 수치는 명확합니다. 15초 길이의 비디오 생성, 그리고 720p 기준 초당 0.07달러라는 가격 정책으로, 이는 이전 Omni 1.1 대비 30% 인하된 가격입니다.

두 가지 모두 Gemini Omni 1.2 Flash의 뚜렷한 진전입니다. 하지만 이 모델에 진정으로 주목해야 하는 이유는 따로 있습니다.

Gemini Omni 1.2 Flash의 핵심 혁신은 영상을 수정하는 과정이 더 이상 '처음부터 다시 뽑는 것'을 의미하지 않는다는 점입니다. Gemini Omni 1.2 Flash는 15초 클립 전체에 대해 멀티턴 대화형 편집(Multi-turn conversational editing)을 지원합니다. 제품을 변경하거나, 조명을 바꾸거나, 화면 비율을 전환하는 작업을 모두 후속 프롬프트 대화로 처리할 수 있습니다. 이는 영상 생성을 막연한 '도박성 가챠 뽑기(Re-roll)'에서 '단계적 초안 수정'으로 바꾸어 놓으며, 단순한 초당 단가 인하보다 훨씬 더 극적으로 실패 비용을 절감해 줍니다.

Gemini Omni 1.2 Flash의 주요 출시 기능

15초 네이티브 생성: 이전 버전의 10초 제한에서 확장되었으며, 3초부터 15초까지 1초 단위로 자유롭게 길이를 설정할 수 있습니다.

클립 전체 대상 멀티턴 대화형 편집: 15초 전체 길이에 걸쳐 세부 수정 명령 지원.

참조 이미지 반영 성능 강화: 캐릭터, 제품, 스타일 이미지뿐만 아니라 최대 3초 분량의 짧은 모션 클립과 오디오 힌트를 복합적으로 반영합니다. 구글은 카메라 앵글이 급격히 전환되더라도 얼굴 이목구비, 의상 핏, 패키지 타이포그래피, 브랜드 고유 색상이 흐트러짐 없이 유지된다고 강조합니다.

다중 화자 대화 분리: 음성 조건화(Voice conditioning)를 통해 샘플링된 각 목소리를 화면 속 올바른 인물에 정확히 매칭하고, 자연스러운 립싱크(Lip-sync)를 지원합니다.

정교해진 카메라 컨트롤: 1인칭 FPV 비행, 줌아웃, 궤도 회전(Orbit) 등 연속적인 카메라 무빙 시 원치 않는 화면 튐(Jump cut) 현상을 대폭 억제했습니다.

엔터프라이즈 환경 완비: Google Cloud 인프라 기반의 프로비저닝된 처리량(Provisioned Throughput) 보장 및 육안으로 식별할 수 없는 SynthID 디지털 워터마크가 기본 적용됩니다.

매력적인 가격, 그보다 더 뛰어난 '비용 모델'

구글 공식 가이드에 담긴 워크플로우 설명에 주목할 필요가 있습니다:

360p나 720p로 빠르게 초안을 잡고, 클립 전체를 다시 생성하는 대신 후속 편집으로 세부 사항을 수정한 뒤, 가장 만족스러운 결과물만 1080p나 4K로 업스케일링하세요.

이 3단계 파이프라인은 영상 제작에서 발생하는 각기 다른 비용 낭비를 단계별로 차단합니다.

저비용 초안 작업: 360p 해상도는 고해상도 픽셀 렌더링에 예산을 낭비하지 않고 오직 연출과 구도를 실험하는 데 횟수를 소모하도록 설계되었습니다.

전체 재생성 대신 부분 수정: 가장 결정적인 변화입니다. 기존 방식에서는 사소한 디테일 하나만 빗나가도 정가를 다 내고 클립 전체를 다시 뽑아야 했고, 새로 돌린 영상에서는 이전에 멀쩡하던 다른 요소마저 망가지는 위험을 감수해야 했습니다. Gemini Omni 1.2 Flash에서는 결함이 있는 세부 사항만 고치고 나머지 정상적인 배경과 연기는 그대로 보존할 수 있습니다.

검증된 승자만 업스케일링: 최종적으로 사용이 확정된 완성본에 대해서만 마지막 단계에서 단 한 번 고해상도 비용을 지불합니다.

초당 단가 인하는 이 파이프라인에서 가장 단순한 숫자에 불과합니다. 진짜 비용 절감은 뒤의 두 단계가 불필요한 영상 생성 횟수 자체를 구조적으로 줄여주는 데서 나옵니다.

실제 제작비 계산해 보기

초당 단가 계산은 직관적입니다.

Gemini Omni 1.2 Flash에서 720p 기준 15초 클립 하나는 1.05달러입니다. 완성된 영상 1분 분량은 4.20달러가 됩니다.

시장 가격과 비교해 보겠습니다. Seedance 2.5의 정가 기준 5초 분량 480p 클립은 초당 약 0.10달러 수준입니다. 단순 단가만 비교해도 30% 할인과 720p 해상도를 기본으로 제공하는 Gemini Omni 1.2 Flash(초당 0.07달러)가 화질 대비 훨씬 저렴합니다.

여기에 '재생성 실패 계수(Re-roll factor)'를 대입해 보십시오. 기존 작업 방식을 떠올려 봅시다. 15초 클립 10개를 생성했는데, 손가락 뭉개짐이나 로고 변형 때문에 4개를 버려야 했다면 14.70달러를 쓰고도 상당한 분량의 실패작을 떠안게 됩니다.

반면 Gemini Omni 1.2 Flash에서는 그 4번의 실패를 단순 편집 4회로 대체하여 이미 지불한 10개의 기본 클립을 살려낼 수 있습니다. 실제 절감 효과는 액면가 30%를 넘어, 기존에 버려지던 수많은 실패작 비용 전체를 회수하는 수준에 이릅니다.

60부작 숏폼 드라마처럼 대량 생산이 필요한 환경이라면 이 경제적 격차는 걷잡을 수 없이 벌어집니다. 15초 60편은 총 900초이며, 720p 1회 통과 기준으로 약 63달러에 불과합니다. 실제 프로젝트 예산을 좌우하는 것은 이 기본 비용 63달러가 아니라, 마음에 들지 않아 처음부터 다시 뽑아야 했던 횟수입니다.

옅은 모래색에서 짙은 호박색으로 음영이 지며 가장 높은 막대 위에 작은 원형 마커가 떠 있는, 얇은 기준선을 따라 다양한 높이로 늘어선 15개의 얇은 수직 막대를 표현한 깔끔한 16:9 개념 일러스트.

멀티턴 편집이 가져온 제작 방식의 변화

구글의 시연 영상은 이러한 작업 방식의 전환을 명확히 보여줍니다.

하나의 예시에서는 이미 생성된 클립을 바탕으로 대화를 이어가며 배경을 차례대로 교체합니다. 줄무늬 차일, 참나무 숲, 백마가 있는 마구간, 시장 축제, 돌로 지은 성으로 배경을 바꾸면서도 캐릭터의 연기, 갑옷에 반사되는 하이라이트, 카메라 앵글은 그대로 유지됩니다.

또 다른 예시에서는 꿈틀거리는 문어로 시작해 다음 턴에서 그 유연한 곡선 움직임을 그대로 이어받은 드레스를 입은 댄서로 피사체를 교체합니다.

이것은 기존과 완전히 다른 연출 모델입니다. 무작정 여러 번 뽑아놓고 그중 하나를 고르는 것이 아니라, 하나의 결과물을 여러 턴에 걸쳐 감독하고 다듬어 나가며, 광고 베리에이션을 새 영상 결제가 아닌 저비용 편집 작업으로 납품할 수 있게 된 것입니다.

정지 이미지 분야에서 이미 입증되었듯, 모델 간의 경쟁력은 이제 '순수 생성 화질'이 아니라 '정교한 부분 편집 능력'으로 넘어가고 있습니다.

참조 이미지가 표준 제작 기법이 되다

가장 상업적 파급력이 큰 부분은 참조 이미지의 높은 재현율이며, 대표적인 예가 가상 피팅(Virtual try-on)입니다.

모델 사진 한 장과 의상 세 벌의 앞뒷면 누끼 컷을 결합하면, Gemini Omni 1.2 Flash는 360도 회전과 매치 컷을 포함한 15초 분량의 피팅 영상을 생성해 냅니다. 모델의 얼굴뿐만 아니라 각 의상의 절개선, 실루엣 드레이프, 등 뒤의 디테일까지 흔들림 없이 유지됩니다.

이 기능이 실제 프로덕션에서도 안정적으로 작동한다면 그 영향은 절대적입니다. 기존에 구축해 둔 상품 누끼 컷 데이터베이스를 재촬영 없이 동영상 광고 소재로 곧바로 전환할 수 있기 때문입니다.

실무에서 검증해야 할 부분은 세부적인 완성도입니다. 카메라가 회전할 때 패키지의 작은 글씨가 번지지 않는지, 구도가 바뀐 뒤에도 브랜드 고유의 지정 색상이 왜곡되지 않는지 확인해야 합니다.

깊은 틸, 따뜻한 샌드, 차콜 색상의 맞춤 의류 세 벌이 걸려 있는 미니멀한 옷걸이의 세련된 16:9 에디토리얼 정물 사진. 이음새와 밑단 디테일이 보이도록 부드러운 창문 빛 속에서 뒤에서 바라본 모습.

다중 화자 대화 분리: 간과하기 쉬운 숨은 무기

자연스러운 1인 립싱크는 이제 기본 사양입니다. 하지만 여러 인물의 음성을 독립적으로 통제하는 다중 화자 기능은 그렇지 못했으며, Gemini Omni 1.2 Flash가 이 공백을 메웠습니다.

장면 이미지와 캐릭터, 입 모양 참조, 1초 분량의 음성 샘플만 제공하면 각 목소리를 화면 속 올바른 인물에 정확히 라우팅하여 15초 씬 전반에 걸쳐 감정이 실린 대화 타이밍을 구현합니다. Flow, Gemini for business, Google Vids에 기본 탑재되었습니다.

설명 영상, 사내 교육 자료, 두 사람이 대화하는 모든 비디오 콘텐츠에서 이 기능은 그동안 AI 영상 도입을 가로막았던 최대 난제를 해결해 줍니다.

객관적으로 점검해야 할 한계점

실제 현업 도입 전 고려해야 할 네 가지 사실:

모든 공개 예시는 구글의 자체 선별작입니다. 판테온 FPV 무빙, 정확한 텍스트 트래킹 표기, 가상 피팅 시연 등 공개된 모든 샘플은 제조사가 수많은 결과물 중 가장 완벽한 컷만을 엄선한 것입니다.

0.07달러는 720p 기준입니다. 1080p와 4K 결과물은 후속 업스케일링 단계를 거쳐야 하며, 해당 단계에는 별도의 추가 비용과 연산 시간이 소요됩니다.

15초는 네이티브 생성 한계입니다. 15초를 넘어가는 장편 씬은 영상 확장(Extension) 기능을 써야 하며, 영상 확장은 여전히 시간 경과에 따른 캐릭터 붕괴와 왜곡이 발생하기 쉬운 영역입니다.

아직 공인된 제3자 벤치마크 평가가 없습니다. 참조 이미지 일관성이나 모핑 결함 억제에 대한 주장은 표준화된 프롬프트 세트를 이용한 외부 기관의 객관적 검증을 거쳐야 합니다.

실제 현업에서 검증해 보아야 할 테스트 항목

본격적인 도입에 앞서 직접 테스트해 볼 만한 4가지 과제:

엄격한 기준의 브랜드 제품 샷: 카메라가 360도 회전하는 동안 로고가 뭉개지지 않고 온전히 유지되는가?

2인 대화 씬: 화면 전환 시 목소리가 뒤섞이거나 엉뚱한 캐릭터의 입에서 소리가 나오지 않는가?

5단계 연속 편집 테스트: 하나의 좋은 클립을 기반으로 다섯 번 연속으로 수정 명령을 내려보십시오. 턴이 누적되면서 디테일이 뭉개지거나 화질 저하가 누적되지 않는지 확인하세요.

15초 연속 롱테이크 무빙: 홍보 영상을 맹신하지 말고 원치 않는 화면 튐이 없는지 직접 프레임을 확인하십시오.

모델 평가를 위한 추천 테스트 프롬프트

참조 이미지 일관성을 제대로 시험하려면 모델이 흔한 기성 이미지로 대충 둘러댈 수 없는 '독특한 형태적 특징'을 가진 오브젝트를 사용해야 합니다:

Fanch AI에 복사하여 붙여넣기 (모델 선택: gpt_image_2):

A clean studio product photograph of a rectangular matte-black aluminium beverage can standing on a pale sand plinth against a seamless warm grey backdrop: subtle brushed metal texture on the body, a plain unmarked label band in deep teal wrapping the middle, condensation-free clean surface, soft directional studio light from the left with a gentle contact shadow. Precise edge definition, fine detail in the metal grain, 16:9 framing, 8K detail, no people, no brand logos, no text overlay.

이 정지 이미지를 레퍼런스로 입력하고 카메라 궤도 회전 후에도 중앙의 딥 틸 색상 띠가 동일한 색감과 경계면을 유지하는지 살펴보세요. 그것이 모델의 실전 성능을 가늠하는 가장 확실한 기준입니다.

Fanch AI가 최적의 솔루션인 이유

Gemini Omni 1.2 Flash는 영상 제작의 중심축을 캐릭터 시트, 제품 누끼 컷, 스타일 가이드 등 '기준 참조 프레임'으로 옮겨놓았습니다. 이는 처음 입력하는 한 장의 고품질 정지 이미지가 뒤이어 생성될 전체 영상의 완성도와 안정성을 좌우한다는 뜻이며, 정지 이미지를 완벽하게 통제하는 것이 전체 파이프라인에서 가장 가성비 높은 방법입니다.

Fanch AI는 사용자의 프롬프트 지시를 정밀하게 수용하는 전용 이미지 모델을 제공합니다. 비싼 영상 렌더링 비용을 쓰기 전에, Fanch AI에서 정교한 프롬프트로 구도, 조명, 색감이 완벽하게 계산된 참조 프레임을 먼저 완성하세요.

👉 여기서 시작하세요: Fanch AI의 GPT Image 2로 이미지 생성하기.