Gemini Omni 1.2 Flash는 이전 모델의 최대 10초보다 긴 15초 영상 생성을 지원합니다. 360p·720p 초안의 4K 업스케일, 생성한 영상의 대화형 편집, 음성 립싱크 개선도 주요 변경 사항입니다.
이미지 출처 : Google
구글의 영상 생성 인공지능 모델 Gemini Omni 1.2 Flash가 공개되면서 이전 버전인 Omni 1.1과 비교해 어떤 점이 기술적으로 달라졌는지에 관심이 집중되고 있습니다. 이번 모델은 단순한 화질 개선을 넘어, 실질적인 영상 제작 흐름을 고려하여 생성 시간, 해상도 파이프라인, 그리고 후속 편집 제어 방식을 전면 개편한 것이 특징입니다.
이번 변경은 영상 생성 과정에서 불편했던 짧은 클립 길이와 결과물을 수정할 때 다시 생성해야 하는 문제를 줄이는 데 초점을 맞췄습니다. 이전 모델 대비 영상의 최대 길이가 늘어났고, 원하는 특정 구간만 정밀하게 지시할 수 있는 환경이 갖추어졌습니다.
영상 생성 길이와 구간 지정 방식의 변화
Gemini Omni 1.2 Flash에서 가장 먼저 체감되는 변화는 생성 가능한 영상의 물리적 길이입니다. 이전 모델인 Omni 1.1은 한 번에 생성할 수 있는 영상의 길이가 최대 10초로 제한되어 있었습니다. 반면 Gemini Omni 1.2 Flash는 3초에서 15초까지 영상 길이를 지원합니다.
단순히 5초가 늘어난 것보다 더 중요한 지점은 1초 단위 정밀 지정이 가능하다는 사실입니다. 기존에는 정해진 규격에 맞춰 영상을 뽑아낸 뒤 외부 편집 툴에서 앞뒤를 잘라내야 했으나, 이제는 기획 단계의 콘티에 맞춰 7초, 11초, 14초 등 필요한 초수를 정확히 지정하여 생성할 수 있습니다. 숏폼 콘텐츠나 제품 광고의 한 컷을 구성할 때 여러 클립을 어색하게 이어 붙이지 않고도 한 호흡으로 자연스러운 장면 연출을 완결할 수 있게 되었습니다.
다만 시작 프레임과 종료 프레임을 고정하여 중간 모션을 생성하는 방식의 경우에는 3초에서 10초 범위가 적용되는 등 구체적인 생성 옵션에 따라 지원 길이가 상이하므로 작업 목적에 맞춘 세부 확인이 필요합니다.
초안 생성과 고해상도 업스케일 파이프라인
해상도를 다루는 방식에서도 큰 구조적 전환이 이루어졌습니다. 기존에는 고해상도 영상을 직접 생성하려 할 때 과도한 연산 시간과 컴퓨팅 자원이 소모되는 문제가 있었습니다. Gemini Omni 1.2 Flash는 이를 해결하기 위해 초안 생성 후 업스케일이라는 실용적인 작업 흐름을 도입했습니다.
사용자는 먼저 360p 또는 720p 해상도로 빠르게 초안(Draft) 클립을 생성하여 구도, 피사체의 움직임, 타이밍을 검토합니다. 초안 결과물이 기획 의도에 부합할 경우, 해당 클립을 1080p 및 4K 해상도로 업스케일하여 최종 출력물을 확보하는 방식입니다.
이러한 파이프라인은 불필요한 고해상도 생성 렌더링 낭비를 줄이고, 창작자가 다양한 프롬프트 실험을 신속하게 진행할 수 있도록 돕습니다. 또한 구글은 생성된 모든 영상 결과물에 AI 생성물임을 식별할 수 있는 SynthID 디지털 워터마크 기술을 기본 적용하여 투명성과 신뢰성을 확보했습니다.
멀티턴 대화형 편집과 다각적 참조 입력
영상 편집 기능의 진화는 이번 업데이트의 핵심 요소입니다. Omni 1.1에서는 결과물이 마음에 들지 않으면 처음부터 프롬프트를 다시 작성해 완전히 새로운 시드를 생성해야 하는 번거로움이 있었습니다. 반면 Gemini Omni 1.2 Flash는 멀티턴(Multi-turn) 대화형 편집을 지원합니다.
이미 생성된 클립을 기준으로 대화를 이어가듯 후속 명령을 내려 배경을 변경하거나, 조명 분위기를 낮에서 밤으로 바꾸고, 날씨 효과를 추가하거나, 카메라 앵글을 이동시키는 작업이 가능합니다. 기존 결과물의 일관성을 유지하면서 원하는 세부 요소만 핀포인트로 수정할 수 있게 된 것입니다.
참조 입력(Reference Inputs)의 폭도 대폭 넓어졌습니다. 특정 인물의 의상이나 외형을 유지하기 위한 캐릭터 참조, 정밀한 형태 유지를 위한 제품 사진 참조, 전체적인 톤 앤 매너를 맞추는 스타일 이미지를 프롬프트와 함께 입력할 수 있습니다. 여기에 최대 3초 분량의 모션 클립과 오디오 신호를 큐로 제공하여 피사체의 역동적인 움직임을 가이드할 수도 있습니다.
다중 화자 음성 립싱크 지원과 한계 영역
오디오와 비주얼의 결합 측면에서도 눈에 띄는 진전이 있습니다. Gemini Omni 1.2 Flash는 입력된 오디오 대사에 맞춰 피사체의 입 모양을 정밀하게 일치시키는 음성 립싱크(Lip-sync) 기능을 지원하며, 한 장면에 두 명 이상의 화자가 등장하는 다중 화자 환경에서도 각각의 음성에 맞춰 발화 모션을 제어할 수 있습니다.
그러나 구글이 공식적으로 밝혔듯 여전히 개선이 진행 중인 기술적 한계 영역도 존재합니다. 빠른 스포츠 동작과 같은 과격한 신체 움직임, 급격한 대본 변경에 따른 연속적 상황 전환, 중력이나 충돌 등 복잡한 물리 법칙의 정밀한 시뮬레이션에서는 여전히 부자연스러운 왜곡이 발생할 수 있습니다. 따라서 복잡한 동적 액션보다는 인물 인터뷰, 제품 쇼케이스, 정적인 연출 장면에서 완성도 높은 결과를 기대하는 것이 현명합니다.
자주 묻는 질문
Gemini Omni 1.2 Flash에서 생성 가능한 영상 길이는 정확히 얼마인가요?
기존 Omni 1.1의 최대 10초에서 확장되어 3초에서 최대 15초까지 지원하며, 1초 단위로 길이를 자유롭게 지정할 수 있습니다. 다만 시작과 끝 프레임을 고정하는 생성 방식의 경우 3초에서 10초 범위가 적용됩니다.
멀티턴 편집 기능은 구체적으로 어떻게 작동하나요?
영상 생성 후 처음부터 프롬프트를 다시 쓰지 않고, 완성된 클립을 유지한 채 배경, 조명, 날씨, 카메라 앵글, 화면 비율 등을 후속 텍스트 명령어로 이어가며 수정할 수 있는 대화형 편집 구조입니다.
고해상도 4K 영상은 바로 생성할 수 있나요?
초기 생성 단계에서는 360p 또는 720p 해상도로 신속하게 초안을 뽑은 뒤, 결과물이 확정되면 1080p 및 4K 해상도로 업스케일하는 2단계 파이프라인을 지원합니다.
