AI 영상, 한 번 뽑는 대신 대화로 고칠 수 있을까
소셜미디어에 올릴 제품 영상을 만들었다고 해보자. 제품과 카메라 구도는 마음에 드는데 배경이 마음에 들지 않는다. 세로 화면으로도 내보내야 한다. 이때 새 영상의 내용을 처음부터 다시 설명해야 할까, 아니면 지금 클립을 두고 배경과 화면 모양만 바꿔 달라고 할 수 있을까.
이 차이는 영상 제작을 맡는 사람과 발주하는 사람 모두에게 중요하다. 초안을 보는 순간부터 수정 요청이 생기기 때문이다. 마음에 드는 부분을 남겨 놓고 고칠 수 있다면 원하는 결과에 도달하는 과정이 달라진다. 반대로 수정할 때마다 인물이나 제품까지 달라진다면, 간단해 보였던 요청이 다시 시작하는 작업이 될 수 있다.
Google은 2026년 11월 5일 공개한 Gemini Omni 1.2 Flash 발표에서 이 문제에 대한 자사의 답을 내놓았다. 최대 15초짜리 영상을 생성하고, 같은 클립을 대화로 여러 차례 수정할 수 있다는 것이다. 사진과 짧은 동영상, 소리를 참조 자료로 넣어 결과를 유도하는 기능도 소개했다.
중요한 변화는 영상 길이만이 아니다. Google이 내세운 것은 결과물을 한 번 뽑고 끝내는 대신, 초안을 만든 뒤 필요한 부분을 고쳐 가는 작업 흐름이다. 다만 지금 확인할 수 있는 근거는 회사의 설명과 시연이다. 실제로 얼마나 자주 원하는 수정이 성공하는지, 제작비가 얼마나 줄어드는지까지 독립적으로 검증한 결과는 아니다.
15초보다 중요한 것은 그다음 요청
새 모델은 3초부터 15초까지 길이를 1초 단위로 지정해 영상을 만들고 편집할 수 있다고 Google은 밝혔다. 회사 설명에 따르면 이전 Omni 1.1의 최대 길이는 10초였다. 늘어난 5초가 모든 영상에 필요한 것은 아니지만, 짧은 광고나 제품 설명에서는 하나의 클립 안에 보여 줄 수 있는 내용의 범위를 바꾼다.
예를 들어 제품을 보여 주고, 사용 장면을 덧붙인 다음, 마지막 인상을 남기는 영상을 구상할 수 있다. 그렇다고 15초 안에 원하는 메시지가 자동으로 완성된다는 뜻은 아니다. 설명할 내용이 길거나 여러 장면을 정교하게 이어야 한다면 생성된 클립을 더 큰 영상 작업의 한 부분으로 다뤄야 할 수 있다. 발표가 말하는 것은 우선 한 번에 만들고 대화식으로 다룰 수 있는 클립의 길이다.
Google이 소개한 수정 방식은 이 클립 전체를 대상으로 한다. 사용자는 한 번 만든 영상에 이어서 제품이나 배경을 바꾸고, 조명이나 날씨를 조정하거나, 가로세로 비율을 바꿔 달라고 요청할 수 있다. 회사가 보여 준 한 시연에서는 두 인물이 등장하는 클립의 배경을 천막에서 숲, 마구간, 시장과 성으로 차례로 바꾸면서 인물의 연기와 갑옷 반사, 카메라 구도는 유지했다고 설명한다.
이런 방식이 유용한 이유는 수정의 출발점이 달라지기 때문이다. 클립을 새로 생성할 때도 기존에 쓴 지시문이나 참조 자료를 다시 활용할 수 있다. 다만 새 결과에서는 마음에 들었던 인물의 모습이나 구도까지 달라질 수 있어 다시 확인해야 한다. 같은 클립을 바탕으로 삼으면 요청 자체는 “이 부분은 그대로 두고 저 부분을 바꿔 달라”는 형태가 된다. 광고 문구나 시안에 대한 피드백을 주고받을 때처럼, 이미 본 결과물을 기준으로 다음 지시를 할 수 있는 셈이다.
다만 회사가 특정 시연에서 유지했다고 설명한 항목과 모든 사용자의 영상에서 언제나 유지되는 항목은 다르다. 배경을 바꾸는 동안 제품 모양이나 사람의 동작이 얼마나 안정적으로 남는지, 화면 비율을 바꿀 때 중요한 피사체가 적절히 보이는지는 실제 결과를 확인해야 한다. 대화식 편집이라는 이름은 수정 요청의 방식을 설명하지, 어떤 요소도 흔들리지 않는다는 보증은 아니다.
초안을 싸게 만들면 전체 비용도 줄까
Google은 가격과 작업 순서를 함께 제시한다. 먼저 360p나 720p처럼 상대적으로 낮은 해상도로 초안을 만들고, 세부 사항을 후속 편집으로 고친 다음, 마음에 드는 결과물을 1080p 또는 4K로 업스케일하라는 것이다. 업스케일은 만들어진 영상을 더 높은 해상도로 변환하는 작업이다.
이 순서에는 이해하기 쉬운 의도가 있다. 여러 방향을 살펴보는 초기 단계에서부터 모든 후보를 높은 해상도의 최종본으로 다루기보다, 먼저 내용과 구도를 고르고 선택한 클립에 후반 작업을 집중하자는 것이다. 잘못된 부분을 고칠 때도 클립 전체를 새로 만드는 대신 후속 편집을 활용하도록 제안한다. 다만 Google의 발표는 이런 작업 흐름을 비용을 낮추는 방법으로 소개할 뿐, 모든 작업에서 실제로 얼마나 절약되는지 보여 주는 비교 실험은 아니다.
숫자도 범위를 나눠 읽어야 한다. Google은 새 모델의 가격을 이전 Omni 1.1보다 30% 낮췄고, 720p 영상 가격은 초당 0.07달러라고 밝혔다. 이 단가를 단순 적용하면 15초 생성분은 1.05달러다. 이는 발표된 720p 영상 생성 단가에 길이를 곱한 값일 뿐, 수정과 업스케일을 포함한 완성 영상의 청구액이 아니다.
제작 과정에는 처음 만든 영상이 채택되지 않아 다시 시도하는 일도 있고, 수정 결과를 확인하고 발주자와 의견을 주고받는 일도 있다. 선택한 서비스의 이용 조건에 따라 실제로 적용되는 비용을 따져야 한다. 발표에서 확인되는 0.07달러는 720p 영상에 관한 가격이지, 다른 해상도나 앱의 모든 작업에 그대로 적용되는 가격이 아니다.
따라서 “모델 가격 30% 인하”와 “영상 제작비 30% 절감”은 같은 말이 아니다. 단가가 내려가더라도 몇 번 생성하고 수정해야 하는지, 어느 서비스에서 어떤 조건으로 쓰는지에 따라 전체 지출은 달라진다. 반대로 가격표만 보고 편집의 가치를 판단하기도 어렵다. 원하는 부분을 남기면서 수정할 수 있다면 작업 방식에 이점이 생길 수 있지만, 그 이점의 크기는 실제 제작 과정에서 확인해야 한다.
참조 자료는 설명을 대신하는가
영상 제작자는 원하는 모습을 글로만 설명하기 어려울 때가 많다. 제품 사진을 놓고 “이 색과 포장을 유지해 달라”고 하거나, 인물 사진을 보여 주며 “이 사람이 등장해야 한다”고 말하는 편이 구체적이다. 움직임이나 소리 역시 긴 문장보다 짧은 참고 자료로 전달하기 쉬울 수 있다.
Google은 새 모델이 인물·제품·스타일 이미지에 최대 3초의 짧은 동영상과 오디오 단서를 조합해 생성 결과를 유도할 수 있다고 설명한다. 회사가 주장하는 목표는 단순히 처음 장면에서 참고 자료를 닮게 만드는 데 그치지 않는다. 영상이 진행되고 카메라 각도가 달라져도 얼굴, 옷, 제품 포장의 글자, 브랜드 색상 같은 세부 사항을 유지하는 것이다.
발표에 실린 가상 착용 시연이 그 예다. Google은 모델 사진 한 장과 세 벌의 옷을 앞뒤에서 찍은 제품 사진을 사용해 15초 영상을 만들었다고 소개했다. 영상 속 인물이 몸을 돌리고 장면이 이어지는 동안에도 인물의 정체성과 옷의 재단, 늘어지는 모양, 뒷면의 세부 사항을 유지했다는 설명이다.
이 사례에서 눈여겨볼 점은 참조 자료가 요구하는 일을 나눠 준다는 것이다. 모델 사진은 누구를 보여 줄지, 제품 사진은 어떤 옷을 보여 줄지에 관한 단서가 된다. 앞면만으로는 확인하기 어려운 뒷면도 참고 자료에 담을 수 있다. 제작자가 모든 모양을 말로 묘사하는 부담을 줄이려는 접근이다.
하지만 사진을 넣는 것과 결과가 사진을 정확히 재현하는 것은 다른 문제다. 특히 홍보물에서 제품의 형태나 포장 문구는 분위기가 비슷한지만으로 판단하기 어렵다. Google은 일관성이 좋아졌다고 주장하고 선택된 사례를 보여 주지만, 확보된 발표만으로 모든 제품과 움직임에서 얼마나 정확한지는 알 수 없다. 따라서 참조 자료는 원하는 결과를 유도하는 수단으로 이해하고, 완성된 화면은 실제 제품과 대조해 보는 편이 맞다.
Google은 시작 화면과 끝 화면을 연결하는 1.1과 1.2의 비교에서도 지붕 위 고양이에 관한 차이와 국자가 젓가락으로 바뀐 점을 각각 언급했다. 다만 고양이가 어떻게 달라졌는지나 국자의 변화가 한 영상 안에서 일어난 것인지는 설명하지 않았다. 화면 전체의 인상이 이어지는 것과 세부 사물이 그대로 남는 것은 별개의 판단이다.
말과 카메라까지 다루지만, 확인할 장면은 남는다
영상에서 수정할 대상은 배경과 제품만이 아니다. 교육용 설명이나 짧은 홍보 영상에는 말하는 인물과 목소리가 필요할 수 있고, 제품 공간을 소개할 때는 카메라가 어떻게 움직이는지도 중요하다.
Google은 새 모델이 여러 인물의 대화, 목소리 구분, 입 모양과 음성의 일치도 개선했다고 설명한다. 발표의 한 시연에서는 실내 장면 이미지와 네 인물의 외형·입 모양·1초 분량의 음성 참조를 사용해, 각 목소리가 해당 인물에게 배정되는 15초짜리 애니메이션 장면을 만들었다고 밝혔다. 이는 회사가 보여 준 특정 조건의 예다. 모든 대본이나 언어, 모든 인물 조합에서 같은 수준의 결과가 나온다는 비교 자료로 볼 수는 없다.
카메라 움직임도 마찬가지다. Google은 연속적인 이동이나 줌을 더 잘 지시할 수 있다고 소개하며, 건축물 사진 두 장을 참조해 광장에서 건물 안으로 들어가 돔을 향해 올라가는 장면을 시연했다. 이런 기능이 실제로 도움이 되는지는 제작자가 원하는 동선과 화면 전환이 결과에 담겼는지에 달려 있다. 카메라가 화려하게 움직이는 것보다 제품이나 설명 대상이 알아보기 쉽게 보이는지가 더 중요한 영상도 있다.
회사도 빠른 스포츠 동작, 대본의 급격한 변경, 복잡한 물리 표현은 계속 개선 중이라고 밝혔다. 따라서 빠르게 움직이는 인물이나 사물이 중심인 영상에서는 특히 움직임과 장면의 연결을 살펴볼 필요가 있다. 대화로 다시 요청할 수 있다는 것과 복잡한 움직임이 첫 시도부터 정확히 표현된다는 것은 서로 다른 약속이다.
같은 모델이라도 이용 경로는 다르다
발표에 나온 기능을 어디서 어떻게 쓸 수 있는지도 구분해야 한다. Google은 개발자용 Gemini API와 기업용 Google Cloud를 제공 경로로 안내한다. API는 다른 프로그램에서 모델 기능을 불러 쓰는 경로이고, 일반 사용자가 앱 화면에서 직접 영상을 만드는 경험과는 다르다.
일반 사용자를 위한 경로로는 Flow에서 장면을 지시하고 대화식 편집을 할 수 있다고 소개했다. Google Vids에서는 Google 계정 또는 Google Workspace 구독으로 추가 비용 없이 15초 클립을 생성할 수 있다고 밝혔다. Gemini 앱의 15초 영상 생성은 Google AI Ultra 구독자를 대상으로 순차 제공 중이라고 했고, Google Ads에서는 영상 캠페인에 활용하는 경로를 안내했다.
이 설명을 모든 앱에 같은 편집 버튼과 같은 가격이 있다는 뜻으로 읽으면 안 된다. 발표가 각 서비스에 대해 명시한 기능과 이용 조건이 다르기 때문이다. 영상 생성 가격으로 제시된 초당 0.07달러와 Vids의 추가 비용 없는 생성 안내도 각각 제시된 맥락에서 봐야 한다. 사용하려는 서비스에서 필요한 편집을 제공하는지, 자신의 계정에서 이용할 수 있는지, 생성과 후속 작업에 어떤 조건이 붙는지 확인하는 것이 먼저다.
제작자나 발주자가 이번 발표에서 가져갈 질문은 간단하다. “한 번에 잘 나오나”에 더해 “마음에 드는 부분을 남기고 필요한 것만 고칠 수 있나”를 물어볼 수 있게 됐다. 제품과 배경을 바꾸고, 참조 자료로 방향을 잡고, 선택한 초안의 해상도를 높이는 흐름은 Google이 제시한 새로운 작업 방식이다. 실제 편의와 비용은 그 흐름이 자신의 영상과 이용 서비스에서 어떻게 작동하는지 확인한 뒤에 판단해야 한다.