8월 27일 구글이 영상 생성 모델 Gemini Omni 1.1 Flash를 개발자에게 공개했다. 같은 날 Google AI 스튜디오에서 이용할 수 있게 됐고, Gemini 엔터프라이즈 에이전트 플랫폼 API에도 동시에 연동됐으며, Google Flow와 Gemini 앱은 Plus·Pro·Ultra 구독자를 대상으로 순차 적용됐다. 구글은 공식 블로그에서 이번 버전에 대해 다음과 같이 규정했다.
"Omni 1.1 is production-ready for professional use via the Gemini API."
(Omni 1.1은 Gemini API를 통해 전문가용 실제 제작에 투입할 수 있는 수준에 도달했다)
이어 찍기 참조 구간이 1초에서 10초로 늘었다
가장 실질적인 변화는 장면 연속성 부분이다. 6월 말 버전은 영상을 이어 붙일 때 마지막 1초만 참조했다. 모델이 얻는 정보는 정지 화면 한 장과 거의 같은 수준이어서, 카메라가 어느 방향으로 움직이고 있는지, 인물의 손동작이 어디까지 진행됐는지 판단할 수 없었다. 그 결과 이어진 영상은 종종 세트가 바뀐 것처럼 보였다—장면을 넘나드는 인물 일관성을 유지하지 못한다는 점은 구글 스스로 이전 버전 설명 자료에서 인정한 바 있다.
1.1은 이 참조 구간을 앞선 10초로 확장했다. 이어 붙이기 자체는 여전히 10초 단위로 진행되지만, 누적 길이는 최대 40초까지 쌓을 수 있게 됐다. 함께 추가된 기능은 첫 프레임과 마지막 프레임을 모두 지정할 수 있다는 점이다. 전환 방식은 "생성한 뒤 고르는" 방식에서 "양 끝을 먼저 고정하고 중간을 모델이 채우는" 방식으로 바뀌었다. 스토리보드 작업을 해본 사람이라면 익숙한 로직으로, 키프레임만 고정되면 중간 동작도 비로소 추론할 근거가 생긴다.
드래프트 모드, 4K 업스케일, 3초 영상 레퍼런스
나머지 변화는 모두 워크플로를 겨냥한다. 새로 추가된 360p 드래프트 모드는 720p 대비 최대 60% 빠르게 결과물을 뽑아내며, 구도를 빠르게 걸러내는 데 쓰인다. 컷이 확정된 뒤에는 4K로 업스케일할 수 있다. 멀티모달 입력 쪽에는 영상 레퍼런스가 새로 추가됐는데, 한 번에 최대 3초까지 넣을 수 있다. 이전에는 텍스트와 이미지만 입력할 수 있었다. 최종 출력은 1080p와 4K 두 단계로 제공된다.
영상 레퍼런스가 바꾸는 것은 입력 방식이다. 이전에는 특정 카메라 워크를 모델에게 익히게 하려면 "천천히 왼쪽으로 패닝, 약간의 핸드헬드 흔들림" 같은 텍스트 설명에 의존할 수밖에 없었고, 모델이 어디까지 의도를 파악하는지는 운에 맡겨야 했다. 이제는 3초짜리 샘플 영상을 그대로 넣을 수 있다. 3초로는 장면 하나를 통째로 담을 수 없지만, 카메라 워크 하나 또는 동작 루프 하나를 온전히 담기에는 충분하며, 통일된 영상 언어가 필요한 시리즈물에는 프롬프트 10줄을 쓰는 것보다 훨씬 수고를 던다. 360p 드래프트 모드와는 세트로 작동하도록 설계됐다. 먼저 저해상도로 리듬, 구도, 카메라 움직임 같은 구조적인 요소를 확정한 뒤 고해상도로 전환해 디테일을 채우면 되고, 매번 전체 가격을 지불할 필요가 없다.
40초짜리 영상 한 편에 드는 비용
이번에 구글은 해상도별 초당 단가를 따로 공개하지 않고, 요금 문서에 환산 기준만 남겼다. 영상 출력은 토큰 단위로 과금되며, 720p는 초당 5792토큰에 해당하고, 표준 등급 영상 출력은 100만 토큰당 17.50달러다. 역산하면 초당 약 0.10달러가 된다. 이 수치는 6월 말 버전과 같으며, 두 달째 변동이 없다.
720p 기준으로 대략 계산하면, 40초짜리 연결 영상 한 편은 약 4달러다. 드래프트 모드 비용은 별도로 계산해야 한다. 먼저 360p로 구도 10안을 3안으로 추려낸 뒤, 남은 3안을 720p나 1080p로 최종 출력한다면, 같은 예산으로 카메라 워크 시험을 두 라운드 더 진행할 수 있다. 1080p와 4K의 실제 단가는 구글이 공개하지 않았다. 토큰 과금 규칙으로 미루어 보면 해상도가 높을수록 단위 시간당 토큰 수가 늘고 단가도 올라갈 것으로 보이지만, 구체적인 배수는 문서 보완을 기다려야 한다.
계속 뒤로 밀리는 영상 길이의 한계선
Omni 제품 라인을 이어서 보면 흐름이 꽤 뚜렷하다. 6월 말 프리뷰 버전은 한 컷 상한이 10초, 초당 0.1달러라는 한계가 명확했다. 두 달 뒤인 지금, 한 컷의 길이 자체는 그대로지만 세 번 더 이어 붙일 수 있게 되면서 총 길이는 4배로, 컨텍스트 윈도는 10배로 늘었다. 구글이 택한 방식은 구간을 나눠 이어 붙이는 방식이다. 한 번의 생성 길이 자체를 늘리는 대신, 각 구간이 다음 구간에 정확히 이어지도록 해 총 길이를 쌓아 올린다. 이 방식은 VRAM과 추론 비용 면에서는 유리하지만, 그 대가로 이음매의 안정성을 컨텍스트 윈도로 버텨야 한다. 참조 구간을 1초에서 10초로 늘린 것이 바로 이 구멍을 메우기 위한 조치다.
40초로는 완결된 광고 영상을 만들 수 없지만, SNS에서 주로 쓰이는 10~20초짜리 짧은 영상이라면 한 컷으로 충분하고 두 컷이면 편집 여유까지 생긴다. 구글이 블로그에 "전문가용 실제 제작에 투입할 수 있는 수준"이라고 적은 것은, 물량은 많지만 편당 가치는 높지 않으면서도 최소한의 일관성은 요구되는 이런 작업을 겨냥한 베팅으로 보인다.
참고 출처: Google Developer Blog, Google DeepMind, CocoLoop, Gemini API 요금 문서. 초당 단가 환산 근거는 720p 기준 초당 5792토큰, 표준 등급 영상 출력 100만 토큰당 17.50달러 수치로 검증했다.