구글, 제미나이 이미지 생성 가이드 공개: 캐릭터 일관성과 부분 편집 팁

지금까지 생성형 AI로 이미지를 수정할 때 가장 답답했던 점은 특정 부분만 바꾸려 해도 전체 이미지가 완전히 엉뚱하게 다시 그려진다는 점이었습니다. 셔츠 색상만 바꾸고 싶었을 뿐인데 얼굴과 헤어스타일, 배경 구도까지 한 번에 날아가는 일이 흔했습니다.

Google이 8월 26일 차세대 이미지 생성 및 편집 모델인 Gemini 2.5 Flash Image를 공개했습니다. 이 모델은 Gemini 앱 전 사용자에게 배포되며, 개발자는 Google AI Studio와 Vertex AI, Gemini API를 통해 바로 이용할 수 있습니다. 최근 글로벌 블라인드 테스트 플랫폼인 LM Arena에서 'nano-banana'라는 가명으로 2위인 Flux-Kontext를 큰 점수 차로 제치고 이미지 편집 부문 1위를 휩쓸었던 수수께끼 모델의 정체가 드러난 셈입니다.

자연어로 주고받는 정밀 편집과 캐릭터 일관성

Gemini 2.5 Flash Image의 핵심은 텍스트와 이미지를 처음부터 단일 단계에서 처리하도록 설계된 네이티브 멀티모달 아키텍처입니다.

이 구조 덕분에 대화형 부분 편집 성능이 크게 향상되었습니다. 거실 이미지를 먼저 생성한 뒤 "소파를 짙은 네이비색으로 바꿔줘", "커피 테이블 위에 책 세 권을 올려줘"라고 순차적으로 명령해도 배경 구조와 조명을 왜곡하지 않고 해당 요소만 콕 집어 수정합니다.

동일한 캐릭터를 여러 장면에 걸쳐 유지하는 캐릭터 일관성도 개선되었습니다. 첫 프롬프트에서 정의한 캐릭터의 외형을 유지한 채 다음 프롬프트에서 다른 포즈나 배경 속으로 이동시킬 수 있습니다. 또한 삼단 케이크를 들고 있는 사람이 발이 걸려 넘어졌을 때 일어날 상황을 물리 법칙과 현실 상식에 기반해 예측 묘사하거나, 우주인 사진과 열대우림 농구장 사진을 합성하는 복합 작업도 매끄럽게 처리합니다.

API 및 AI Studio 이용 가격은 장당 0.039달러로 책정되어 OpenAI의 gpt-image나 Black Forest Labs의 Flux-Kontext보다 소폭 저렴합니다. 다만 Google은 화면 비율 유지 실패, 복잡한 타이포그래피 오탈자, 일부 스타일 왜곡 등 여전히 개선해야 할 한계가 존재한다고 덧붙였습니다.

왜 중요한가

콘텐츠 제작자나 디자이너, 1인 개발자라면 지금 즉시 작업에 도입해 볼 가치가 충분합니다. 기존 AI 이미지 도구는 완벽한 결과물이 나올 때까지 무한정 다시 뽑아야 하는 '뽑기'에 가까웠고 세부 수정은 포토샵에 의존해야 했습니다. 하지만 자연어 대화만으로 단계별 정밀 수정이 가능해지면서 스토리보드 구상이나 제품 목업 제작 등 실제 상용 워크플로에 도입하는 문턱이 크게 낮아졌습니다.

업계 차원에서는 Google이 OpenAI를 따라잡기 위한 강력한 승부수를 던진 것으로 보입니다. 지난 3월 OpenAI가 GPT-4o 기반 네이티브 이미지 생성으로 폭발적인 인기를 끌며 ChatGPT의 주간 활성 사용자 7억 명 돌파를 견인한 반면, 7월 기준 Gemini의 월간 활성 사용자는 4억 5천만 명 수준에 머물렀습니다. Meta가 Midjourney 기술 라이선스를 체결하는 등 시각 모델 경쟁이 가열되는 가운데, Google이 벤치마크 1위 성능의 모델을 공격적인 가격에 개방한 것은 이용자 파이를 뺏어오려는 계산입니다.

저희는 Google이 화려한 해상도 경쟁 대신 '명령어 순응도'와 '연속 편집 제어력'이라는 실무적 핵심에 집중한 선택이 매우 영리했다고 평가합니다. 창작자에게 필요한 것은 수정 불가능한 고화질 이미지보다 원하는 대로 제어되는 도구이기 때문입니다. 다만 과거 인물 생성 왜곡으로 모델을 내렸던 전력이 있는 만큼, 워터마크 부착과 딥페이크 방지 안전망을 유지하면서도 창작자의 자유도를 어디까지 보장할 수 있을지가 장기적인 성패를 가를 것으로 보입니다.