구글, 새 비디오 모델 '제미나이 옴니' 공개: 대화형 영상 편집 지원

오픈AI가 소라 앱 서비스를 중단한 이후 생성형 비디오 시장이 숨고르기에 들어간 사이, 구글이 완전히 새로운 카드를 꺼내들었다.

구글의 차세대 멀티모달 모델 '제미나이 옴니'의 정체가 유출과 초기 테스트를 통해 공개됐다. 단순히 텍스트를 영상으로 바꾸는 수준을 넘어, 제미나이의 두뇌를 비디오 렌더링에 직접 결합한 모델이다.

가장 먼저 출시되는 모델은 10초 분량의 영상을 생성하는 '제미나이 옴니 플래시'로, 제미나이 앱과 유튜브 쇼츠, 창작 도구 플로우에 순차적으로 적용된다.

텍스트 추론과 비디오의 결합

기존 비디오 생성 모델들은 주로 픽셀을 통계적으로 조합하는 방식이라 물리 법칙이 어긋나거나 글자가 뭉개지는 문제가 잦았다.

제미나이 옴니는 텍스트, 이미지, 오디오, 비디오를 단일 신경망에서 함께 추론하는 네이티브 멀티모달 구조를 택했다. 화면을 그리기 전에 세상의 물리 법칙과 과학적 맥락을 먼저 이해한다는 뜻이다.

공개된 초기 테스트 중에는 교수가 칠판에 삼각함수 항등식 증명 과정을 적으며 설명하는 영상이 포함됐다. 수식이 뭉개지지 않고 정확히 칠판에 적히며, 설명 단계와 손동작이 자연스럽게 맞아떨어졌다. 과거 AI 비디오의 대표적 밈이었던 스파게티 먹는 장면 역시 야외 테라스에서 자연스럽게 식사하는 모습으로 구현됐다.

다만 초기 사용자 인터페이스에 따르면, 이 두 번의 생성 작업만으로 AI 프로 요금제의 일일 사용량 86%가 소진될 만큼 연산 요구량이 상당한 것으로 나타났다.

대화로 수정하고 아바타까지 제작

제미나이 옴니의 진가는 대화형 비디오 편집에서 드러난다.

이전에는 생성된 영상의 일부가 마음에 들지 않으면 처음부터 다시 뽑아야 했다. 옴니는 채팅창에 "조각상을 비눗방울 재질로 바꿔줘"라고 입력하면, 카메라 구도와 조명을 그대로 유지한 채 대상의 질감만 바꿀 수 있다.

또한 이용자의 얼굴과 음성을 학습해 디지털 아바타를 만드는 기능도 탑재됐다. 딥페이크 악용을 막기 위해 화면에 뜨는 숫자를 직접 소리 내어 읽는 인증 절차를 거쳐야 하며, 생성된 모든 비디오에는 눈에 보이지 않는 신스ID 워터마크가 적용된다.

플래시 모델의 영상 길이가 10초로 제한된 것에 대해 딥마인드 팀은 모델의 한계라기보다 소비자들이 손쉽게 숏폼이나 밈을 만들 수 있도록 진입 장벽을 낮춘 선택이라고 설명했다. 다만 프롬프트가 구체적이지 않으면 원치 않는 부분까지 과도하게 수정될 수 있다는 주의점도 덧붙였다.

왜 중요한가

구글은 비디오 생성 AI의 경쟁 규칙을 '무작위 뽑기'에서 '대화형 제작 도구'로 바꾸고 있다.

창작자 입장에서 자연어 대화로 결과물을 단계별로 수정할 수 있다는 점은 엄청난 실용성을 갖는다. 10초 길이라도 쇼츠 같은 플랫폼에서 정확한 텍스트 렌더링과 디지털 아바타를 활용할 수 있다면 매일 쓰는 작업 도구로 자리잡을 가능성이 높다.

업계 전반으로 보면, 네이티브 멀티모달 추론이 비디오 생성의 고질병인 물리 오류와 텍스트 뭉개짐을 해결하는 유효한 열쇠임이 증명됐다. 경쟁사들 역시 단순 확산 모델 크기를 키우는 데서 벗어나 세계 모델과 추론 능력을 결합해야 하는 압박을 받게 될 것이다.

구글이 플래시 모델로 대중적인 서비스부터 공략하는 방식은 영리해 보인다. 하지만 초기 유출에서 드러난 막대한 컴퓨팅 비용과 세밀한 프롬프트를 요구하는 편집 난이도를 어떻게 대중화할지가 향후 성패를 가를 것으로 보인다.