Gemini Omni 1.2 Flash 운영 중

Gemini Omni 1.2 Flash는 Google DeepMind가 출시한 동영상 생성 모델로, 전면 상용화되었습니다. Gemini Omni 1.2 Flash는 한 번에 15초 동영상을 생성하고, 초 단위 길이 지정, 대화형 멀티턴 수정, 참조 이미지를 통한 캐릭터 일관성 유지를 지원합니다. 720p 기준 초당 0.07달러로 이전 세대보다 30% 저렴합니다. 현재 Gemini API, Vids, Gemini 앱, Google Ads에 통합되어 전자상거래 소재와 광고 숏폼의 대량 제작을 지원합니다.

15초 기본 생성: 한 번에 최대 15초 동영상을 생성하며, 길이를 3초에서 15초 사이에서 1초 단위로 지정할 수 있습니다.
대화형 멀티턴 편집: 동일한 동영상에서 매 턴 배경 교체, 조명 조정, 화면비 변경이 가능하며 다시 생성할 필요가 없습니다.
멀티모달 참조 준수: 캐릭터 이미지, 제품 이미지, 동작 클립, 오디오 단서를 조합해 여러 장면에서 얼굴, 의상, 패키지 글꼴과 브랜드 색상을 일관되게 유지합니다.
시작·끝 프레임 보간: 시작과 마지막 화면 사이에 연속적인 장면을 자동 생성하며, 물체와 환경이 프레임마다 흔들리지 않습니다.
기본 동기화 오디오: 대사의 립싱크가 더 정확하고, 여러 인물이 등장하는 장면에서는 서로 다른 샘플 음성을 해당 인물에게 라우팅할 수 있습니다.
영화적 카메라 워크: FPV 통과 촬영, 회전, 급격한 줌아웃 등 복잡한 카메라 움직임에서 장면 전환이 크게 줄어듭니다.
단계적 비용 절감 워크플로: 먼저 360p/720p로 초안을 만들고 만족스럽지 않은 부분만 수정한 뒤, 최종적으로 1080p 또는 4K로 업스케일합니다.
기업용 지원: 출력물에 SynthID 비가시성 워터마크가 포함되며, Provisioned Throughput 예약 처리량을 지원합니다.

참조 조건 주입과 시공간 어텐션: 참조 이미지, 동작 클립, 오디오 단서를 조건 정보로 인코딩해 텍스트 프롬프트와 함께 생성 결과를 제약합니다. 공간 어텐션은 단일 프레임의 구도와 세부 표현을 담당하고, 시간 어텐션은 프레임 간 정체성과 움직임의 연속성을 담당합니다. 이는 여러 장면에서 캐릭터가 흔들리지 않도록 하는 핵심 메커니즘입니다.
대화형 편집의 상태 유지: 각 편집 지시를 새로운 컨텍스트로 동일한 생성 세션에 전달합니다. 모델은 기존 동영상 조건을 바탕으로 지정된 요소만 재구성하고, 나머지 화면의 연기, 빛과 그림자, 구도를 유지합니다. 본질적으로 편집을 조건부 재생성 문제로 모델링한 방식입니다.
오디오·비디오 동시 pass 생성: 오디오는 비디오와 같은 순방향 생성 과정에서 화면과 함께 출력됩니다. 모델은 화면 콘텐츠를 바탕으로 대사, 효과음, 환경음을 추론하며, 1.2 버전에서는 여러 화자 조건을 추가해 샘플 음성을 해당 캐릭터에 배정하고 립싱크를 구동합니다.
엔지니어링 기반 비용 절감: 저해상도 초안과 4K 업스케일링이 동일 모델의 서로 다른 출력 등급을 공유합니다. 초당 과금 토큰 가격 체계와 결합해 비용과 화질을 분리할 수 있습니다.

진입 경로 선택: 개발자는 Google AI Studio에서 코드 없이 체험하고, 기업 사용자는 Google Cloud Console을 이용하며, 일반 사용자는 Flow, Vids 또는 Gemini 앱을 사용합니다.
권한 활성화: API와 AI Studio를 사용하려면 유료 계정을 연결해야 하며, Gemini 앱의 15초 생성 기능은 현재 AI Ultra 구독자만 이용할 수 있습니다.
프롬프트 작성: 장면을 설명하고, 일관성 유지가 필요할 때는 참조 이미지와 최대 3초 길이의 동작 또는 오디오 클립을 업로드합니다.
길이와 사양 설정: 3초에서 15초 사이에서 길이를 1초 단위로 지정하고, 비용 관리를 위해 360p 또는 720p 해상도로 시작합니다.
생성 및 확인: 먼저 저해상도 초안의 결과를 확인하며, 출력물에는 기본적으로 SynthID 워터마크가 포함됩니다.
대화형 수정: 자연어로 배경, 조명, 날씨 또는 화면비를 여러 차례 조정할 수 있어 전체 영상을 다시 만들 필요가 없습니다.
업스케일링 및 내보내기: 이상이 없는지 확인한 뒤 1080p 또는 4K로 높이며, 최종 출력 해상도와 초 단위 길이에 따라 비용이 청구됩니다.
통합 및 배포: 개발자는 Gemini API를 통해 자체 워크플로에 연결할 수 있습니다.

충분한 길이: 한 번에 최대 15초 동영상을 기본 생성하고 길이를 1초 단위로 지정할 수 있어, 완성형 소셜 광고나 제품 설명 영상 제작에 적합합니다.
낮은 비용: 720p 기준 초당 0.07달러로 이전 세대보다 30% 저렴합니다. 저해상도 초안과 필요한 부분만 수정하는 워크플로를 함께 사용하면 제작 비용을 더욱 줄일 수 있습니다.
효율적인 영상 수정: 대화형 멀티턴 편집이 전체 15초 구간을 지원하므로 배경 교체, 조명 조정, 화면비 변경을 위해 전체 영상을 다시 만들 필요가 없습니다.
강력한 일관성: 참조 이미지, 동작 클립, 오디오 단서를 조합해 제약하므로 여러 장면에서 얼굴, 의상, 패키지 글꼴이 흔들리지 않습니다.
영화적인 장면: FPV 통과 촬영, 회전, 급격한 줌아웃 등 복잡한 카메라 움직임에서 장면 전환이 크게 줄어 전문적인 영상에 가까운 결과를 제공합니다.
오디오·영상 동기화: 오디오가 화면과 함께 동시 생성되며, 여러 인물이 등장하는 장면에서는 적합한 음성을 자동으로 배정하고 립싱크를 구동합니다.

프로젝트 공식 웹사이트: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/

전자상거래 소재 대량 제작: 동일한 제품 참조 이미지로 배경, 조명, 화면비가 다른 15초 숏폼을 대화형으로 여러 버전 제작해 다양한 광고 게재 위치에 바로 적용할 수 있습니다.
광고 변형 버전 배포: 하나의 원본 영상을 타깃과 채널에 맞춰 대량 파생하고, 재생성 대신 멀티턴 편집을 사용해 A/B 테스트 비용을 크게 줄일 수 있습니다.
가상 피팅 및 제품 시연: 참조 이미지로 모델의 정체성과 의상 세부 사항을 고정한 뒤 360도 회전과 코디 시퀀스를 생성합니다. Whering은 이를 실시간 가상 착용 기능에 활용하고 있습니다.
소셜 숏폼 제작: 일반 Google 계정으로 Vids에서 15초 클립을 무료 생성할 수 있어, 개인 크리에이터도 비용 부담 없이 영상을 제작할 수 있습니다.
영상 사전 시각화 및 VFX 러프 편집: 저해상도 초안으로 복잡한 카메라 움직임과 장면 언어를 확인한 뒤 만족하면 4K로 업스케일해 납품할 수 있습니다. Monks는 이미 이 모델을 시각효과 파이프라인에 통합했습니다.