자료·제안서·교육 콘텐츠의 완성도를 가장 빠르게 끌어올리는 방법은 '맞춤 시각/미디어'를 붙이는 것이다. 텍스트만으로도 논리는 전달되지만, 사람의 이해와 신뢰는 대개 시각적 일관성(브랜드 톤), 장면의 구체성(현장감), 소리의 감정선(몰입)에서 결정된다. 이 챕터는 Gemini에서 이미지(Nano Banana), 영상(Veo), 음악(Lyria)을 만들 때의 프롬프트 요령과, 결과를 망치지 않고 빠르게 개선하는 리파인 루틴을 한 번에 정리한다.
텍스트→미디어 생성의 공통 원리: "한 번에 완벽"보다 "짧은 루프"
생성형 미디어는 '정답'을 출력하는 도구가 아니라, 후보를 빠르게 만들어 비교·선택·수정하는 도구다. 특히 이미지/영상은 한 단어가 구도·조명·소품을 연쇄적으로 바꿔서, 처음부터 긴 프롬프트로 과제 전체를 해결하려고 하면 오히려 흔들린다.
최근 텍스트-이미지 분야에서도, 프롬프트만 보지 않고 생성된 이미지를 함께 분석해 다음 프롬프트를 조정하는 반복 리파인 방식이 안전성과 의도 보존에 유리하다고 정리된다.1 다시 말해, 좋은 결과는 "더 길게"가 아니라 "더 짧게, 더 자주"에서 나온다.
이 챕터에서 사용할 공통 루프는 다음과 같다.
베이스 프롬프트(짧게)로 1차 생성
결과를 보고 한 가지 축만 수정(구도/스타일/재질/조명/길이/템포 중 하나)
바뀐 점을 비교하고, 잘된 요소는 고정(락)
목적물(슬라이드/썸네일/강의/광고)에 맞게 출력 제약을 마지막에 얹기
이미지 생성(Nano Banana): "쓰임새 중심"으로 프롬프트를 설계하기
Nano Banana로 이미지를 만들 때 초심자가 가장 많이 놓치는 것은 '예쁜 그림'과 '쓰이는 이미지'의 차이다. 제안서 표지, 강의 슬라이드, 랜딩 페이지 히어로는 대부분 텍스트가 들어갈 자리(여백), 시선의 흐름(좌→우, 상→하), 브랜드 팔레트가 중요하다.
이미지 만들기를 선택하면 나노 바나나가 적용된다.
이미지 프롬프트의 6요소(실무형)
이미지 프롬프트는 아래 순서로 쌓으면 안정적이다. (한 번에 다 넣지 말고, 부족할 때만 추가한다.)
주제(Subject): 무엇을 보여줄지. 추상어(혁신, 신뢰) 대신 구체물('책상 위의…', '회의실에서…')로.
행동/상태(Action/State): 정적인지, 무엇을 하고 있는지.
배경/맥락(Context): 장소/시간/소품/산업 맥락.
조명(Lighting): 자연광/스튜디오/역광/소프트박스 등.
스타일(Style): 사진/일러스트/3D/픽토그램, 혹은 질감(필름 그레인 등).
출력 제약(Output constraints): 비율, 텍스트 안전 영역, 배경 단순화, 로고 공간 등.
텍스트-이미지 프롬프트 모범 사례에서도 주제→장면→조명→스타일→제약 순으로 구체화할수록 결과의 '사용 가능성'이 높아진다고 정리한다.2
"제안서/교육용" 이미지에서 특히 잘 먹히는 제약
제안서·교육 콘텐츠에선 아래 제약이 품질을 좌우한다.
텍스트 안전 영역: "왼쪽 30%는 비워두기", "상단에 제목 공간 확보"처럼 레이아웃을 프롬프트에 포함한다.
브랜드 일관성: "배경은 브랜드 블루 톤, 포인트는 라임", "미니멀, 과장된 대비 금지"처럼 색/톤을 제한한다.
의미가 분명한 상징: 'AI' 같은 단어 대신 "칩 위에 흐르는 데이터 라인"처럼 시각 은유를 구체화한다.
리파인 루틴(이미지): '한 변수만' 바꿔서 안정적으로 개선
이미지 리파인의 핵심은 "한 번에 한 축"이다. 다음 순서를 추천한다.
먼저 구도부터 고정한다. 인물이 들어간다면 시선 방향(카메라를 보는지, 옆을 보는지)과 프레이밍(클로즈업/상반신/전신)을 먼저 잡는다. 그다음 조명과 톤을 잡는다. 마지막으로 디테일(재질, 소품, 배경 요소)을 추가한다.
이 방식은 프롬프트만으로 조정하기보다, 생성된 이미지를 피드백 신호로 삼아 반복 개선하는 접근이 더 낫다는 연구 결과와도 방향이 같다.1
이미지 프롬프트 템플릿 3종
아래 템플릿은 "복붙 후 괄호만 교체"를 목표로 만들었다.
(1) 슬라이드 표지(16:9)
(핵심 주제) 를 상징하는 (구체 오브젝트/장면), (배경 맥락), (조명), (스타일). 16:9, 왼쪽 35% 텍스트 안전 영역, 배경은 단순하고 노이즈 적게, 브랜드 컬러 (색상) 위주.
(2) 개념 설명용 일러스트(강의/블로그 헤더)
(개념 A) 와 (개념 B) 의 관계를 보여주는 인포그래픽 스타일 일러스트. 아이콘은 단순한 선형(line) 스타일, 색상 3개 이내, 라벨 없이도 의미가 보이게, 여백 충분히.
(3) 제품/서비스 목업(광고/랜딩)
프리미엄 제품 사진 스타일의 (제품) 목업, (받침대/테이블) 위, 스튜디오 소프트 라이트, 얕은 심도, 배경은 클린 그라데이션, 로고/텍스트 없는 상태로.
영상 생성(Veo): "장면 묘사"가 아니라 "연출 지시"로 쓰기
Veo는 특히 촬영 언어(샷, 렌즈, 카메라 무브)에 강하다. 그래서 영상 프롬프트는 소설처럼 묘사하기보다, 현장 감독처럼 "무엇을 어떻게 찍을지"를 지시하는 편이 결과가 좋아진다.3
Veo 프롬프트 공식(5요소)
Google Cloud의 Veo 3.1 가이드는 안정적인 결과를 위해 다음 공식을 권한다.3
[Cinematography] + [Subject] + [Action] + [Context] + [Style & Ambiance]
여기서 Cinematography(촬영)가 앞에 오는 이유는, 영상에서 가장 먼저 무너지는 것이 '프레이밍'이기 때문이다. "와이드 샷인지, 클로즈업인지, 카메라가 움직이는지"가 정해지면, 나머지 요소는 비교적 안정적으로 따라온다.
DeepMind의 Veo 프롬프트 가이드도 샷 프레이밍/카메라 모션, 스타일, 조명, 캐릭터 묘사, 위치, 액션, 대사 같은 요소를 분해해 지시하라고 정리한다.4
오디오까지 한 번에: 대사·효과음·환경음
Veo 3 계열은 대사 생성도 지원하므로, 대사는 따옴표로 짧게 넣고, 효과음/환경음을 분리해서 쓰면 제어가 쉬워진다.34
대사: "(문장)" + 목소리 톤(지친 목소리, 속삭임 등)
효과음: SFX: 발자국, 종이 넘기는 소리처럼 구체적으로
환경음: 실내 에어컨 소리, 도시의 먼 소음처럼 배경을 지정
영상 리파인 루틴: '짧게 테스트 → 길게 확장'
영상은 비용·시간이 더 들기 때문에, 먼저 짧은 클립으로 프롬프트를 검증하는 편이 유리하다. 외부 실무 가이드에서도 4초, 720p로 먼저 반복해 프롬프트를 안정화한 뒤 확장하라고 권한다.5
영상 리파인은 다음 순서로 하면 실패 확률이 낮다.
먼저 카메라 지시를 1개만 둔다. "트래킹 + 줌 + 패닝"처럼 경쟁하는 움직임을 한 프롬프트에 넣으면 결과가 흐려진다. 다음으로 주인공과 행동을 한 문장으로 고정한다. 그다음 배경(장소, 시간대)과 조명을 다듬고, 마지막에 스타일(필름 룩, 다큐 룩)과 오디오를 얹는다.3
이미지→영상 워크플로: 시작/끝 프레임으로 '의도'를 잠그기
Veo 3.1 가이드는 Nano Banana로 시작 프레임/끝 프레임을 만든 뒤, 그 사이 전환을 Veo로 생성하는 워크플로를 제시한다.3 이 방식은 "내가 원하는 구도"와 "마지막 장면의 정보"를 이미지로 고정해, 텍스트만으로 지시할 때보다 흔들림이 적다.
업무에서 특히 잘 맞는 케이스는 다음 두 가지다.
제안서용 제품 히어로 샷: 시작은 제품 클로즈업, 끝은 제품+사용 맥락 와이드로 전환
교육용 장면: 시작은 칠판/슬라이드, 끝은 학습자가 고개를 끄덕이는 리액션 샷으로 전환
Veo 프롬프트 템플릿 2종
(1) 발표/세미나 오프닝 B-roll(16:9, 6~8초)
Wide shot, steadicam tracking forward through a modern conference hallway. A speaker in business casual walks toward the stage entrance, checking notes on a tablet. Morning light from large windows, clean corporate aesthetic, subtle film grain. Audio: soft crowd murmur, distant microphone test.
(2) 제품 데모(9:16, 4~6초)
Close-up shot of hands using a smartphone app, shallow depth of field. The camera performs a gentle push-in as the user taps "Generate report". Bright natural window light, premium minimal style. Audio: subtle UI tap sounds, calm ambient synth pad.
음악 생성(Lyria): "장르·감정·악기·템포·전개"만 잡아도 80점
음악은 영상·슬라이드에 '접착제'처럼 붙는다. 같은 장면이라도 배경음악이 달라지면 메시지가 완전히 달라진다.
Lyria의 공식 가이드는 초심자에게는 단순 프롬프트, 중급자에게는 구조화 프롬프트를 권한다.6 Vertex AI 문서도 좋은 프롬프트의 핵심을 "명확하고 설명적"이라고 정의하고, 장르/분위기/악기/템포/구조/사운드스케이프/제작 품질을 단계적으로 추가하라고 정리한다.7
Lyria 프롬프트의 기본 블록
실무에서 가장 재현성 좋은 블록은 다음 다섯 가지다.67
장르·시대: "90년대 붐뱁", "영화 오케스트라"처럼 시대를 붙이면 흔들림이 줄어'보다 "교육 영상 오프닝에 어울리는 산뜻함"처럼 상황을 명시한다.
악기(2~4개): 핵심 악기만 지정하고 나머지는 모델에 맡기면 과밀해지지 않는다.
템포/에너지: BPM 또는 "느린 발라드/업템포"로 방향을 고정한다.
전개(구조): "인트로는 미니멀, 후반부에 확장"처럼 성장 방향만 준다.
이미지→음악: 썸네일/표지와 '정서'를 맞추기
Lyria는 이미지 기반 프롬프트도 지원한다. 공식 가이드는 사진을 업로드하고, 인물/장소/상황을 모델이 해석해 분위기를 음악으로 번역한다고 설명한다.6 이 기능은 교육 콘텐츠에서 특히 유용하다.
예를 들어, 강의 표지 이미지가 차분한 파란 톤이라면, 음악도 "맑고 낮은 에너지, 공간감 있는 리버브"로 맞춰야 시청자가 '같은 브랜드'로 인식한다.
(Vertex/개발 환경) 부정 프롬프트로 산만함 제거
배경음악은 '좋은 곡'보다 '방해하지 않는 곡'이 중요할 때가 많다. Vertex AI의 Lyria 문서는 원치 않는 요소를 제외하기 위해 negative_prompt를 사용하라고 안내한다.7
예:
vocals
sudden dynamic changes
excessive cymbal crashes
처럼 "빼고 싶은 요소"를 목록으로 두면, 집중용/설명용 트랙의 산만함이 줄어든다.7
Lyria 프롬프트 템플릿 3종
(1) 강의/튜토리얼 배경음(집중형)
차분한 lo-fi 힙합 비트. 따뜻한 더스티 피아노, 부드러운 붐뱁 드럼, 느린 템포(약 70BPM), 과한 전개 없이 일정한 에너지. 보컬 없음.
(2) 제품 소개 영상(밝고 전문적)
모던 일렉트로닉 팝. 선명한 신스 훅, 깔끔한 드럼, 업템포(120BPM). 인트로 5초는 빌드업 후 밝게 열리는 느낌. 광고용으로 과장되지 않게, 스튜디오급 믹스.
(3) 이미지 기반(표지/썸네일과 분위기 매칭)
(이미지 업로드) 이 이미지의 분위기(차분한 아침/활기찬 도시/따뜻한 가족)를 살린 (장르) 트랙. 악기: (2~3개). 에너지: (낮음/중간). 보컬: (없음/여성 소프트/남성 내레이션 톤).
최종 품질을 올리는 리파인 체크리스트: "고치기"보다 "고정하기"
리파인에서 중요한 것은 나쁜 것을 고치는 능력보다, 좋아진 요소를 다시 잃지 않는 능력이다. 그래서 매 반복마다 '고정할 것'을 먼저 정한다.
이미지/영상/음악 공통 점검 6문장
결과물을 보고 아래 문장을 Yes/No로 체크하면, 다음 수정이 명확해진다.
지금 결과는 목적물(슬라이드/광고/강의)에서 바로 쓸 수 있는 구도인가?
시선이 제목/핵심 정보가 들어갈 자리로 흐르는가?
브랜드 톤(색/질감/리듬)이 이전 자료와 같은 계열인가?
과한 요소(소품, 배경 잡음, 과장된 카메라 무브)가 메시지를 방해하는가?
한 번 더 만들 때, 바꿔야 할 것은 딱 한 가지로 말할 수 있는가?
'더 디테일'이 필요한가, 아니면 '더 단순화'가 필요한가?
한 번에 하나만 바꾸는 '변수 우선순위'
막혔을 때는 다음 순서로만 조정해도 대부분 해결된다.
프레이밍/구도(무엇이 얼마나 보이냐)
조명/톤(어떤 감정이냐)
디테일/소품(무슨 정보가 추가되냐)
스타일 키워드(어떤 재질/제작 방식이냐)
출력 제약(비율, 여백, 길이, 템포)
안전·저작권·투명성: "닮게"보다 "새롭게"
텍스트-이미지/영상 프롬프트는 의도치 않게 민감한 표현을 유도할 수 있으므로, 생성 결과를 보고 위험 요소를 제거하는 반복 리파인 접근이 안전성을 높인다는 연구 흐름을 기억하자.1
Lyria(특히 Vertex AI 문서)는 안전 필터 적용을 명시하고, 문제 사례 신고와 가이드라인 준수를 안내한다.7
Veo 3.1은 생성물에 SynthID 워터마킹이 적용된다고 안내된다.3 교육·마케팅 자료에 사용할 때는 "AI로 생성된 미디어"를 내부 정책에 맞게 표기하는 편이 장기적으로 리스크가 낮다.
미디어를 붙이는 가장 실용적인 순서(업무 기준)
업무에서 가장 빠른 루트는 '멋진 것'이 아니라 '전달되는 것'을 먼저 만든 다음, 품질을 올리는 것이다.
먼저 Nano Banana로 표지/히어로 이미지를 확정한다. 다음으로 그 이미지를 시작·끝 프레임으로 활용해 Veo에서 6~8초 B-roll을 뽑는다.3 마지막으로 Lyria로 감정선을 맞춘 30초 트랙을 만들어, 영상/슬라이드의 리듬을 붙인다.67
이 순서가 좋은 이유는, 시각 톤이 먼저 고정되면 오디오가 따라가기 쉽고, 영상은 시작·끝 프레임으로 흔들림을 줄일 수 있기 때문이다.3
참고
1Iterative Prompt Refinement for Safer Text-to-Image Generation (arXiv:2509.13760)
2Enhancing Text-to-Image Prompts: Techniques and Best Practices
3The ultimate prompting guide for Veo 3.1 (Google Cloud Blog)
4How to create effective prompts with Veo 3 (DeepMind)
5Veo 3.1 Prompt Guide: Master AI Video Generation With Expert Techniques
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.