AI 영상 모델에서 손가락은 오래된 약점으로 꼽혀 왔다. 하지만 최근 Gemini Omni가 손가락으로 10까지 세는 영상을 생성한 사례에서 더 중요한 포인트는 손 모양 자체가 아니다. 프롬프트에는 “1초마다 새 숫자를 표시하라”, “5보다 큰 숫자에는 두 손을 사용하라”는 조건이 포함됐고, 게시물 작성자는 모델이 1부터 5까지는 일관되게 잘 수행했다고 밝혔다.
이 사례가 흥미로운 이유는 하나다. AI 영상의 품질을 판단하는 기준이 단순한 이미지 완성도에서 시간에 따른 지시 이행 능력으로 옮겨가고 있기 때문이다.
Gemini Omni는 어떤 모델인가
Gemini Omni는 텍스트, 이미지, 오디오, 비디오를 조합해 영상을 생성할 수 있는 구글의 멀티모달 비디오 모델이다.1 즉, 한 가지 입력만 처리하는 도구가 아니라 여러 형식의 정보를 함께 이해하고 영상 제작에 반영하는 모델이다.
첫 공개 모델은 Gemini Omni Flash다. 구글은 이 모델을 Gemini 앱, Google Flow, YouTube Shorts에 배포한다고 밝혔다.1 이는 Omni가 연구실용 데모에 머무는 것이 아니라, 실제 사용자가 영상을 만들고 수정하는 제작 환경으로 들어간다는 뜻이다.
왜 ‘손가락 세기’가 의미 있는 테스트인가
손가락으로 숫자를 세는 장면은 단순해 보이지만 영상 모델에는 까다로운 과제다. 숫자는 순서대로 바뀌어야 하고, 손 모양도 그에 맞춰 변해야 한다. 여기에 “1초마다 새 숫자”라는 시간 조건과 “6부터는 두 손”이라는 동작 조건까지 붙으면 난도는 더 올라간다.
이런 테스트는 한 장면이 얼마나 예쁜지보다 모델이 다음을 얼마나 잘 유지하는지 보여준다.
시간의 흐름
이전 프레임과의 일관성
프롬프트 조건의 지속적 반영
신체 동작과 숫자 의미의 연결
따라서 손가락 세기 사례는 “손을 잘 그렸는가”보다 “지시를 시간 속에서 얼마나 안정적으로 수행했는가”를 보는 데 더 가깝다.
Omni의 핵심은 생성보다 ‘편집 가능한 영상’에 있다
Gemini Omni의 방향도 이 지점과 맞닿아 있다. 구글은 Gemini Omni Flash가 대화형 자연어 지시로 영상을 편집할 수 있다고 설명한다.1 또한 여러 차례의 편집 지시가 이어져도 이전 장면의 맥락을 유지하도록 설계됐다고 밝혔다.1
이 차이는 실제 제작 과정에서 중요하다. 영상 제작자는 처음부터 완벽한 결과물을 뽑기보다, 장면을 만든 뒤 계속 수정한다. 예를 들어 환경, 카메라 각도, 스타일, 세부 요소를 바꾸면서도 전체 맥락은 유지돼야 한다. Omni는 이런 편집 흐름을 지원하는 방향으로 설계됐다.1
결국 제작자의 역할도 달라진다. 단순히 프롬프트 한 줄로 결과를 뽑는 사람이 아니라, 장면의 의도와 수정 방향을 지시하는 디렉터에 가까워진다.
판단 기준은 여전히 필요하다
물론 이번 사례만으로 Omni가 모든 영상 생성 문제를 해결했다고 볼 수는 없다. 구글의 모델 카드도 완전한 일관성 유지, 복잡한 움직임, 정확한 텍스트 렌더링은 여전히 어려운 과제라고 밝힌다.2
그래서 Omni 같은 AI 영상 모델을 볼 때는 “영상이 그럴듯한가”만으로 평가하기 어렵다. 더 실용적인 질문은 다음에 가깝다.
프롬프트의 조건을 끝까지 유지하는가
장면이 바뀌어도 맥락이 이어지는가
수정 지시를 반복해도 결과가 무너지지 않는가
시간, 동작, 의미가 함께 맞아떨어지는가
특히 교육 영상, 제품 광고, 숏폼 콘텐츠처럼 짧지만 수정이 잦은 작업에서는 이 기준이 중요하다. 생성 품질만큼이나 편집 안정성이 실제 생산성을 좌우하기 때문이다.
결론: 중요한 것은 손이 아니라 시간 속의 일관성이다
손가락 세기 테스트는 작은 장면이지만, AI 영상 모델의 중요한 방향을 보여준다. 앞으로의 경쟁력은 단순히 더 선명하고 화려한 영상을 만드는 데서 끝나지 않는다.
핵심은 모델이 시간 속에서 의미와 동작을 유지하고, 사용자의 지시를 반복적인 편집 과정에서도 안정적으로 반영할 수 있는가다. Gemini Omni를 볼 때 주목해야 할 지점도 바로 여기에 있다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.