공개 노트

Gemini Omni: '만드는 AI'에서 '편집하는 AI'로 넘어가는 분기점

2026-08-10Views 18약 4분생성형 AI 활용

Summary

AI가 영상을 ‘만들어 주는’ 시대는 이미 왔다. 이제 남은 질문은 하나다. “만든 다음에, 내가 원하는 대로 고칠 수 있는가?”

2026년 5월 구글이 공개한 Gemini Omni—그중에서도 경량 모델인 Gemini Omni Flash—는 이 질문에 답하는 모델이다. 단순히 텍스트로 영상을 생성하는 수준을 넘어, 텍스트·이미지·오디오·비디오를 동시에 이해하고 편집까지 수행하는 네이티브 멀티모달 구조가 핵심이다¹. 이 글에서는 Gemini Omni가 무엇이고, 왜 이전 모델과 결이 다르며, 어디에 쓸 수 있는지를 짚는다.

네 가지 입력을 동시에 이해하는 하나의 모델

Gemini Omni Flash는 트랜스포머 기반 모델로, 처음부터 텍스트·이미지·오디오·비디오 입력을 함께 처리하도록 설계됐다². 이미지는 따로, 텍스트는 따로 처리한 뒤 연결하는 기존 방식과 근본적으로 다르다. 여러 입력을 동시에 추론하고 서로 연관 지어 결과를 만든다.

이러한 통합 처리를 뒷받침하는 것은 구글의 TPU Pod 클러스터에서 JAX와 ML Pathways를 활용한 대규모 분산 학습이다³. 훈련 데이터는 오디오·비디오·이미지·텍스트로 구성됐으며, 다양한 수준의 텍스트 캡션과 합성 캡셔닝이 적용되어 여러 개념을 더 정확히 표현하도록 했다⁴⁵. 사전 훈련 단계에서 의미론적 중복 제거와 품질·안전·컴플라이언스 기준에 따른 필터링을 거쳤고, 사후 훈련 단계에서는 고급 프로덕션 필터와 함께 모든 출력물에 SynthID 디지털 워터마크를 삽입해 AI 생성 콘텐츠를 식별할 수 있도록 했다⁶. 다만, 음성을 편집해 타인의 목소리를 조작하는 기능은 안전한 제공을 위해 당분간 제한된다⁷.

진짜 차이는 ‘편집 경험’에 있다

Gemini Omni가 주목받는 진짜 이유는 따로 있다. 바로 대화로 하는 단계별 편집이다.

기존 AI 영상 제작 흐름은 “프롬프트 입력 → 생성 → 결과 확인 → 프롬프트 수정 → 재생성”을 반복해야 했다. Omni는 다르다. “조명을 따뜻하게 바꿔 줘”, “배경에서 사이렌 소리만 지워 줘”, “카메라를 왼쪽으로 돌려 줘” 같은 문장 하나로 편집이 누적된다. 매번 처음부터 다시 생성할 필요가 없다⁸. 빌더 렘버 리(Lembor Lii)가 도시에 서 있는 여성을 약 20개의 다양한 시점으로 촬영한 사례나, Hyperagent 팀이 Gemini Omni를 사용해 세 가지 개념을 비디오로 시각화한 작업은 이런 편집 유연성이 실제 창작 워크플로에 어떻게 녹아드는지 보여준다.

2026년 7월 16일부터 Google Vids에 탑재된 Omni는 이 워크플로를 실제 제품으로 옮겼다⁹. 텍스트 프롬프트와 이미지 레퍼런스를 섞어 영상을 만들고, 채팅하듯 편집할 수 있다. 현재 Google AI Pro·Ultra 구독자와 Workspace 비즈니스 고객이 사용할 수 있다¹⁰.

물론 한계도 분명하다. 현재 영상 길이는 10초로 제한되며, 음악·효과음 입력은 아직 지원하지 않는다. 고해상도 영상 생성에서 텍스트 렌더링이나 복잡한 움직임의 완전한 일관성은 여전히 과제로 남아 있다¹¹.