Gemini Omni, 영상계의 나노 바나나 — 실사용 리뷰
📺 원본 영상: Gemini Omni! 영상계의 나노 바나나. 제가 써봤습니다 🎙️ 채널: 코드팩토리 📅 정리 일자: 2026-05-20 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(실제 생성된 영상 클립, 비교 화면 등)는 포함되지 않으므로 원본 영상과 함께 참조하시기 바랍니다.
개요
Google이 새로운 차세대 영상 생성 AI 모델인 Gemini Omni(이하 ‘옴니’)를 공개했다. 코드팩토리 채널 운영자는 Google의 공식 프로모션 영상을 먼저 확인한 뒤, Gemini Ultra 구독을 통해 접근 가능한 Flow 기능을 포함하여 자신이 직접 촬영한 영상들을 소재로 여러 가지 실사용 테스트를 진행했다. 이 리포트는 그 테스트 결과를 바탕으로, 옴니가 실제로 어떤 방식으로 영상을 처리하는지, 프로모션에서 보여준 결과와 실제 사이의 간극이 얼마나 되는지를 정리한다.
실험 1: 스냅 애니메이션 변환 — 기대와 현실
첫 번째 테스트는 자신의 오피스를 촬영한 영상을 소재로 진행됐다. 프롬프트는 간단했다. “손가락 스냅 하는 순간에 애니메이션 느낌의 풍경으로 변경해달라”는 것이었고, 세로 방향으로 출력해달라는 조건도 추가했다.
💡 [영상 참조] 강연자는 이 시점에서 오리지널 오피스 영상과 AI가 생성한 결과물을 나란히 보여줍니다. 상세 내용은 원본 영상을 확인하세요.
01:38 - 스냅 애니메이션 변환 결과 영상 - 원본 오피스 배경이 완전히 다른 공간으로 바뀐 비교 화면
결과는 기대와 상당히 달랐다. 스냅 이전 장면에서도 이미 원본 배경이 달라져 있었고, 스냅 이후에는 오피스 전체가 완전히 바뀌어버렸다. 요청은 “스냅 순간에 풍경이 바뀐다”는 트리거 기반 전환이었지만, 모델은 영상 전체를 재구성하는 방식으로 반응한 것이다. 심지어 의자와 같은 실제 촬영 환경의 아이템들도 원본과 달리 등장했고, 긴팔 옷을 입지 않았음에도 결과 영상 속 인물은 긴팔 차림으로 나왔다. 강연자가 요청하지 않은 요소들이 임의로 변경됐다는 점이 가장 두드러진 문제였다.
실험 2: 책장 배경과 한글 텍스트 인식 테스트
두 번째 테스트에서는 한국어 처리 능력과 화면에 등장하는 텍스트가 얼마나 잘 재현되는지를 확인하고자, 책이 보이도록 일부러 프레임을 구성하여 촬영한 영상을 사용했다.
💡 [영상 참조] 강연자는 이 시점에서 책장 영상의 오리지널과 생성 결과물을 비교하여 보여줍니다. 상세 내용은 원본 영상을 확인하세요.
02:39 - 책장 배경 테스트 결과 - 앙기모링 캐릭터가 임의로 추가되고 배경이 재구성된 결과물
결과물에서는 예상치 못한 요소가 등장했다. 모델이 요청하지 않은 ‘앙기모링’ 캐릭터를 자체적으로 하나 더 추가해버린 것이다. 배경 역시 원본과 전혀 다르게 재구성됐으며, 향수 같은 아이템들이 임의로 배치되어 있었다. 강연자는 이 결과를 보며, 옴니가 영상을 ‘편집’하는 것이 아니라 ‘분석 후 재구성’하는 방식으로 작동하는 것이 아닌가라는 의심을 갖게 됐다고 설명했다. 영상 속 인물, 아이템, 배경 요소들을 파악한 뒤 이를 기반으로 새 영상을 만들어내는 구조라는 것이다. 강연자는 이를 과거 리뷰했던 나노바나나(Nano Banana) AI 도구에 비유했는데, 나노바나나도 동일한 얼굴을 입력해도 미묘하게 변형된 결과가 나온다는 특성이 있기 때문이다.
실험 3: 4가지 배경 순차 전환 — 멀티 씬 제어
세 번째 테스트는 좀 더 복잡한 지시를 내려봤다. 동일한 영상에서 배경을 오리지널 → 도서관 → 우주 → 귀멸의 칼날(Demon Slayer) 느낌의 네 가지로 각각 2.5초씩 순차적으로 전환해달라는 프롬프트였다.
💡 [영상 참조] 강연자는 이 시점에서 4개 배경으로 분할된 결과 영상을 보여줍니다. 상세 내용은 원본 영상을 확인하세요.
03:41 - 4가지 배경 순차 전환 테스트 결과 - 도서관, 우주, 귀멸의 칼날 테마로 배경이 교체된 영상
각 테마의 분위기 자체는 어느 정도 살아났다. 귀멸의 칼날 특유의 배경 스타일이나 우주 배경의 느낌은 표현되었다고 한다. 그러나 원본 영상에 있던 요소들이 그대로 유지되지 않았다는 근본적인 문제는 여전했다. 배경이 완전히 교체되는 방식으로 처리됐기 때문에, 원래 있던 인물 주변의 오브젝트나 공간 구조가 사라지거나 바뀌었다. 강연자는 이 결과를 보고, 단순히 자신이 레퍼런스 배경 이미지를 제공하지 않아서 발생한 문제일 수 있다는 가설을 세우고 다음 실험으로 넘어갔다.
실험 4: 레퍼런스 이미지를 줘도 달라질까 — Flow 활용
네 번째 실험에서는 Flow 기능을 사용하여, 바꾸고 싶은 배경 이미지를 레퍼런스로 함께 제공하는 방식을 시도했다. 아이템들은 그대로 유지하라는 명시적(explicit) 조건도 프롬프트에 포함시켰다.
💡 [영상 참조] 강연자는 이 시점에서 레퍼런스 이미지와 함께 생성한 두 가지 결과 영상을 보여줍니다. 상세 내용은 원본 영상을 확인하세요.
04:15 - Flow 기능으로 레퍼런스 이미지를 제공한 뒤 생성된 결과 영상 - 스냅 이전부터 배경이 바뀌는 모습
결과는 여전히 만족스럽지 못했다. 배경이 아이템 보존 지시를 무시하고 통째로 바뀌었으며, 심지어 스냅 동작이 발생하기 이전 장면에서부터 이미 배경이 전환되어버렸다. 강연자는 이 결과에 대해 “이게 아직 오늘 나온 기능들이 조금 안정적이지 않은 것이 문제일 수 있다”고 언급했다. 즉, 모델 자체의 한계인지, 아니면 출시 초기의 서버 불안정이나 기능 미완성에 기인한 것인지가 아직 불분명하다는 것이다.
실험 5: 귀멸의 칼날 스타일 운동 영상
다섯 번째 테스트에서는 직접 운동하는 모습을 촬영한 영상에 귀멸의 칼날(Demon Slayer) 배경 이미지 4장을 레퍼런스로 제공하고, 주인공 탄지로(Tanjiro)가 운동하는 것처럼 변환해달라고 요청했다.
💡 [영상 참조] 강연자는 이 시점에서 귀멸의 칼날 스타일로 변환된 운동 영상 두 가지를 비교하여 보여줍니다. 상세 내용은 원본 영상을 확인하세요.
05:17 - 귀멸의 칼날 스타일로 변환된 운동 영상 첫 번째 결과 - 화면이 위아래로 나뉘어진 인식 오류
첫 번째 결과물은 화면이 위아래로 나뉘어져서 배경 인식이 제대로 이루어지지 않았다. 반면 두 번째 결과물은 상대적으로 더 나은 품질을 보여줬으며, 배경이 적절히 전환됐다. 다만 바닥 부분은 원본 그대로 유지될 때도 있고 바뀔 때도 있는 등 일관성이 없었다. 강연자는 이 정도의 불완전성은 수 차례 iteration(반복 생성)을 거치면 충분히 보완 가능한 수준으로 보인다고 평가했다.
실험 6: 일하는 척 영상 — 키보드 입력 장면 변환
마지막 테스트는 실제로 일하는 것처럼 키보드를 치는 척하는 10초짜리 영상을 입력으로, 진짜 일하는 것처럼 보이는 영상으로 변환해달라는 요청이었다. 첫 번째 결과물은 배경 처리가 기대 이하였으나, 두 번째 결과물은 키보드 장면의 전환이 상당히 자연스러웠다.
06:03 - 일하는 척 영상 변환 결과 - 키보드 장면 전환 첫 번째 결과물과 두 번째 비교
강연자는 이 결과를 보며 옴니가 “어떤 변화를 잘 감지하고 어떤 부분을 잘 만들어내는지”에 대한 이해가 쌓이면, 그 패턴에 맞게 촬영 방식이나 프롬프트를 최적화함으로써 더 좋은 결과를 얻을 수 있을 것이라고 분석했다. 현재는 서버가 과부하 상태여서 동일한 프롬프트로 여러 번 iteration을 돌려보는 것도 시간이 너무 오래 걸렸다고 덧붙였다.
종합 평가: “재구성 AI” vs. “편집 AI”
일련의 실험을 통해 강연자가 내린 핵심 결론은, 옴니가 현재로서는 영상의 특정 요소만을 외과적으로 수정하는 “편집 AI”가 아니라, 영상을 분석하고 그 요소들을 기반으로 새로운 영상을 통째로 만들어내는 “재구성 AI”에 가깝다는 것이다. 나노바나나가 동일한 인물 사진을 입력해도 약간 다른 얼굴로 출력되는 것처럼, 옴니도 원본 요소들을 완벽히 보존하는 것이 아니라 참조하여 재창조하는 방식으로 동작하는 것으로 보인다.
Google의 공식 프로모션 영상에서는 간단한 한 줄 프롬프트만으로 원하는 배경이 자연스럽게 바뀌는 모습이 시연됐다. 그러나 실제 결과는 그 수준에 이르지 못했고, 강연자는 이를 솔직히 인정하면서도, 이것이 사용자의 미숙함 탓인지, 출시 초기의 모델 불안정 탓인지, 아니면 구조적 한계인지는 아직 단정하기 어렵다고 말했다. 서버 과부하로 인한 처리 지연도 충분한 반복 테스트를 방해하는 요인이었다.
활용 가능성: 어디에 쓸 수 있나
한계가 분명하지만, 강연자는 특정 시나리오에서는 충분히 활용 가능성이 있다고 봤다. 복잡한 레이어 편집이 필요한 전문 영상 편집 툴보다 간단하게, 브이로그 영상에서 특정 요소 하나를 제거하거나 배경을 단순히 바꿔보고 싶은 수준의 캐주얼한 편집에서는 옴니가 유효한 선택지가 될 수 있다는 것이다.
또한 인플루언서에게 직접 비용을 지불하는 대신 UGC(User Generated Content) 광고를 자체적으로 제작하고 싶은 마케터에게도 활용 가능성이 있다고 언급했다. 강연자 본인도 별도로 진행 중인 “천억 벌기 프로젝트” 라이브 스트리밍에서 Meta 광고 집행을 위해 옴니를 직접 활용해볼 계획임을 밝혔다.
마무리
Gemini Omni는 분명 인상적인 잠재력을 가진 모델이다. 특히 다양한 스타일 전환이나 테마 기반 배경 변환에서는 일부 긍정적인 결과를 보여줬다. 그러나 현 시점에서는 원본 요소를 정밀하게 유지하면서 특정 부분만 바꾸는 “정교한 편집”보다는, 전체적인 재구성에 가까운 방식으로 작동한다는 한계가 뚜렷하다. 강연자의 표현을 빌리자면, 프로모션에서 보여준 것처럼 딸깍 한 번으로 원하는 결과가 나오는 수준까지는 아직 거리가 있다. 그럼에도 옴니의 특성을 이해하고 그에 맞는 촬영 방식과 프롬프트 전략을 갖춘다면, 충분히 실용적인 도구로 발전시킬 수 있을 것이라는 희망도 함께 남긴다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | Gemini Omni! 영상계의 나노 바나나. 제가 써봤습니다 |
| 채널 | 코드팩토리 |
| 리포트 작성 | 2026-05-20 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.