gemini-omni-1.2-flash 실전: 3가지 영상 생성 비즈니스 시나리오와 도입 점검 체크리스트

먼저 입력 형태와 파라미터 경계를 확인하기

HiAPI가 현재 연동 중인 공개 모델 gemini-omni-1.2-flash는 영상을 출력하며 네 가지 생성 모드를 제공합니다: 텍스트→영상, 첫 프레임 이미지→영상, 첫/마지막 프레임 전환, 참조 이미지→영상. 코드를 작성하기 전에 "이번에 무엇을 입력할 것인가"를 먼저 확정하는 것이 시나리오를 먼저 고르는 것보다 효율적입니다.

현재 개방되지 않은 기능은 다음과 같습니다: 영상 편집, 영상 연장, 영상 또는 오디오 입력, seed 파라미터. 이러한 기능에 의존하는 워크플로는 해당 모델로 구현할 수 없습니다.

요청 파라미터

• prompt: 유일한 필수 항목으로, 비어 있지 않은 문자열이어야 하며 최대 20000자입니다.
• duration: 정수, 3~15초, 기본값 10초.
• resolution: 360p / 720p / 1080p / 4k, 기본값 720p. 1080p와 4k는 업스케일 출력이며, 4k는 오디오 트랙이 포함되지 않을 수 있습니다.
• aspect_ratio: 16:9 또는 9:16, 기본값 16:9.

이미지 파라미터와 상호 배타 관계

• image_urls: 공개 HTTP(S) 참조 이미지 1~10장으로, 참조 이미지→영상 모드를 사용합니다. 한 장만 전달해도 여전히 참조 이미지 모드이며, 자동으로 첫 프레임 모드로 바뀌지 않습니다.
• first_frame_url: 시작 화면을 지정하며, 단독으로 사용하면 첫 프레임 이미지→영상이 됩니다.
• last_frame_url: 반드시 first_frame_url과 함께 사용해야 하며, 첫/마지막 프레임 전환을 구성합니다. 첫/마지막 프레임 모드는 최대 10초이며, 요청에 negative_prompt 또는 system_prompt를 포함할 수 없습니다.
• image_urls는 first_frame_url, last_frame_url과 상호 배타이며, 한 번의 요청에서는 이 중 하나의 모드만 선택할 수 있습니다.
• 모든 이미지 파라미터는 공개 접근 가능한 HTTP(S) URL만 허용하며, Base64는 지원하지 않습니다.

미리 설정해야 할 기대치: 모든 모드에서 사운드, 립싱크, 정확한 텍스트가 보장되지 않으며, 생성 결과의 주체나 브랜드가 참조와 완전히 일치한다고 보장되지 않습니다. 이는 모두 사람이 검수해야 합니다.

비용 기준: 해상도 등급별 초당 요금

이 모델은 요청 길이로 과금되며, 단가는 해상도 등급에 따라 달라집니다. 현재 기본 배율 기준 요금은 다음과 같습니다:

• 360p: $0.0229/초
• 720p: $0.0343/초
• 1080p: $0.0343/초
• 4k: $0.0800/초

예산 환산은 선택한 해상도 단가 × 요청 길이 × 건수입니다. 동일 사양, 동일 길이에서 성공 작업이 한 건 늘어날 때마다 예산은 보통 한 작업 금액만큼 증가하며, 매 라운드 누적 예산이 두 배가 되는 것은 아닙니다.

실제 청구서와 적용 배율은 사이트 가격 패널을 기준으로 합니다. 과금은 요청 길이로 계산되며, 출력 파일 컨테이너의 소수점 초 수치로 역산할 수 없습니다.

예산과 직접 관련된 두 가지 운영 규범: 결과가 만족스럽지 않아 작업을 다시 생성하면 작업 한 건의 예산이 추가됩니다. 네트워크 타임아웃이 발생하면 먼저 기존 작업의 상태를 조회하고, 생성이 성공하지 않았음을 확인한 뒤 새로 만들지 결정하세요.

시나리오 1: 텍스트 크리에이티브 시안

적용 상황: 텍스트 브리프만 있고, 정식 제작에 들어가기 전에 여러 비주얼 방향을 비교해야 할 때입니다. 텍스트→영상의 가장 직접적인 용법입니다.

방법

• 브리프를 시각화 가능한 설명으로 재작성. "젊은 여성이 이른 아침 도시 거리를 빠르게 걷고, 커피 한 잔을 들고 있으며, 카메라가 따라간다"가 "활기찬 라이프스타일을 전달한다"보다 실행 가능성이 높습니다.
• prompt만 전달하고 이미지 파라미터는 전혀 전달하지 않은 채, 방향별로 각각 한 건씩 제출합니다.
• 짧은 duration으로 건당 예산을 제어. 시안 단계에서는 장편이 필요 없으며, 같은 배치 안에서는 duration과 resolution을 일정하게 유지해 가로 비교가 쉽도록 합니다.
• 구조화된 기록: prompt, duration, resolution, 작업 ID, 결과 주소를 함께 보관해야 다음 라운드 반복에 참조가 생깁니다.

경계

시안 산출물의 용도는 방향 선택을 돕는 것이지 광고 소재가 아닙니다. 스토리보드 디테일, 브랜드 로고, 컴플라이언스 자막은 보통 후속 전문 제작이 필요합니다. 최종 화면이 기존 소재와 반드시 맞아야 한다면, 첫 프레임 이미지→영상 또는 참조 이미지→영상으로 바꿔야 합니다.

시나리오 2: 첫 프레임 이미지 동적화

적용 상황: 이미 고품질 정지 이미지—상품 이미지, 표지, 일러스트, 포스터—가 있고, 원본의 주체를 유지하면서 화면을 움직이게 하고 싶을 때입니다.

방법

• first_frame_url로 시작 화면을 지정하고, prompt는 주체를 다시 설명하는 대신 움직임과 카메라만 설명합니다(약간 다가가기, 천천히 돌기, 빛과 그림자 흐름).
• 종료 화면을 지정해야 할 때는 first_frame_url과 last_frame_url을 함께 전달해 첫/마지막 프레임 전환을 구성합니다. 이때 duration은 10초를 초과할 수 없고, 요청에 negative_prompt 또는 system_prompt를 포함할 수 없습니다.
• 이미지를 먼저 공개 위치에 배치: 공개 접근 가능한 HTTP(S) URL만 허용되며, 내부망 주소나 Base64는 사용할 수 없습니다.
• 건별로 DB에 저장: 원본 이미지 URL, prompt, duration, resolution, 작업 ID를 기록해 추적과 재활용이 가능하도록 합니다.

참조 이미지 모드와의 차이

first_frame_url은 "어디서 시작할지"를 결정하고, image_urls는 스타일과 내용의 참조를 제공합니다. 둘은 상호 배타적이어서 같은 요청에 동시에 사용할 수 없으며, image_urls를 한 장만 전달해도 첫 프레임 모드가 되지 않습니다.

시나리오 3: 참조 이미지 기반 비주얼 제약

적용 상황: 한 배치의 소재가 색조, 질감, 구도 습관에서 특정 기존 비주얼에 더 가까워야 하고, 건별 품질이 주된 모순이 아닐 때입니다.

방법

• image_urls로 공개 참조 이미지 1~10장 전달. 목표 스타일을 가장 잘 대표하는 소량의 소재를 고르세요. 목표가 서로 충돌하는 참조 이미지를 혼용하지 말고, 실제 생성 결과를 확인하세요.
• 이것이 참조 이미지 모드임을 명확히: 한 장만 전달해도 여전히 참조 이미지→영상이며, 첫 프레임이나 첫/마지막 프레임과는 무관합니다.
• 고정 점검 항목 수립: 주 색조, 조명 경향, 화면 밀도, 텍스트 영역을 새로 산출된 배치에 대해 가로 비교합니다.
• 드리프트가 발견되면 먼저 참조 소재를 확인하고, 그다음 prompt를 조정하세요. 무작정 재실행하지 마세요—재실행하면 초 단위 과금 작업이 추가됩니다.

경계

참조 이미지는 스타일을 제약하는 데 쓸 수 있지만, 주체나 브랜드가 완전히 일치한다고 보장하지 않으므로 여전히 사람이 표본 검수로 관리해야 합니다. 이것을 "스타일 보험"이 아닌 "스타일 기준선"으로 이해하면 기대치가 실제에 더 가까워집니다.

도입 점검 체크리스트

시작 전에 항목별로 확인하면 입력 파라미터와 예산 문제를 조기에 발견하는 데 도움이 됩니다.

기능과 파라미터

• 이번에 어떤 모드를 사용하는지 명확한가: 텍스트→영상, 첫 프레임 이미지→영상, 첫/마지막 프레임 전환, 참조 이미지→영상?
• prompt가 비어 있지 않고 20000자를 초과하지 않는가?
• duration이 3~15초의 정수인가? 첫/마지막 프레임 모드는 10초 이내로 줄였는가?
• resolution과 aspect_ratio를 용도에 맞게 선택했는가(기본값 720p, 16:9)?
• 이미지 출처를 하나만 사용했는가: image_urls 또는 first_frame_url/last_frame_url?
• 모든 이미지가 공개 HTTP(S) URL이며 Base64가 없는가?
• 첫/마지막 프레임 요청에서 negative_prompt와 system_prompt를 제거했는가?
• 영상 편집, 연장, 영상/오디오 입력 또는 seed를 사용하는가? 이들은 현재 개방되지 않았습니다.

비용

• 선택한 해상도의 단가 × 길이 × 건수로 예산을 계산했는가, 감으로 정하지 않았는가?
• 예산을 "납품 건수"가 아닌 "후보 건수"로 추정했는가?
• 동일 사양, 동일 길이에서 성공 작업 한 건이 추가되면 작업 한 건의 예산이 증가한다는 점을 명확히 알고 있는가?
• 실제 청구서를 파일 컨테이너의 소수점 초로 추정하지 않고, 사이트 가격 패널과 적용 배율을 기준으로 하는가?

엔지니어링

• 작업 제출이 비동기화되어 요청 측이 영상을 기다리며 블로킹하지 않는가?
• 작업 ID를 보관하고 DB에 저장했으며, prompt, duration, resolution, 결과 주소를 포함하는가?
• 중복 제출을 방지하기 위한 명시적 상태 머신과 멱등 키가 있는가?
• 네트워크 타임아웃 시 바로 다시 생성하지 않고, 먼저 기존 작업을 조회하는가?
• 동시성을 제한하고, 배치 작업이 큐에서 대기하도록 하는가?

품질과 검수

• 검수 기준을 미리 고정했는가: 주체 완전성, 브랜드 요소, 텍스트 영역, 사운드가 기대에 부합하는가?
• 사람 표본 검수 비율을 유지하며, 물량이 늘어나도 낮추지 않는가?
• 일일 또는 배치당 예산에 서킷 브레이커와 알림을 설정했는가?

네 가지 모드는 동일한 인터페이스 형태를 공유하며, 차이는 입력 파라미터에만 있습니다. 모드를 올바르게 선택하고, 상호 배타 관계를 파라미터 검증에 반영하고, 예산을 건수 기준으로 명확히 계산한 뒤 배치로 진입하면 도입 경로가 명확해집니다.