Gemini Omni 1.1 Flash의 40초 장면은 청구서 네 장입니다

이번 주 모든 헤드라인에 박힌 숫자는 40입니다. Google의 새 영상 모델이 만드는 40초짜리 장면 — 프롬프트를 넣으면 40초가 돌아온다는 말처럼 들립니다.

그렇지 않습니다. gemini-omni-1.1-flash를 한 번 부르면 3초에서 10초가 돌아옵니다. 40초는 그 클립을 세 번 더 확장해서 닿는 길이이고, 전부 네 개의 작업이며 각각 따로 청구됩니다. 아무도 거짓말하지 않았습니다. Google 자신의 발표는 이어 붙이기를 분명히 설명합니다. 다만 그 숫자가 그 문장에서 아주 멀리까지 여행했고, 많은 사람에게 "생성 한 번당"의 수치로 도착했습니다.

이것은 카드를 꺼내기 전에 저희라면 받고 싶었을 브리핑입니다. 40초가 얼마인지, 360p 티어는 무엇을 위한 것인지, 그리고 문서에 묻힌 제약들 — 그중 하나는 유럽 개발자를 대표 기능에서 완전히 차단합니다.

40초는 작업 네 개이고, 청구서 네 장입니다

영상 모델은 출력 1초 단위로 과금하고 확장에는 할인이 없습니다. 이어 붙이기는 새 생성과 같은 값이라, 40초는 10초짜리 클립 네 개로 값이 매겨집니다. 모든 티어에서 그렇습니다.

각 초당 요율에 10초씩 네 번을 곱한 값입니다. 저희 쪽 숫자는 라이브 카탈로그에서 옵니다. 이 글이 낡으면 모델 페이지가 현재 수치를 들고 있습니다.

저 Google 열에는 한마디가 필요합니다. 그 요율이 뜻밖에 찾기 어렵기 때문입니다. 전체 사다리를 실은 공식 페이지가 둘인데, 텍스트 검색은 둘 다 잡지 못합니다. 출시 발표에서는 가격이 그림 안에 들어 있습니다. 사람 눈에는 읽히고 Ctrl-F에는 보이지 않습니다. Cloud pricing 페이지에서는 100만당 17.50달러라는 계량기에 대한 초당 토큰 수로 나타나서, 곱하기 전에는 가격처럼 보이지도 않습니다. 여러분이 가장 먼저 열 페이지인 API 가격 문서는 네 칸 중 한 칸만 줍니다. 720p의 *"초당 약 0.10달러의 실효 가격"*입니다.

둘은 일치하되 반올림의 주름이 하나 있습니다. 발표는 0.03달러 / 0.10달러 / 0.15달러 / 0.30달러라는 깔끔한 줄을 보여 주고, 토큰 산수는 그 각각보다 조금 위에 내려앉습니다. 청구는 토큰을 따르므로 위의 열도 그렇게 따랐습니다. 티어별 계산은 출시 글에 있습니다.

1080p 40초에 5달러 40센트, Google에서는 6달러 남짓. 이건 대안 테이크를 한 번도 찍기 전의 정가입니다. 그리고 찍으시게 됩니다. 흐트러짐이 드러나는 곳이 마지막 확장이기 때문입니다. 남길 컷 하나에 버릴 두 개를 예산에 넣으면, 완성된 40초 시퀀스는 5달러가 아니라 16달러가 됩니다.

360p 줄은 저희가 지던 줄이었고, 얼마 전까지 여기에 그렇게 적어 두었습니다. 그게 움직였습니다. 저희 드래프트 티어는 이제 초당 0.0297달러로, Google의 0.0338달러보다 12퍼센트 아래입니다. 다만 너무 깊이 읽지는 마십시오. fal은 0.03달러에 있습니다. 1퍼센트 차이, 승리로 차려입은 통계적 잡음이고, 누군가 배수 하나를 고치면 뒤집히는 종류입니다. 아래의 드래프트 작업 흐름은 어디서 사시든 유효합니다. 그 가격이 저희 것이라는 데 한 번도 의존한 적이 없습니다.

1.1의 진짜 도약은 길이가 아니라 기억입니다

길이는 예전에도 대체로 닿을 수 있었습니다. 그것을 쓸 만하게 만드는 것은 이어 붙일 때 모델이 무엇을 보느냐입니다.

6월 프리뷰는 확장하려는 클립의 마지막 1초를 읽었습니다. 1초는 화면에 무엇이 있는지는 알려 주지만 무슨 일이 벌어지고 있었는지는 거의 알려 주지 않아서, 확장이 흘러갔습니다. 따라가던 숏이 따라가기를 멈췄습니다. 재킷 색이 한 톤 어긋났습니다. 이음매마다 빛이 다시 지어졌습니다.

Gemini Omni 1.1 Flash는 앞선 영상을 최대 10초까지 읽습니다. 10초면 달리가 아직 움직이고 있었다는 것, 키 라이트가 어느 쪽에서 왔는지, 코트가 대략 무슨 색이었는지를 알기에 충분합니다. 네 부분짜리 시퀀스가 이제 그나마 붙어 있는 이유가 이것입니다. 1.1의 대표 기능이 길이라고 말하는 사람이 있다면 거꾸로 알고 있는 것입니다. 길이는 산수였습니다. 기억이 모델입니다.

1080p와 4K는 업스케일이지 렌더가 아닙니다

Google 문서의 괄호 하나가 무엇에 값을 치러야 하는지를 바꿉니다. 모델 레퍼런스에서 그대로 옮기면 *"1080p output (upscaled)"*와 *"4K output (upscaled)"*입니다. 모델은 그 해상도보다 낮게 렌더링하고 키웁니다. 사다리 꼭대기에 있는 것은 더 많은 디테일이 아니라, 같은 정보를 담은 더 큰 파일입니다.

이것이 위의 4K 줄을 다시 칠합니다. Google에서 업스케일된 출력 40초에 12달러 남짓입니다. 클라이언트 사양이 4K 규격을 요구한다면 내십시오. 더 좋아 보일 거라 생각해 4K를 고르셨다면, ffmpeg으로 돌릴 수 있는 리사이즈에 Google의 720p 요율의 정확히 세 배를 내고 계신 것입니다.

360p로 드래프트하고, 720p로 마무리하십시오

여기가 실제로 돈을 아끼는 대목이고, 아무도 이걸 헤드라인에 넣지 않았습니다.

360p는 여기서 초당 0.0297달러입니다. 4초 드래프트가 12센트로, 720p의 0.36달러와 1080p의 0.54달러에 대비됩니다. Google은 360p가 최대 60% 더 빠르다고도 주장합니다. 저희가 측정한 것이 아니라 벤더의 숫자이지만 방향은 분명히 맞습니다.

이제 산수입니다. 어떤 숏이 움직임을 잡기까지 열 번 시도한다고 해 봅시다. 구체적인 카메라 워크가 있는 것이라면 현실적인 횟수입니다.

• 1080p로 곧장 열 번 → 5.40달러
• 360p로 열 번 → 1.19달러, 그다음 이긴 하나를 1080p로 다시 렌더 → 1.73달러

끝에 생성 한 번을 더하는 것만으로 68퍼센트 절감입니다. 360p 패스가 무엇을 알려 줄 수 있는지에 대해서는 정직하십시오. 구도, 카메라 움직임, 모델이 요청하지도 않은 컷을 끼워 넣었는지. 미세한 질감은 판단하지 못합니다. 그것을 담을 해상도가 없습니다.

같은 프롬프트를 두 티어에서, 같은 시드로, 각각 4초씩 돌린 것입니다. 먼저 드래프트입니다.

그다음은 완전히 같은 프롬프트와 시드의 720p 렌더입니다.

둘 다 어두운 슬레이트 위의 황동 스톱워치이고, 카메라가 왼쪽에서 달리로 들어오며, 따뜻한 키 라이트가 금속을 비껴 훑습니다. 두 영상의 프롬프트는 그대로 다음과 같습니다.

Editorial slow-motion macro shot of a brass mechanical stopwatch resting on a dark slate table, its second hand sweeping forward in a single continuous shot with no scene cuts. Camera performs a slow dolly in from the left, shallow depth of field, one warm amber key light raking across the metal, cool blue rim light behind. Fine dust drifts through the beam. Clean dark background, no text, no logos, no people. Sound design: a soft mechanical tick and low room tone, nothing else.

(프롬프트는 영어 그대로 두었습니다. 모델이 영어에 대해서만 평가됐기 때문입니다.)

12센트 대 36센트. 드래프트가 알려 준 것은 달리가 읽힌다는 것, 그리고 모델이 한 숏을 유지했다는 것입니다. 밀어붙이기 전에 필요했던 전부입니다. 반복은 저 아래에서 돌리십시오.

확장은 앞으로만 갑니다

장면 확장은 뒤에 덧붙이는 것이고, 그 제한의 모양이 시퀀스를 어떻게 계획할지를 결정합니다. 클립 가운데에 끼워 넣을 수 없습니다. 도입부를 만들려고 뒤로 확장할 수도 없습니다. "끝은 두고 앞의 4초만 다시 만들기"는 없습니다. 이 기능은 한 방향으로만 움직입니다. 세 번째 숏이 틀렸다면 그 아래로 이어진 모든 것이 함께 버려집니다.

그러니 힘을 앞쪽에 실으십시오. 첫 생성이 이후 전부의 카메라 언어, 팔레트, 조명을 정하고, 싸게 고칠 수 있는 유일한 구간이기도 합니다. 세 번째 확장쯤이면 작업 네 개 깊이에 들어와 있고 뒤로 손을 뻗을 방법이 없습니다.

확장이 하지 않는 일이 하나 더 있습니다. 말하는 사람의 영상을 건네고 새 대사를 요청하면 거절합니다. Google이 음성 변경을 제한하기 때문입니다. 출시 보도는 그것을 빠진 기능이 아니라 책임 있는 배포를 위한 의도적 보류로 읽습니다. 그 해석은 기자의 것이지만 제한 자체는 문서에 있습니다. 이 모델 위에 더빙 제품을 만들지 마십시오.

유럽 개발자 여러분, 이 줄은 두 번 읽으십시오

문서에 한 문장으로 묻혀 있습니다. EEA, 스위스, 영국에서는 업로드한 영상의 편집과 확장을 이용할 수 없습니다.

가벼운 제한이 아닙니다. 대표 기능인 "영상을 받아 이어 붙이기"가 유럽 대부분에서 작동하지 않습니다. text-to-video와 image-to-video는 그대로 돌아갑니다. 하지만 계획이 사용자가 올린 클립을 확장하는 도구였고 그 사용자들이 베를린이나 맨체스터에 있다면, 그 계획은 죽었고 발표는 이를 한 번도 언급하지 않습니다.

통합 코드를 한 줄 쓰기 전에 배포 지역과 대조해 확인하십시오. 여기 있는 항목 중 늦게 발견했을 때 가장 비싼 것입니다.

존재하지 않는 손잡이들

텍스트 모델에서 오시면 여기 없는 파라미터로 손이 갑니다. Google 문서는 샘플링 표면 전체를 미지원으로 표시합니다. temperature 없음, top_p 없음, 시스템 지시 없음, 스톱 시퀀스 없음, 네거티브 프롬프트 없음. 하나도 없습니다.

유일한 제어 표면은 프롬프트 자체이고, 서드파티 문서는 상한을 40,000자로 둡니다. 밧줄은 넉넉하지만 그 수치는 Google 자신의 레퍼런스에서 저희가 찾지 못한 것입니다. 보통 샘플링 파라미터로 하실 일은 전부 영어로 적어 넣어야 합니다. 그 영어를 잘 쓰는 법을 알고 싶으시다면 프롬프트 문법을 별도 글에서 다뤘습니다. 태그 구조와 장면 컷 문제까지 담았으니 여기서 되풀이할 이유가 없습니다.

한 가지 주의. 이 모델의 서드파티 스키마 문서는 temperature와 top_p를 허용 필드로 올려 두었고, Google 레퍼런스는 미지원이라고 말합니다. 어느 쪽이 맞는지는 말씀드리지 않겠습니다. 둘이 서로 어긋난다는 것을 말씀드리는 것입니다. 스키마에 올라 있다는 것만 믿고 그 파라미터를 전제로 설계하지 마시고, 먼저 무언가 달라지는지 시험해 보십시오.

끌 수 없는 소리, 벗어날 수 없는 영어

오디오는 모든 클립에 네이티브로 생성되고 끄는 스위치가 없습니다. 파라미터도, 플래그도, 무음 모드도 없습니다. 방향은 줄 수 있습니다 — Sound design: 한 문장은 실제로 일합니다 — 그러나 거절할 수는 없습니다. 블로그 임베드에서는 플레이어에서 음소거한다는 뜻이고, 위의 두 클립도 그렇게 하고 있습니다.

오디오를 레퍼런스로 넣는 것도, 생성된 오디오를 나중에 편집하는 것도, 확장하려고 업로드한 영상의 오디오를 보존하는 것도 안 됩니다. 셋 다 합리적인 기대입니다. 어느 것도 지원되지 않습니다.

언어 지원은 마케팅이 암시하는 것보다 좁습니다. 완전히 지원되는 언어는 영어뿐입니다. 일본어와 그 밖의 언어는 "평가되지 않음"으로 문서화돼 있습니다. 결과를 예측할 수 없다는 조심스러운 표현입니다. 프롬프트나 대사가 영어가 아니라면 예상 밖의 일을 예산에 넣으십시오.

입력 파이프라인을 설계하기 전에 레퍼런스 상한을 알아 두십시오. 영상 레퍼런스는 최대 세 개, 각 3초이고, Google은 여러 개를 한 번에 넣으면 결과가 나빠질 수 있다고 경고합니다. 셋은 목표가 아니라 상한으로 다루십시오. 화면비는 16:9 또는 9:16이며 이것도 Google 것입니다. 그 옆에 함께 인용되는 숫자 두 개는 아닙니다. 24 fps 프레임레이트와 reference-to-video 이미지 1~7장이라는 범위는 둘 다 서드파티 스키마 문서에서 왔습니다. 모든 프레임에 SynthID 워터마크가 실리고, 그것을 끄는 스위치를 노출하는 제공업체는 찾지 못했습니다.

무엇이든 쓰시기 전에 이것을 하십시오

순서대로 네 가지 확인입니다. 첫 번째가 나머지를 다 합친 것보다 많은 통합을 죽입니다.

1. 지역을 확인하십시오. EEA, 스위스, 영국에 계시고 제품이 업로드된 영상을 확장한다면 여기서 멈추십시오. 이 모델은 그 일을 해 주지 못합니다.
2. 클립이 아니라 시퀀스로 값을 매기십시오. 확장 횟수를 곱하고, 그다음 실제로 돌릴 테이크 수를 곱하십시오. 1080p 40초는 여기서 잘해야 5.40달러이고, 재촬영을 세면 현실적으로 그 세 배입니다.
3. Omni가 필요하기는 한지 물으십시오. Veo 3.1 Fast 1초는 여기서 1센트로, 720p Omni의 9센트에 대비됩니다. 숏 하나, 이어 붙이기 없음, 프레임 보간 없음, 두 클립 뒤에도 같아 보여야 할 사람 없음 — 그렇다면 그 배수는 불에 태운 돈입니다.
4. 반복은 드래프트 티어 위에 세우십시오. 360p에서 돌리고 이긴 것을 올리십시오. 68퍼센트는 반올림 오차가 아닙니다.

Omni가 그 배수에 값하는 곳은 정확히 1.1의 기능들이 가리키는 자리입니다. 숏을 이어 가기, 첫 프레임과 마지막 프레임 사이를 보간하기, 정지 이미지를 움직이기, 또는 컷을 넘어 피사체를 이어 가기. 그 바깥에서는 클립 하나를 사는 비싼 방법입니다.

다른 각도들은 바로 옆에 있습니다. 출시 당일 실제로 나온 것, 리더보드가 말하는 것과 말하지 않는 것 — 이번 주 돌아다니는 아레나 순위는 이전 모델의 것입니다 — 그리고 플랫폼별 가격 분석. 스키마와 실시간 가격은 카탈로그에 있습니다.

가격과 제품 조건은 바뀝니다. 구매를 결정하시기 전에 각 제공업체의 현재 가격을 확인하십시오.

자주 묻는 질문

Gemini Omni 1.1 Flash로 정말 40초짜리 영상을 만들 수 있습니까?

만들 수 있지만 한 번의 호출로는 아닙니다. 한 번의 생성은 3초에서 10초를 돌려줍니다. 40초는 기존 클립을 세 번 더 확장해서 닿는 누적 길이이고 작업은 네 개이며, 확장마다 새 생성과 같은 초당 요율로 따로 청구됩니다. E2X에서 1080p 40초 시퀀스는 5.40달러, Google을 직접 부르면 6.08달러입니다.

Gemini Omni의 40초 시퀀스는 얼마입니까?

40초에 해당 해상도의 초당 요율을 곱하십시오. 확장에는 할인이 없습니다. E2X에서는 360p가 1.19달러, 720p가 3.60달러, 1080p가 5.40달러, 4K가 7.20달러입니다. Google 직접은 공개된 초당 토큰 요율에서 계산해 같은 길이가 1.35달러, 4.06달러, 6.08달러, 12.16달러입니다. 버리는 테이크를 더하면 헤드라인 값의 두세 배를 예상하십시오.

Gemini Omni 1.1 Flash의 4K 출력은 진짜 4K입니까?

아닙니다. Google 문서는 1080p와 4K 티어를 모두 *"upscaled"*로 표기합니다. 모델이 더 낮게 렌더링하고 결과를 키웁니다. 파일은 4K 규격을 갖지만 그림은 4K 디테일을 담고 있지 않습니다. 납품 사양이 그 규격을 요구하는 것이 아니라면, 최상위 요율이 사는 것은 정보가 아니라 리사이즈입니다.

Gemini Omni 1.1 Flash를 EU에서 쓸 수 있습니까?

부분적으로 가능합니다. text-to-video와 image-to-video는 작동하지만, 업로드한 영상의 편집이나 확장은 EEA, 스위스, 영국에서 이용할 수 없습니다. 확장이 대표 기능인 만큼, 이것은 사용자가 제공한 영상을 이어 붙이는 것을 축으로 삼은 유럽 제품을 모두 막습니다. 통합하기 전에 배포 지역과 대조해 확인하십시오.

Gemini Omni 1.1 Flash는 temperature나 네거티브 프롬프트를 지원합니까?

Google 레퍼런스는 샘플링 표면을 미지원으로 표시합니다. temperature도, top_p도, 시스템 지시도, 스톱 시퀀스도, 네거티브 프롬프트도 없습니다. 프롬프트 텍스트가 유일한 제어이고, 서드파티 스키마 문서는 상한을 40,000자로 둡니다. 그 같은 서드파티 문서가 temperature와 top_p를 허용 필드로 올려 Google과 어긋나므로, 의존하시기 전에 시험해 보십시오.

Gemini Omni 출력에서 오디오를 끌 수 있습니까?

없습니다. 모델은 기본적으로 모든 클립에 사운드트랙을 넣고, 그것을 끄는 파라미터는 없습니다. 프롬프트의 사운드 디자인 지시는 받게 될 내용을 이끌어 주지만 거절할 수는 없고, 오디오 레퍼런스를 넣거나 결과를 편집하거나 확장하려고 업로드한 영상의 오디오를 보존할 수도 없습니다. 무음 재생을 원하시면 플레이어에서 음소거하십시오.

Gemini Omni가 영상을 뒤로 확장하거나 장면 가운데를 편집할 수 있습니까?

없습니다. 확장은 클립의 끝에만 덧붙입니다. 도입부를 만들기 위한 뒤쪽 확장도, 시퀀스 가운데로의 삽입도 없습니다. 그에 맞춰 계획하십시오. 첫 생성이 이후 전부의 카메라와 조명 언어를 정하고, 앞쪽의 실수는 그 위에 쌓은 모든 확장을 무효로 만듭니다.

Gemini Omni 1.1 Flash가 Veo 3.1 Fast보다 값을 합니까?

Omni가 더해 주는 것이 필요할 때만 그렇습니다. Veo 3.1 Fast는 E2X에서 초당 0.01달러이고 720p Omni는 0.09달러입니다. 확장도, 첫 프레임·마지막 프레임 제어도, 숏을 넘는 연속성도 필요 없는 단일 클립이라면 Veo가 큰 차이로 이깁니다. Omni가 웃돈에 값하는 곳은 여러 숏으로 이어지는 시퀀스와 reference 기반 연속성 작업입니다.