Gemini Omni 1.1 Flash가 실행하는 카메라 용어, 그리고 무시하는 용어

Google의 영상 prompting 자료를 충분히 오래 읽다 보면 몇 단락 떨어져 놓인 두 문장에 닿게 됩니다. 하나는 카메라 무빙 목록 — 달리, 트럭, 페데스탈, 크레인, 휩 팬, 아크 — 을 마치 메뉴판에서 주문하시는 것처럼 공개합니다. 다른 하나는 *"일부 고급 카메라 앵글은 공식적으로 지원되지 않습니다. 결과와 신뢰도는 전체 prompt와 구체적인 사용 사례에 따라 달라질 수 있습니다."*라고 경고합니다.

둘 다 참이고, 그 사이의 틈에서 실망스러운 클립 대부분이 나옵니다. 이름 붙인 무빙은 모델이 아마 지켜 줄 요청이지 반드시 실행해야 하는 파라미터가 아닙니다. gemini-omni-1.1-flash에는 카메라 포즈 필드가 없습니다. 리그도 없고 렌즈도 없으며, 여러분의 다른 단어들과 경쟁하는 단어들만 있습니다. 이 글은 그 단어들 중 어떤 것이 제자리를 얻는지에 관한 것이며, Google이 문서화한 것, Runway가 보고한 것, 그리고 스키마가 드러내는 것에서 작업했습니다.

곧장 걷어 낼 단어들

빼기부터 시작하십시오. 비용이 들지 않고 prompt 공간을 벌어 줍니다. Runway의 카메라 prompting 레퍼런스는 AI 영상 prompt에서 가장 흔한 두 단어에 대해 단도직입적입니다. "'Cinematic'과 '4k'는 아무 일도 하지 않으므로 걷어 냅니다. 둘 중 어느 것도 카메라가 하는 일을 바꾸지 않으며, 그것들이 차지하는 prompt 공간은 무빙에 쓰시는 편이 낫습니다."

이는 Google이 아니라 그들 도구에 대한 주장이지만 논리는 그대로 옮겨 갑니다. "Cinematic"은 시점이 아니라 인상을 묘사합니다. 어디에 서야 하는지, 얼마나 떨어져야 하는지, 무엇을 선명하게 유지해야 하는지, 어느 방향으로 움직여야 하는지를 말하지 않습니다. 뒤에 딸려 오는 짐 — masterpiece, award-winning, 8k, ultra detailed — 도 마찬가지이며, 이미지 모델 prompt 문화에서 물려받은 것들입니다. 거기서는 그 토큰들이 아주 다른 학습 분포를 상대로 품질 주문처럼 작동했습니다.

긍정형도 마찬가지로 단순합니다. "dynamic cinematic camera"를 요청하는 대신 구체적인 무빙에 이름을 붙이십시오. 이 모델들은 "카메라 지시를 장식이 아니라 공간 연출로" 다루기 때문입니다. 거기 어디에도 "cinematic"이 해롭다는 말은 없습니다. 그 단어가 더 나은 무언가를 밀어낸다는 말입니다. 그리고 수십 단어짜리 prompt에서는 밀어냄이 전부입니다.

Google의 목록, 그리고 어디까지 믿을 것인가

문서화된 어휘는 prompt 스레드에서 도는 어떤 것보다도 낫습니다:

주목할 만한 디테일이 둘입니다. Google은 줌을 달리와 의도적으로 구분하는데, 모델들이 둘을 뭉개기 때문입니다. 줌은 초점 거리의 변화이고 "이것은 카메라 자체가 움직이지 않는다는 점에서 달리와 다릅니다." 피사체에 견줘 배경이 부풀기를 원하십니까? 달리를 요청하십시오. 기하는 그대로인 채 화면이 좁혀지기를 원하십니까? 줌을 요청하십시오. "zoom in slowly as the camera pushes forward"라고 쓰시면 둘 다 주문하신 것이고, 그것은 달리 줌이며 의도하신 것인 경우는 거의 없습니다.

둘째, Google에서 나왔다고 널리 알려진 용어들이 정작 그 페이지에는 없습니다. Oner, push in, natural smartphone zoom은 Google 문서를 인용하는 가이드들에 나오지만 저희는 거기서 그것들을 찾을 수 없었습니다. 문서화되지 않았다는 것이 금지됐다는 뜻은 아니지만, 여러분이 지어낸 표현보다 더 큰 권위를 갖지도 않습니다. 문서화된 문법 전체는 저희 prompting 가이드에 있습니다.

클립 하나에 무빙 하나

Runway 레퍼런스에서 가장 날카로운 발견은 어떤 동사가 통하는가가 아니라 몇 개가 통하는가입니다.

"동사 쌓기(신뢰할 수 없음): 'Orbit the subject and crane up and push in.' 단계적 묘사(신뢰할 수 있음): 'The camera arcs around the seated figure, then rises above the table to reveal the empty chairs surrounding her.'"

뒤이어 나오는 조언은 동사를 쌓기보다 각 단계에서 화면을 채우는 것이 무엇인지 묘사하라는 것, 그리고 복합 무빙이 그래도 실패하면 *"무빙 하나로 줄이고 두 번째 비트는 그 자체의 클립으로 생성하라"*는 것입니다.

Omni에서는 여기에 기계적인 날이 하나 더 붙으며, Google 자신의 문서에서 나옵니다. 이 모델은 달리 지시하지 않는 한 기본적으로 여러 숏을 만듭니다. 동시에 벌어지는 무빙 셋을 요청하시면 모델에게 빠져나갈 구멍 — 컷 — 을 쥐여 주신 것입니다. 2초 오빗, 컷, 2초 크레인, 컷, 나머지는 푸시 인. 모든 지시가 지켜졌고, 원하신 것은 하나도 없습니다. 절 하나짜리 해법인 *"In a single continuous shot"*이나 *"No scene cuts"*는 모델이 여러분의 모호함을 편집으로 해결하는 것을 막습니다.

장면 하나를 두 번 생성하되 카메라 절만 바꾼 것입니다:

한쪽당 720p 4초, 각각 36센트입니다. 피사체, 방, 빛, 사운드 줄은 동일하고 첫 문장만 다릅니다. 고정된 프레임 대 느린 달리 인입니다. 카메라 절은 prompt에서 지렛대가 가장 큰 문장이면서 대부분의 사람들이 가장 마지막에 쓰는 문장입니다.

초점 거리는 광학이 아니라 연출입니다

렌즈는 없습니다. 심상 모형이 중요하므로 단호하게 말씀드립니다. "85mm"라고 쓰시면 모델은 화각을 계산하지 않습니다. 학습 데이터에서 그렇게 라벨이 붙은 모든 것을 끌어오며, 사진은 그 라벨을 수백만 장 단위로 달고 있습니다. 돌아오는 것은 그 숫자에 붙어 있는 룩입니다. 압축된 배경, 부드러운 면에서 오려 낸 피사체, 납작해진 거리감. 짧은 렌즈에서는 늘어난 원근, 화면 안의 더 넓은 공간, 휘는 가장자리입니다.

그래서 초점 거리는 쓸 수 있는 가장 효율적인 단어 중 하나입니다. 네 글자로 프레이밍과 느낌을 함께 움직이기 때문입니다. 도는 지침들은 일관됩니다. 넓은 맥락에는 대략 24mm, 다큐멘터리 느낌에는 35mm, 중립적인 이야기 전달에는 50mm, 압축된 친밀한 작업에는 85mm이며, 문자 그대로의 광학에 대한 약속이 아니라 시각적 연출로 읽으십시오.

여기서 습관 둘이 따라 나옵니다. 숫자를 형용사로 두지 말고 일거리를 주십시오. "35mm"만으로는 토큰이지만 "35mm, the workshop visible behind her throughout"은 그 광각 렌즈가 무엇을 위한 것인지 말해 주며, 숫자가 무시되더라도 그 절은 살아남습니다. Google이 문서화한 광학 용어들 — 얕은 심도, 깊은 초점, 랙 포커스, 망원 — 도 평범한 말로 같은 일을 합니다. 그리고 초점 거리를 모순되는 지시와 짝지으시면 안 됩니다. "85mm wide establishing shot of the valley"는 압축과 확장을 동시에 요청합니다.

프레이밍은 여러분이 지정하실 수 있는 것 중 가장 믿을 만합니다

카메라 언어를 얼마나 믿음직하게 안착하는지로 정렬하면 하나의 패턴이 드러납니다. 정적인 속성이 시간적인 속성을 이깁니다.

숏 스케일 — 익스트림 클로즈업부터 와이드 설정 숏까지 — 은 단일 프레임의 속성입니다. 앵글도 그렇고, 투 숏이나 오버 더 숄더의 기하도 그렇습니다. 모델은 렌더링하는 첫 프레임에서 그중 무엇이든 만족시킨 다음 그대로 붙들 수 있습니다.

달리 인은 1번 프레임과 96번 프레임을 견주는 주장이며, 카메라가 어디에 있는지에 대한 명시적 표현이 없는 과정에서 그 사이의 모든 프레임을 견뎌 내야 합니다. 연구 문헌이 메우려고 존재하는 틈이 바로 그것입니다. 영상 디퓨전에서 카메라 제어를 다루는 대표 연구인 CameraCtrl은 기존 모델들이 *"더 깊은 서사적 뉘앙스를 표현하는 영화적 언어로서의 카메라 포즈에 대한 제어를 결여하고 있다"*고 지적하며 시작한 다음, 텍스트만으로는 충분하지 않았기에 포즈 컨디셔닝 모듈을 더합니다. 저희가 아는 한 그 채널을 열어 주는 상용 영상 API는 없습니다.

그래서 외워 둘 만한 위계가 하나 나옵니다. 프레이밍과 앵글은 마음껏 지정하시고 이행을 기대하십시오. 이름 붙인 무빙 하나는 대부분의 경우에 기대하십시오. 무빙 둘, 또는 속도와 멈추는 지점까지 밝힌 무빙 하나라면 여러 테이크를 각오하시거나 비트를 쪼개십시오.

전과 후

대부분의 카메라 prompt가 쓰이는 방식대로 쓴 prompt입니다. 여기 있는 모든 단어는 저희도 써 본 것입니다.

Cinematic 4k video of a silversmith working at her bench in a workshop.
Dynamic camera movement, the camera orbits her and pushes in and cranes
up over the bench. Epic atmospheric lighting, ultra detailed, shallow
depth of field, professional colour grade, film look, masterpiece,
award winning cinematography, highly detailed hands and face,
beautiful composition, 8k resolution, moody and dramatic.

실행 가능한 것을 세어 보십시오. 한 테이크에 모두 담길 수 없는, 쌓아 올린 동사 셋. 숏 스케일도, 초점 거리도, 숏 개수에 대한 지시도 없습니다. 그러니 문서화된 멀티 숏 기본값이 마음껏 발동하고, 경쟁하는 무빙 셋이 상 위에 올라 있으니 컷이 최소 저항의 경로입니다.

같은 숏을, 모델이 실행할 수 있는 것만 말하도록 다시 쓴 것입니다:

In a single continuous shot, no scene cuts. Slow dolly in on a silversmith
at her bench, starting on a medium shot and ending tight on her hands. She
turns a thin silver bracelet against a small torch flame, then taps the
seam twice with a jeweller's hammer. 50mm lens, shallow depth of field, the
far wall of the workshop falling out of focus as the camera closes in.
Eye-level, camera slightly to her right. Sound design: the hiss of the
torch, two light metallic taps, a radio playing faintly in another room.
No dialogue. No music.

무게 순으로 네 가지 변화입니다. 숏 개수 절이 맨 앞에 옵니다. 모호함이 편집으로 답해질 수 없게 하기 위해서입니다. 무빙 셋이 하나로 접히고 시작과 끝의 프레이밍에 이름이 붙었습니다. Runway가 권하는 단계적 묘사를 하나의 이동으로 쓴 것입니다. 초점 거리는 결과에 붙어서 도착합니다. 그리고 소리는 자기 몫의 문장을 얻는데, 오디오를 따로 묘사하라는 Google의 지침을 따른 것이고, 네거티브는 뒤에 붙는 짧은 절입니다. 다시 쓴 쪽이 읽기에 더 밋밋하고 재미없는데, 대개 그것은 prompt가 분위기를 묘사하기를 그만두고 숏을 묘사하기 시작했다는 신호입니다.

prompt에서 카메라가 놓일 자리

순서는 저희가 답이 없으리라 예상했던 질문입니다. 답이 있고, Omni 페이지가 아니라 Google의 Veo 지침에서 나옵니다. 거기 공식은 촬영, 피사체, 동작, 맥락, 스타일과 분위기로 흐릅니다. 숏에 누가 있는지를 밝히기 전에 카메라가 먼저인데, 그 요소가 *"톤과 감정을 전달하는 가장 강력한 도구"*이기 때문입니다. Omni 자체 문서는 요소를 다르게 나열하며 카메라를 목록 중간에 둡니다. 그러니 Google은 두 가지 순서를 공개하고 있고 저희는 통제된 비교를 돌리지 않았습니다.

카메라로 시작하는 방식은 Omni의 다른 문서화된 동작과 부딪혀도 살아남습니다. 숏 개수 지시는 모델이 내러티브를 짜기 시작하기 전에 안착해야 하기 때문입니다. 또한 prompt를 감사할 수 있게 만들어 줍니다. 첫 문장이 시점을 묘사하지 않는다면 여러분은 숏을 연출하신 것이 아닙니다.

스키마가 주지 않는 것

구조적인 한계가 둘이고, 어느 쪽도 더 나은 표현으로 고칠 수 없습니다.

첫째는 재현성입니다. Google의 API 문서는 *"시스템 지시, temperature, top_p, 정지 시퀀스, 네거티브 prompt는 지원되지 않습니다"*라고 명시하며, 대신 네거티브는 prompt 안에 쓰라고 안내합니다. 조일 샘플러가 없습니다. 남는 것은 이 모델에 대한 저희 스키마의 선택적 정수인 seed뿐이고, 그것이 제어 표면의 전부입니다.

이것은 prompt의 다른 무엇보다 카메라 작업에서 더 중요합니다. 조금 다르게 돌아온 조명은 같은 숏의 다른 그레이딩이지만, 팬으로 돌아온 달리는 다른 숏입니다. 그러므로 여러 테이크에 걸쳐 무빙을 붙들어 두려면 seed를 고정하고 다른 것은 아무것도 바꾸지 않아야 합니다. 그리고 한 단어를 고치는 것은 새로 샘플링한다는 뜻입니다. 통하는 seed는 자산으로 다루시고 prompt 옆에 적어 두십시오.

둘째 한계는 카메라 속도에 어휘가 없다는 것입니다. "Slow dolly in"이 제어 표면의 전부입니다. 단위도, 지속 시간도, 밀고 들어가는 동작이 5초까지 끝나고 그대로 머물러야 한다고 말할 방법도 없습니다. 타임코드 문법이 조금 도움이 됩니다. Omni는 대괄호 범위를 받으므로 prompt가 카메라에게 4초에 자리 잡으라고 요청할 수 있습니다. 실제로 그러는지는 별개의 문제입니다.

셔터 앵글과 모션 블러도 같은 칸에 앉습니다. 둘 다 Google의 문서화된 어휘에 나오지 않습니다. 프레임 레이트는 아슬아슬하게 빗나갑니다. 24 fps는 Omni 페이지에서 *"12 frames at 24fps"*라는 계산된 타이밍 예시 안에만 등장하지 prompt 레버로는 나오지 않습니다. 타임코드를 따질 때는 쓸모가 있지만, 적어 넣고 조종되기를 기대할 것은 아닙니다.

카메라 실험의 값, 정말 중요한 티어에서

카메라 작업은 prompting에서 한 번에 맞힐 수 없는 부분입니다. 제약할 파라미터 없이 시간에 걸친 동작을 요청하고 계시므로 생성하고, 보고, 조정하고, 다시 생성하게 됩니다. 중요한 숫자는 테이크 한 번의 값입니다.

4K에서 8초 테이크는 여기서 1.44달러, Google을 직접 부르면 2.43달러입니다. 무빙 하나를 안착시키는 데 여섯 테이크라면 — 구체적인 이동이 있는 것이라면 얌전한 편입니다 — 8.64달러 대 14.60달러입니다. 그 차이가 41퍼센트로, 네 해상도 중 큰 격차로 가장 크고 4K 줄만이 따져 볼 값어치가 있는 이유입니다. 다른 곳에서 4K 1초는 fal에서 0.30달러, Runware에서 0.32달러, WaveSpeed에서 0.39달러이고, 여기서는 0.18달러입니다. Replicate는 이 모델을 초당 요율 없이 아예 그냥 올려 두고 있습니다.

다만 덜 쓰는 방법은 더 싼 4K 1초가 아니라 카메라 무빙을 4K에서 테스트하기를 그만두는 것입니다. 360p 티어에서 8초 드래프트 열 번은 2.38달러이고, 360p면 카메라가 요청하신 대로 했는지 보기에 충분합니다. 무빙은 어떤 해상도에서도 읽히며, 그래서 테스트가 싸집니다. 드래프트 열 번에 4K로 남길 하나를 더하면 3.82달러로, 4K 테이크 열 번의 14.40달러에 대비됩니다.

위쪽 두 단은 네이티브 렌더가 아니라 업스케일입니다. Google의 모델 레퍼런스가 그것들을 *"1080p output (upscaled)"*와 *"4K output (upscaled)"*로 표기합니다. 그러므로 4K 테이크는 여러분이 검토 중인 숏의 추가 디테일이 아니라 납품 규격을 사 줍니다. 그럼에도 그 값을 낼 만한 곳은 40초 장면에 대한 저희 글에서 다룹니다.

가격과 제품 약관은 바뀔 수 있습니다. 구매를 결정하시기 전에 각 제공자의 현재 가격을 확인하십시오.

짧은 판본

숏 개수를 먼저 말씀하시고, 그다음 무빙 하나, 그다음 그것이 시작하고 끝나는 프레이밍을 말씀하십시오. 초점 거리에는 거기 있어야 할 이유를 주십시오. 오디오는 자기 몫의 문장에 넣으십시오. 영상이 누군가에게 어떤 기분을 들게 해야 하는지를 묘사하는 단어는 전부 지우시고, 그 공간을 카메라가 어디에 있는지에 쓰십시오.

1.1에서 무엇이 나왔는지는 출시 글에 있고, 제공업체 가격 감사는 같은 가중치가 페이지마다 왜 다른 값을 매기는지 설명합니다. 파라미터와 현재 요율은 text-to-video 모델 페이지에 있습니다. 딸린 것이 아무것도 없는 단일 무빙이라면 초당 1센트인 Veo 3.1 Fast를 먼저 계산해 보십시오. 카메라 어휘는 Google이 두 모델 모두를 위해 공개하는 가이드에서 나오므로 연습은 그대로 옮겨 갑니다.

자주 묻는 질문

Gemini Omni 1.1 Flash는 어떤 카메라 무빙 용어를 이해합니까?

Google은 무빙 어휘에 이름을 붙입니다. 스태틱, 팬과 틸트, 달리·트럭·페데스탈 짝, 줌, 크레인, 드론 또는 항공, 핸드헬드, 휩 팬, 아크이며 여기에 앵글, 숏 스케일, 광학 용어가 더해집니다. 동시에 일부 고급 카메라 앵글은 공식적으로 지원되지 않고 신뢰도는 prompt에 따라 달라진다고 경고하므로, 이름 붙인 무빙은 파라미터가 아니라 요청으로 읽으십시오.

영상 prompt에 "cinematic"이라고 쓰면 무언가 달라집니까?

그것만으로는 별로입니다. Runway의 카메라 prompting 레퍼런스는 "cinematic"과 "4k"를 둘 다 걷어 내는데, 어느 쪽도 카메라가 하는 일을 바꾸지 않고 그 공간은 무빙에 이름을 붙이는 데 쓰는 편이 낫다는 이유에서입니다. 이 단어는 시점이 아니라 인상을 묘사하므로 모델에게 실행할 것을 아무것도 주지 않습니다. "masterpiece", "8k", 그리고 나머지 이미지 prompting 짐들도 마찬가지입니다.

35mm나 85mm 같은 초점 거리 숫자가 결과를 바꿉니까?

룩을 바꿉니다. 학습 데이터의 사진들이 메타데이터에 초점 거리를 담고 있어 그 숫자가 스타일 단서로 읽히기 때문입니다. 긴 렌즈는 배경을 압축하고 피사체를 분리하는 경향이 있고, 짧은 렌즈는 원근을 늘이며 방을 더 많이 담습니다. 문자 그대로의 광학이 아니라 시각적 연출로 다루시고, 결과에 붙여 두십시오.

Omni prompt에서 카메라 연출은 어디에 놓아야 합니까?

Google의 Veo prompting 가이드는 촬영을 피사체, 동작, 맥락, 스타일보다 앞에 두고 톤을 전달하는 가장 강력한 요소라고 부릅니다. Omni 자체 문서는 카메라 용어를 목록 중간에 둡니다. 둘 다 Google입니다. 카메라로 시작하는 데는 실용적인 이점이 하나 있습니다. 숏 개수 지시는 카메라에 대한 결정이고, 모델이 내러티브를 짜기 시작하기 전에 등록돼야 합니다.

Gemini Omni 1.1 Flash에서 같은 카메라 무빙을 두 번 얻을 수 있습니까?

seed를 재사용하실 때만 가능합니다. Google 문서는 temperature, top_p, 시스템 지시, 정지 시퀀스, 네거티브 prompt가 지원되지 않는다고 말하며, 그래서 저희 스키마의 선택적 정수인 seed 하나가 재현성 제어의 전부로 남습니다. prompt의 한 단어만 바꾸셔도 새로 샘플링하는 것이므로, 마음에 든 무빙을 만들어 낸 seed는 그것이 통한 순간에 기록해 두십시오.

무빙 하나를 요청했는데 왜 숏 중간에서 컷이 납니까?

여러 숏이 기본값이기 때문입니다. Google은 달리 지시하지 않는 한 Omni가 여러 숏을 시도하고 내러티브를 짜려 한다고 문서화하고 있으므로, 무빙을 둘이나 셋 쌓은 prompt는 각각을 별도의 컷에서 만족시킬 구실을 줍니다. 문서화된 해법은 끊기지 않은 한 장면을 요청하는 절이며, 이름 붙인 무빙 하나로 줄이는 것이 그 유인을 없앱니다.

Gemini Omni prompt에서 셔터 속도나 프레임 레이트를 지정할 수 있습니까?

Google이 문서화한 카메라 어휘에는 셔터 앵글도 모션 블러도 없으며, 저희는 그 용어들이 지켜진다고 주장하지 않겠습니다. 프레임 레이트도 prompt 레버가 아닙니다. 24 fps는 Google의 Omni 페이지에서 타이밍 예시 안에 — "12 frames at 24fps" — 나오지 설정하실 수 있는 사양으로 나오지 않습니다. 프레임 레이트는 후반에서 처리하십시오.

4K에서 카메라 prompt를 테스트하면 비용이 얼마나 듭니까?

8초 4K 테이크는 E2X에서 1.44달러, Google을 직접 부르면 2.43달러이므로 여섯 테이크면 14.60달러가 아니라 8.64달러입니다. 41퍼센트 차이이고 네 해상도 중 가장 넓습니다. 다만 4K에서 테스트하는 것은 대개 낭비입니다. 무빙은 360p에서도 읽히고, 거기서는 8초 드래프트 열 번이 2.38달러이며 4K로 남길 하나를 더하면 전체가 3.82달러가 됩니다.